Uma maneira melhor de comparar imagens tiradas em diferentes instituições

A ressonância magnética (RM) é uma ferramenta essencial para os médicos, fornecendo visões detalhadas do interior do corpo humano, bem como informações valiosas sobre patologias.

No entanto, a variabilidade dos protocolos de aquisição de imagens entre diferentes instituições apresenta desafios significativos para alcançar uma interpretação consistente e confiável, particularmente em pesquisas multicêntricas.

Para resolver esse problema, um novo estudo foi realizado pelo Dr. Gregory Lodygensky, professor clínico da Université de Montreal e do clínico-pesquisador em seu afiliado Hospital Sainte-Justine, com os professores-pesquisadores Jose Dolz e Christian Desrosers da iCOLE de Technologie Superriererie (Ets).

Publicado em Análise de imagem médicao estudo deles propõe modificar ressonância magnética de diferentes hospitais para torná -las mais semelhantes, permitindo comparações mais confiáveis ​​e precisas.

A harmonização dos resultados da ressonância magnética é uma questão central para a qualidade de pesquisa e saúde. Cada hospital, clínica ou instituto de pesquisa tem seu próprio estilo de ressonância magnética, dependendo do equipamento, protocolos de imagem e parâmetros que eles usam.

Isso leva à variabilidade em contraste, brilho e outras características da imagem e representa um grande obstáculo na pesquisa clínica quando os dados de vários centros de pesquisa são agrupados.

Três etapas principais

Desenvolvido por Farzad Beizaee, o primeiro autor do estudo e um candidato a doutorado do ETS, o novo método de harmonização envolve três etapas principais:

• Primeiro, é criado um modelo que “aprende” como as imagens no domínio de origem (por exemplo, imagens de ressonância magnética de uma máquina específica em Sainte-Justine) são organizadas ou distribuídas.
• Uma vez que a distribuição do domínio de origem é bem compreendida, o objetivo é “re-formatar” ressonância magnética de outros centros para eliminar variações causadas por alterações nos parâmetros ou pelo uso de outra máquina, e ao mesmo tempo preservar as diferenças inerentes aos pacientes.
• Por fim, quando o modelo é usado em novas imagens (por exemplo, de uma máquina desconhecida), ele deve se adaptar e garantir que as novas imagens ainda respeitem a distribuição que aprendeu no primeiro estágio.

Para validar seu modelo, os pesquisadores testaram a nova abordagem nas imagens do cérebro de ressonância magnética mantidas em bancos de dados nos Estados Unidos e em um consórcio de imagem neonatal construído em colaboração com pesquisadores na Austrália.

Esses dados foram usados ​​para executar duas tarefas diferentes: primeiro, para segmentar imagens cerebrais em diferentes partes de adultos e recém -nascidos para verificar se a estrutura cerebral permaneceu consistente antes e depois da harmonização e, em segundo lugar, para estimar a era do cérebro nos recém -nascidos.

Os resultados destacaram o desempenho superior dessa técnica em comparação com os métodos de harmonização existentes, demonstrando sua adaptabilidade para uma variedade de tarefas e grupos populacionais. Notavelmente, a ferramenta foi validada com sucesso na ressonância magnética do cérebro de um recém -nascido com lesões, uma tarefa que todos os outros modelos disponíveis não fazem, pois são treinados em imagens de cérebros saudáveis.

“Graças a este modelo, agora podemos interpretar dados de vários milhares de famílias e crianças que são monitoradas em vários hospitais – dados que provêm de diferentes scanners”, disse Lodygensky. “A análise dessas grandes coortes em crianças e adultos foi dificultada pelo principal problema de harmonização, que agora foi resolvido”.

Em futuras colaborações e pesquisas, ele e sua equipe explorarão a aplicação dessa abordagem em uma escala maior, facilitando a comparação e análise dos dados de pesquisa e melhorando ainda mais a precisão e a confiabilidade dos diagnósticos médicos.