Local texture map ed immagini PET (e radiologiche)

E’ ormai da parecchio tempo che non facevo più elaborazioni su immagini di Tomografia a Emissione di Positroni (PET) non tanto perchè non riuscivo a trovare database utilizzabili di immagini DICOM (ce ne sono diversi liberi) ma soprattutto perchè ho sempre sperato un giorno di tornare in un reparto per riprendere le elaborazioni che ormai ho lasciato da parecchi anni… tuttavia ogni tentivo di raggiungere questo obbiettivo finora non ha fornito risultati suddisfacenti, motivo per cui mi sono ufficialmente stufato di questa situazione e ho deciso di proporre qui i miei passati e futuri lavori utilizzando i database liberi che posso trovare in rete. So che la cosa inevitabilmente porterà al “furto” di questi lavori da parte di chi può permettersi di pubblicarli su riviste autorevoli…ma non vedo altra scelta se non voglio che cadano lettera morta (e non abbiano mai la possibilità di essere utilizzati per aiutare delle persone).

In questi anni il non poter utilizzare immagini DICOM per i motivi sopra detti mi ha portato a studiare con le metodiche impiegate anni prima diversi tipi di immagini non radiologiche e spero, oltre a poter proseguire questi studi “di ripiego” (che stanno dando risultati interessanti), anche di adattare quanto trovato sull’imaging non medico nello studio delle immagini mediche.

Da sempre mi sono occupato soprattutto di imaging neurologico (che conto di riprendere appena possibile) tuttavia il local texture mapping applicato all’oncologia è un pallino che mi ha preso negli ultimi anni della specialità e che ora sono contento di poter ristudiare! I risultati ottenibili sono decisamente allettanti! (nell’esempio un’immagine PET di un tumore polmonare destro e la sua corrispondente mappa del GLCM contrasto)

immagine FDG PET di eteroplasia polmonare destra

sezione sagittale con evidenza di attività a livello del rachide di significato aspecifico

mappa della GLCM entropia della stessa immagine. A parte l’attività urinaria il rapporto segnale/fondo della lesione è molto più elevato che nell’immagine FDG PET nativa

nella mappa della GLCM entropia sia l’attività aspecifica del rachide sia quella fisiologica a carico di altri organi (vie urinarie escluse) è soppressa

Come potete vedere la mappa del GLCM contrasto evidenzia un rapporto lesione/fondo decisamente più netto con scomparsa o forte riduzione del segnale a carico di quasi tutte le aree di uptake non oncologico di Fluorodesossiglucosio (fegato, cuore, midollo osseo e milza sono quasi azzerate). Sono convinto che lo studio di queste mappe porterò ad un aumento della sensibilità e soprattutto della specificità della metodica anche senza l’utilizzo di Intelligenze Artificiali per elaborare i dati (le IA hanno già dimostrato che questi indicatori funzionano), consentendo elaborazioni più semplici, veloci e senza la necessità ne di costoso hardware per il machine learning nè di informatici. Inoltre questo tipo di analisi, non essendo ROI-based, elimina i bias dovuti alla selezione delle Regioni di Interesse e permette un’ analisi più “olistica” di tutto il corpo, con possibilità di correlare l’aspetto degli indicatori con quello delle immagini PET e TC (o RM) coregistrate.

Fonte delle immagini:

Applied Proteogenomics OrganizationaL Learning and Outcomes (APOLLO) Research Network. (2021). Data from the Applied Proteogenomics OrganizationaL Learning and Outcomes Lung Squamous Cell Carcinoma [APOLLO-5-LSCC] Collection [Data set]. The Cancer Imaging Archive. https://doi.org/10.7937/TCIA.QQ0G-EB24

link download: https://wiki.cancerimagingarchive.net/display/Public/APOLLO-5-LSCC#95224279e16fe234091144e28bf0dcf8d5f2eb4c