#eSalud18

Algoritmos de procesamiento de imágenes médicas para mejorar el diagnóstico

Ana Jiménez PastorAnalista de datos / QUIBIM SL

#eSalud18 2

Imagen Médica Analógica Imagen Médica Digital

Gracias a la digitalización, la Imagen Médica es quizá la disciplina de la medicina que ha vivido la mayor revolución tecnológica en los últimos 50 años

#eSalud18 3

Enfisema pulmonar moderado 20% de enfisema pulmonar

#eSalud18 4

ENFERMEDAD

vs.

OJO HUMANO

#eSalud18 5

“No hay alteraciones visibles”

#eSalud18 6

Necesidad: MEDIR

Esteatohepatitis Alzheimer Degeneración articular Fractura vertebral Cáncer de próstata

Degeneración condral Cáncer de recto Enfisema Esclerosis múltipleOsteoporosis

#eSalud18 7

Medida obtenida objetivamente a partir de las imágenes médicas de un paciente que representa y cuantifica una propiedad

del tejido (estructural, funcional o biológica) extraída tras la aplicación de modelos computacionales e inteligencia artificial.

Biomarcador de Imagen

ONCOLOGÍATumor sólido, hematología

Difusión (IVIM, DKI),

Farmacocinética, Infiltración

médula ósea, análisis

multiparamétrico

NEUROAlzheimer, ELA, EM, ictus

Volumetría, espesor cortical,

segmentación de lesiones,

hierro, tractografía

MSQOsteoporosis, artrosis

Morfología trabecular,

irregularidad fractal,

anisotropía, resistencia

mecánica y elasticidad

HÍGADOEsteatohepatitis, fibrosis,

hemocromatosis

Concentración grasa, hierro,

fibrosis

PULMÓNEPOC, RX

Clasificación, volúmenes,

enfisema, pared bronquial,

tráquea

#eSalud18 8

Medida obtenida objetivamente a partir de las imágenes médicas de un paciente que representa y cuantifica una propiedad

del tejido (estructural, funcional o biológica) extraída tras la aplicación de modelos computacionales e inteligencia artificial.

Biomarcador de Imagen

ONCOLOGÍATumor sólido, hematología

Difusión (IVIM, DKI),

Farmacocinética, Infiltración

médula ósea, análisis

multiparamétrico

NEUROAlzheimer, ELA, EM, ictus

Volumetría, espesor cortical,

segmentación de lesiones,

hierro, tractografía

MSQOsteoporosis, artrosis

Morfología trabecular,

irregularidad fractal,

anisotropía, resistencia

mecánica y elasticidad

HÍGADOEsteatohepatitis, fibrosis,

hemocromatosis

Concentración grasa, hierro,

fibrosis

PULMÓNEPOC, RX

Clasificación, volúmenes,

enfisema, pared bronquial,

tráquea

#eSalud18 9

Difusión Perfusión

Tejido muy vascularizado

Angiogénesis

Elevada celularidad

Restricción de la movilidad de las

moléculas de agua

Análisis oncológico

#eSalud18 10

Análisis de difusión

Tejido sanoEspacio intersticial preservado

Alta difusividad de las moléculas de agua

Tejido patológicoEspacio intersticial reducido

Baja difusividad de las moléculas de agua

11

Análisis de difusión bADCeSoS ** −=

Valores b#eSalud18

Señ

al

#eSalud18 12

Análisis de difusión

#eSalud18 13

Análisis de perfusión

Análisis del comportamiento de un agente de contraste al inyectarse en el sistema sanguíneo

#eSalud18 14

Tiempo

C

Análisis de perfusión

Concentración máxima

Tiempo al pico

Pendiente de subida

Área bajo la curva (60 s)

#eSalud18 15

Análisis de perfusión

#eSalud18 16

Análisis de perfusión

Vp

Ve

−−

+=

ttk

a

trans

apt deCKtCvtC ep

0

)()()()(

Tejido Entrada arterial

Espacio intersticial

17

Análisis de perfusión

#eSalud18

Constante de transferencia desde el espacio intravascular al EES (permeabilidad capilar)

Coeficiente de extracción desde el EES al espacio intravascular (lavado)

18#eSalud18

Inteligencia Artificial

• Las placas de tórax son el estudio de imagen más realizado en losservicios de radiología

• Los departamentos de radiología tienen problemas en informartodas las RX en el tiempo deseado por falta de recursos

• SOLUCIÓN: Clasificación automática de la RX de tórax para priorizarel informado de aquellas clasificadas como “patológicas”

Clasificación automática de radiografías de tórax

#eSalud18

Clasificación automática de radiografías de tórax

Probabilidad de patología: 87%

#eSalud18

21#eSalud18

RADIÓMICA

22#eSalud18

?

RADIÓMICA: Análisis multivariante de grandes cantidades de biomarcadores de imagen extraídos a partir del

procesamiento de imágenes radiológicas (TC, RM, PET) con el objetivo de encontrar una relación con un diagnóstico,

pronóstico o eficacia terapéutica.

23

Data miningData integrationSource images Segmentation Feature extractionP

ERFU

SIO

ND

IFFU

SIO

NA

NA

TOM

Y T2w

D

Organ extraction

Nosological image

Volume/Shape features

Histogram features

Texture Features

Clinical

Genomic

Metabolomic

Radiogenomics

Predictive/prognostic models

Diagnostic models

DWI

DCE-MRI

Ktrans

Clustering

#eSalud18

24#eSalud18

#eSalud18

Algoritmos de procesamiento de imágenes médicas para mejorar el diagnóstico

Ana Jiménez PastorAnalista de datos / QUIBIM SL