Questo lavoro lo avevo iniziato mesi fa con l’idea di provare a passare poi dalle immagini JPEG a quelle DICOM (senza mai riuscire nell’intento per vari motivi). Il mio obbiettivo è provare a vedere se riuscivo ad identificare quali parametri usano le IA per fare diagnosi di polmonite COVID-19 correlata con la radiomica (l’ultimo studio ben fatto a riguardo che ho trovato è quello di Chen Jin et al del 21/3/2020, studio condotto in Cina che ha utilizzato un campione molto grande di immagini) Ad ogni modo avevo provato ad elaborare con LifeX alcune immagini JPEG (normali foto facilmente reperibili in rete) di TC di pazienti COVID-19 con polmonite per vedere se un’eventuale studio fatto sui DICOM potesse avere senso, trovando risultati a mio parere interessanti e che per questo natale ho il piacere di mostrarvi in questo blog, nella speranza che qualcuno in ascolto possa replicare il mio piccolo esperimento usando le immagini in formato DICOM.
Considerazioni introduttive e limiti del lavoro:
Il formato JPEG è molto diverso dal DICOM sia perchè è 2D invece che 3D e ha solo 256 valori di grigio contro i 2000 della scala HU e sia perchè gli screenshot che ho usato sono foto fatte ricostruendo le immagini probabilmente con differenti algoritmi ed utilizzando la scala di grigi della finestra del polmone anzichè la HU completa, tuttavia nel ricavare gli indicatori della matrice GLCM la scala HU viene di norma limitata ai valori più interessanti per la finestra polmonare e riscalata con bin comprendenti più valori della scala HU, per tali motivi i risultati che ho ottenuto non dovrebbero differire molto da quelli ricavabili dai DICOM (una mappa simile alla mia, di cui non è descritto l’indicatore impiegato, è presente nell’articolo citato sopra). Altra prova dell’affidabilità del metodo è la similarità dei risultati fra immagini COVID prese dal database di Radiopedia e da quello della Società Italiana di Radiologia Medica (SIRM) utilizzati in queste prove.
Materiali e metodi:
Tutte le immagini sono state elaborate selezionando solo il parenchima polmonare mediante una ROI (Region of Interest) disegnata a mano su entrambi i polmoni (per ridurre la potenza di calcolo necessaria). E’ stato usato un range di grigi da 0 a 256 (tutti quelli del formato jpeg) che è stato riscalato a 64 livelli (size of bin pari a 4) prima di ricavare le matrici GLCM locali (kernel di diametro pari a 7 pixel) da cui estrarre gli indicatori.
Le immagini TC di polmoniti COVID-19 provengono dal database di radiopedia e da quello dedicato della SIRM (ne ho elaborate decine, solo alcune di queste sono ovviamente mostrate in questo elaborato). I risultati ottenuti sono stati utilizzati per descrivere l’aspetto degli indicatori in questa patologia e come questi potrebbero essere utilizzati a scopo diagnostico, prognostico e di diagnosi differenziale con altre patologie polmonari (immagini disponibili nel database di radiopedia).
Risultati:
Aspetto degli indicatori della matrice GLCM nella polmonite COVID-19 correlata:
In questi pazienti gli addensamenti polmonari tipici di questa malattia presentano alti valori di GLCM dissimilarità, contrasto ed entropia (indicatori di disordine), mentre appaiono quasi indistinguibili dal parenchima alla GLCM energia ed ipointensi alla GLCM omogeneità.
NOTA: stutture dense come gli assi vascolari (pieni di mezzo di contrasto) e la parete toracica mostrano elevati livelli di energia ed entropia a causa di un artefatto dovuto al rescaling dell’immagine nella finestra del polmone (oltre una certa soglia di HU i valori di grigio sono tutti identici)
Esempio preso da Radiopedia: https://radiopaedia.org/cases/covid-19-pneumonia-7
Valutazione prognostica:
Ho confrontato le foto dei pazienti COVID prese da Radiopedia con quelle pubblicate nel database SIRM non notando comportamenti diversi fra le immagini prese dai due siti (questo dovrebbe essere confortante per quanto riguarda l’affidabilità dei risultati), in aggiunta il database SIRM include alcuni casi sottoposti a follow up con differente esito. In particolare riporto qui i dati relativi al caso 34 (prognosi buona) ed al caso 33 (prognosi diversa su diverse lesioni a 3 successivi controlli TC). E’ possibile notare come lesioni radiologicamente tendenti a diventare più dense abbiano per quanto ho capito prognosi migliore e che a tale fenomeno si associa una diminuzione del valore degli indicatori di disordine (dissimilarità, entropia e contrasto) mentre il contrario avviene se il paziente localmente peggiora. Tali dati tuttavia andrebbero confermati con una casistica più vasta.
Caso 34 alla diagnosi:
Caso 34 al secondo controllo (in miglioramento clinico):
Caso 33 alla diagnosi:
Caso 33 al primo ricontrollo:
Caso 33 all’ultimo ricontrollo:
Confronto con il polmone non patologico (radiopedia):
Il polmone non patologico presenta una distribuzione omogenea di tutti gli indicatori. Appare iso-ipointenso nella GLCM dissimilarità, ipointenso nell’energia e nel contrasto, isointenso nell’entropia e nell’omogeneità. L’iperintensità degli indicatori di ordine degli assi vascolari è dovuta all’artefatto descritto prima, mentre i bordi dei vasi più piccoli presentano falsi elevati valori di disordine in quanto sono vicini al parenchima che nelle immagini TC è molto meno denso.
caso: https://radiopaedia.org/cases/normal-chest-ct-lung-window-1?lang=us
Diagnosi differenziale con altre patologie polmonari:
Questi casi sono tutti presi da radiopedia; non sono molti come numero ma sembrano in molti casi mostrare una distribuzione differente degli indicatori in diverse patologie. Questi dati, se confermati con numeri molto più grandi, potrebbero aiutare nella diagnosi differenziale radiologica fra differenti patologie polmonari dall’aspetto simile e la polmonite COVID-19 correlata.
Influenza H1N1: le lesioni presentano elevati valori di GLCM dissimilarità, entropia e contrasto con un aspetto “a stampo” rispetto al restante parenchima che appare lievemente iperintenso alla GLCM energia ed omogeneità. (la polmonite da COVID invece presenta bordi degli indicatori di disordine più sfumati e parenchima di intensità normale agli indicatori di ordine)
caso: https://radiopaedia.org/cases/influenza-a-h1n1-pneumonia?lang=us
Emorraggia polmonare: Si presenta come un addensamento con elevatissimi valori di GLCM energia ed omogeneità (nel caso riportato a livello della base polmonare sinistra)
caso: https://radiopaedia.org/cases/pulmonary-haemorrhage-3
Polmonite organizzata criptogenetica: Può presentarsi in modo estremamente vario:
caso 1 (lesioni con valori di GLCM energia ed omogeneità lievemente aumentati ed ipointensità a GLCM entropia, contrasto e dissimilarità):
https://radiopaedia.org/cases/cryptogenic-organising-pneumonia
Caso 2: lesioni con elevati valori di GLCM dissimilarità, entropia e contrasto:
https://radiopaedia.org/cases/cryptogenic-organising-pneumonia-2
Polmonite da citomegalovirus: Le lesioni appaiono iperintense alla GLCM dissimilarità, entropia e contrasto solo a livello dei grossi vasi e con bordi mal definiti, mentre il parenchima risparmiato si presenta iperintenso alla GLCM energia ed omogeneità con aspetto “a stampo”
caso: https://radiopaedia.org/cases/cytomegalovirus-pneumonia-in-a-renal-transplant-patient
Polmonite cronica eosinofila: Le lesioni sono molto disomogenee con zone che presentano elevati valori degli indicatori di ordine (le porzioni più dense) nel contesto di un generale aumento della GLCM dissimilarità, entropia e contrasto.
caso: https://radiopaedia.org/cases/chronic-eosinophilic-pneumonia
Edema polmonare cardiogeno: Nonostante il severo quadro TC in questo caso gli indicatori mostrano solo variazioni a livello del confine fra il versamento ed il parenchima.
caso: https://radiopaedia.org/cases/cardiogenic-pulmonary-oedema
Artrite reumatoide: In questo caso la trama vascolare presenta valori di GLCM entropia, dissimilarità e contrasto molto elevati con aspetto “a stampo” sul parenchima, che appare lievemente iperintenso alla GLCM omogeneità.
Polmonite nonspecifica interstiziale: Il quadro è simile a quello dell’atrite reumatoide, ma con lesioni vascolari meno intense alla GLCM entropia, dissimilarità e contrasto
Polmonite da Pneumocystis Carinii: Le lesioni si presentano isointense in tutti gli indicatori con molte aree disomogeneamente ed intensamente iperintense alla GLCM entropia, contrasto e dissimilarità.
Polmonite acuta eosinofila: Le lesioni appaiono molto definite ed intense, con aspetto “a stampo” alla GLCM entropia, dissimilarità e contrasto. Al contempo il restante parenchima appare iperintenso alla GLCM energia ed omogeneità.
Sarcoidosi: Le lesioni bilaterali tipiche della malattia appaiono iperintense ed a stampo, con tendenza a sfumare in direzione della parete toracica fino a scomparire alla GLCM entropia, dissimilarità e contrasto.
Il blog del dott. Antonello Galati 
3 pensieri riguardo “Texture mapping e COVID-19”