Artículo original: Roest C, Kloet RW, Lamers MJ, Yakar D, Kwee TC. Focused view CT angiography for selective visualization of stroke related arteries: technical feasibility. Eur Radiol. 2023; 33: 9099–9108.
Sociedad: European Society Radiology (@myesr)
DOI: 10.1007/s00330-023-09904-6
Abreviaturas y acrónimos utilizados: DNN (Deep Neural Network), TC (Tomografía Computarizada), UH (Unidades Hounsfield)
Palabras clave: Angio-CT, Diagnóstico, Deep Learning, Ictus Isquémico.
Línea editorial del número: El último número publicado por la revista European Radiology, de la sociedad europea de radiología (ESR) de diciembre del presente año, continúa con el mismo formato presentado en volúmenes pasados, incluyendo en el presente volumen varios artículos de gran interés para profesionales dedicados a la radiología en diferentes áreas de la especialidad; entre estos merece la pena destacar: varios interesantes artículos dedicados al área de la inteligencia artificial, entre los que merece la pena nombrar: “Consideraciones de ciberseguridad para departamentos de radiología involucrados con inteligencia artificial”, y “Un modelo de aprendizaje automático basado en resonancia magnética para la predicción preoperatoria de la profundidad de invasión del cáncer de vejiga”, entre muchos otros, constituyendo la inteligencia artificial el tema más destacado.
Otra sección bastante predominante es la de radiología cardiotorácica, destacando un interesante artículo sobre la relación entre patología cardíaca y el COVID 19. Por otro lado, otra sección con bastante peso en el presente volumen es la de radiología mamaria, que incluye artículos variados, que tratan temas como: el uso de la RM en radiología mamaria o la mamografía con contraste.
Finalmente, cabe mencionar el área de neurorradiología donde destacan temas como el del presente artículo.
En resumen, es un volumen bastante diverso, con una gran variedad de artículos en las distintas áreas de la radiología, en el que es fácil encontrar artículos de interés.
Motivos para la selección: La inteligencia artificial y los modelos de segmentación y post procesado de imágenes se utilizan con muy buenos resultados en muchas áreas de la radiología en la actualidad. Estas herramientas, son muy novedosas y están adquiriendo mucha relevancia.
Por otro lado, el accidente cerebrovascular, es una patología muy frecuente, y cuyos resultados pronósticos dependen del adecuado y pronto diagnóstico. Por este motivo, el incluir la inteligencia artificial en la práctica clínica resulta de gran interés, resultando este el principal motivo de selección del presente artículo.
Resumen:
El ictus isquémico es una importante causa de mortalidad y morbilidad con una elevada incidencia a nivel mundial. El diagnóstico en una gran parte de centros suele realizarse por TC, siendo el Angio TC una herramienta importante para la detección de oclusiones de gran vaso, que podrían ser subsidiarias de tratamiento endovascular, sirviendo en el caso de trombectomias mecánicas no solamente para detectar la oclusión, sino también para identificar disecciones, estenosis y otras variantes o anomalías vasculares que podrían complicar el procedimiento. Asimismo, estas podrían ser utilizadas como mapas de trayecto.
Sin embargo, la cobertura anatómica que se utiliza, para poder visualizar todos los troncos supraaórticos en su conjunto, es muy amplia, e incluye muchas otras estructuras que deben ser estudiadas por el radiólogo, consumiendo tiempo. Además, esta amplia cobertura anatómica hace que la aparición de hallazgos incidentales sea muy frecuente.
La inteligencia artificial, ha revolucionado el post-procesado de imágenes, siendo muy utilizada en otras áreas de la radiología. De esta forma, se hipotetizó que una segmentación utilizando deep learning, que preservara las arterias intra y extracraneales relacionadas con el ictus y eliminará las demás estructuras podría ser de gran utilidad para reducir el tiempo de interpretación e investigar la relevancia de hallazgos incidentales. El objetivo del presente estudio es averiguar la viabilidad técnica de un Angio-CT de visión enfocada.
Materiales y métodos
Se realizó un estudio retrospectivo, aprobado por el comité de ética de la institución del estudio, incluyendo 150 pacientes consecutivos a los que se les realizaron estudios de TC para evaluación de ictus isquémico agudo desde el 25 de septiembre al 24 de diciembre del 2021, de los cuales, 8 fueron excluidos por no haberse realizado un angio-CT y uno por importantes artefactos de movimiento, resultando en un total de 141 pacientes, que fueron divididos en 100 casos y 41 pacientes que formaron parte de un conjunto de prueba.
Los estudios de imagen se realizaron en conjunto con un estudio de CT basal y CT de perfusión (mismos que no fueron analizados en el presente trabajo). El angio-TC se realizó tras la administración de 50 mL de contraste (iomeprol) a 6 mL/segundo, lanzado 2 segundos posterior al bolus tracking, mismo que se colocó en el arco aórtico (100 UH), abarcando desde el arco aórtico hasta el vertex. Las imágenes fueron reconstruidas con un grosor de 0.75/0.5 mm.
Los exámenes de los 100 casos de capacitación fueron segmentados por un radiólogo certificado utilizando un software (ITK-SNAP, versión 3.8.0). La segmentación se realizó en dos pasos: en el paso 1 se realizó segmentación de las arterias vertebrales hasta la transición V3-V4; en el paso 2 se segmenta el arco aórtico, arterias subclavias, arterias carótidas comunes, arterias carótidas externas proximales, arterias carótidas internas hasta el nivel de la transición de cavernosa al segmento cerebral, y las arterias vertebrales hasta la transición del segmento V3 a V4 (complementando el paso 1).
Se desarrolló una red neuronal profunda (Deep neural network– DNN) para segmentar las estructuras anatómicas previamente descritas. Se realizó una validación cruzada en el conjunto de entrenamiento para entrenar cinco segmentaciones de aprendizaje profundo separadas. Para evitar el sobre entrenamiento, el entrenamiento se detuvo después de 50 repeticiones sin mejora en rendimiento de validación. El modelo de aprendizaje profundo fue implementado usando Python 3.7.4 y Tensor Flow 2.2.0.
El conjunto de aprendizaje profundo se aplicó a cada imagen. Los escaneos de Angio TC de vista enfocada se crearon configurando para que las intensidades de los vóxeles fuera de la segmentación generada fueran iguales a −1000. Posteriormente, los escaneos se exportaron al formato DICOM.
Tanto los exámenes con vista enfocada como los 41 casos adicionales fueron evaluados por un neurorradiólogo certificado, que realizó todas las evaluaciones sin información clínica y sin visualizar ni el TC basal ni TC de perfusión. Las evaluaciones de angio TC de vista enfocada y sin modificación escala de 5 puntos: puntuación 5 = completamente visible; 4 = casi completamente visible; puntuación 3=incompletamente visible; puntuación 2=apenas visible, puntuación 1=no visible.es se evaluaron por separado en diferentes sesiones de lectura, tomando en cuenta la interpretación de un segundo neurorradiólogo certificado. La visibilidad de los vasos extracraneales e intracraneales tanto en la vista enfocada como la CTA sin modificar se evaluaron utilizando una Este sistema de puntuación se aplicó a las siguientes características estructuras: arco aórtico a nivel del origen de los vasos cervicales, arteria subclavia derecha e izquierda, arteria carótida común, segmentos de C1 a C7 de ambas carótidas, arterias vertebrales de V1 a V4, arteria basilar, arterias cerebelosas, las arterias cerebrales y senos venosos. Los resultados de las escalas del Angio TC modificado y no modificado se compararon usando el test de Wilcoxon y la diferencia interobservador el test de kappa.
Resultados
En la angio-TC con vista enfocada, las puntuaciones medianas para el arco aórtico, las arterias subclavias, las arterias carótidas comunes, C1, C6 y C7, segmento V4, arteria basilar, arterias cerebelosas, cerebrales y senos venosos fue de 4. Igualmente, las puntuaciones medianas para los segmentos C2 a C5 y V1 a V3 fueron entre 2 y 3. En el estudio sin modificar la puntuación media para todas las estructuras anatómicas mencionadas anteriormente fue 5, que fue significativamente mayor (p<0,0001) que la de vista enfocada.
Discusión
El estudio muestra que es posible realizar una segmentación adecuada, obteniendo varios segmentos y arterias que presentan una visibilidad adecuada para poder realizar un diagnóstico. Si bien es cierto que los segmentos C2 a C5 y V1 a V3 tuvieron resultados insuficientes, esto podría deberse a la cercanía de los mismos al hueso, así como a la tortuosidad de los mismos. Esto se podría solventar usando más casos como entrenamiento, así como mejorando el algoritmo (remoción de hueso o el uso de tracking de vasos). El tiempo de modificación fue de 2 minutos, mismo que podría reducirse, para obtener un diagnóstico más precoz.
Adicionalmente, algunos resultados pueden explicarse por las limitaciones del estudio que incluyen, falta de experiencia con la interpretación del angio TC enfocado y el pequeño tamaño muestral, así como el hecho de que todos los pacientes pertenecían al mismo centro.
En conclusión, el angio TC con visión enfocada es una herramienta para la visualización selectiva de arterias relacionadas en ictus, que puede ser útil para disminuir tiempo de interpretación y estudiar hallazgos incidentales. En futuros estudios deberían centrarse en mejorar el algoritmo para visualizar con mayor precisión los segmentos más pequeños y tortuosos de la arteria carótida interna y vertebral.
Valoración personal:
Considero que este artículo es bastante interesante tomando en cuenta que la inteligencia artificial, es una herramienta que cada vez adquiere más importancia y uso extendido en la actualidad. El ictus es una patología bastante frecuente y el poder empezar a utilizar modelos de inteligencia artificial que mejoren el tiempo de diagnóstico es un avance importante.
Puntos Positivos: Es un artículo original bien realizado, que explica bastante bien los materiales y métodos utilizados. Adicionalmente, es un tema bastante interesante y muy aplicable a corto plazo.
Puntos Negativos: Como puntos negativos me parece que, aunque es un artículo muy bien redactado, presenta muchos conceptos complejos de inteligencia artificial, por lo que en muchas partes resulta algo difícil de leer e interpretar. Así mismo podría incluirse un mayor número de imágenes, sobre todo porque la gran mayoría del artículo es prácticamente texto, y tomando en cuenta que nuestra profesión es muy visual, sería interesante ver más reconstrucciones de los Angio TC.
El balance general resulta positivo, siendo recomendable la lectura de este artículo para los radiólogos interesados en este tema.
María José Galante Mulki
Hospital Universitario Marqués de Valdecilla, R4
cbseram.com 
Deja un comentario