Local texture mapping sul glioma del cane

Immagine RM T2 pesata di un glioma canino sovrapposta alla relativa mappa della GLCM correlazione. Anche al netto dello smoothing dovuto alla metodica di analisi si può dedurre come la mappa permetta di evidenziare regioni verosimilmente coinvolte dalla malattia più estese di quanto sembrerebbe alla semplice analisi visiva sulle immagini native, oltre ad evidenziare la sua tipica disomogeneità locoregionale, poco visibile alla sequenza T2 nativa (core necrotico e bordo costituito da malattia attiva)

Articolo disponibile su ZeroTalk Italia++

Tempo fa in un altro articolo avevo descritto i primi dati ricavati da un analogo studio fatto sulla versione “umana” di questi tumori, che non ero riuscito a completare per via delle nuove “politiche sulla privacy” emanate dal The Cancer Imaging Archive… ma per fortuna lo stesso sito include un database di immagini RM di gliomi del cane, che sono riuscito a sfruttare per ottenere risultati molti simili a quelli trovati nei pochi pazienti umani che sono riuscito a studiare.

Materiali e Metodi:

Sono state studiate le immagini RM provenienti da questo database di gliomi del cane. Le immagini DICOM sono state convertite dapprima in formato NIFTI mediante il software MRIConvert e successivamente è stato utilizzato il software LIFEx 7.10 per ricavare le mappe degli indicatori della GLCM entropia (dissimilarità entropia, contrasto, energia, omogeneità e correlazione). Sono stati impiegati in questa procedura 64 livelli di grigio, un range che include tutti i livelli di grigio di ogni immagine ed un kernel del diametro di 7 voxel. Sono state studiate di tutto il database solo le immagini relative al solo encefalo ed orientate in senso trasversale (o in altro orientamento se il trasversale non era disponibile per una data sequenza).

Risultati:

Le analisi mostrano che le mappe della GLCM correlazione ed entropia consentono con diverse sequenze (specie quelle con il miglior rapporto segnale/fondo) di evidenziare non solo la disomogeneità della distribuzione degli indicatori nel contesto delle lesioni (la necrosi centrale è spesso ben differenziabile dal bordo di malattia vitale) ma spesso mostrano anche come la malattia interessi porzioni di tessuto in apparenza “sane”. Questo in parte è un artefatto dovuto allo smoothing nativo della mappe, tuttavia in molti casi tale spiegazione non è plausibile, anche in virtù dei reperti reperibili incrociando dati di diverse sequenze. Altra cosa da notare è come molte regioni cerebrali presentino un segnale di texture nativo e risultino iperintense con gli indicatori di alcune sequenze.

Rispetto alle immagini RM “umane” quelle di cane includono molte regioni extracerebrali nel campo di acquisizione. Per il poco che ho potuto notare questo potrebbe influire sella qualità delle analisi per una loro influenza nel rapporto segnale/fondo (spesso tali regioni appaiono in alcune zone iperintense con praticamente tutti gli indicatori).

Conclusioni:

I dati trovati in questo piccolo “esperimento” a mio parere devono indurre ad un approfondimento sui dati “umani” che spero qualcuno riesca a fare. Sarebbe interessante studiare questi dati in luce di quelli anatomopatologici (cosa possibile anche sul cane con questo database) oppure della prognosi, anche in seguito di trattamenti citostatici. Campi interessanti sarebbero ad esempio la ricerca di recidive di malattia e la loro differenziazione con la radionecrosi, ove la RM non sempre è dirimente, mente la PET con traccianti aminoacidici non è sempre fattibile per carenza di centri che la eseguano.

Altro campo di studio interessante per questi indicatori a mio parere è il confronto fra il cervello “fisiologico” e quello affetto da varie patologie neurodegenerative. Anche altre variabili come età, sesso, comportamenti ed abitudini voluttuarie sarebbero molto interessanti da studiare coon questa metodica che produce immagini per certi versi simili a quelle PET.

IL database completo sarà preso pubblicato su GalactiChan.

Bibliografia:

Amin SB, Anderson KJ, Boudreau CE, Martinez-Ledesma E, Kocakavuk E, Johnson KC, Barthel FP, Varn FS, Kassab C, Ling X, Kim H, Barter M, Lau CC, Yee Ngan C, Chapman M, Koehler JW, Miller AD, Long JP, Miller CR, Porter BF, Rissi DR, Mazcko C, LeBlanc AK, Dickinson PJ, Packer RA, Taylor AR, Rossmeisl Jr. JH, Woolard KD, Heimberger AB, Levine JM, Verhaak RGW. Canine glioma characterization project for ICDC [Dataset]. The Cancer Imaging Archive; 2020. Available from: https://doi.org/10.7937/TCIA.SVQT-Q016

Amin SB, Anderson KJ, Boudreau CE, Martinez-Ledesma E, Kocakavuk E, Johnson KC, Barthel FP, Varn FS, Kassab C, Ling X, Kim H, Barter M, Lau CC, Ngan CY, Chapman M, Koehler JW, Long JP, Miller AD, Miller CR, Porter BF, Rissi DR, Mazcko C, LeBlanc AK, Dickinson PJ, Packer RA, Taylor AR, Rossmeisl JH Jr, Woolard KD, Heimberger AB, Levine JM, Verhaak RGW. Comparative Molecular Life History of Spontaneous Canine and Human Gliomas. Cancer Cell [Internet]. Elsevier BV; 2020 Feb;37(2):243-257.e7. Available from: http://dx.doi.org/10.1016/j.ccell.2020.01.004

Clark K, Vendt B, Smith K, Freymann J, Kirby J, Koppel P, Moore S, Phillips S, Maffitt D, Pringle M, Tarbox L, Prior F. The Cancer Imaging Archive (TCIA): Maintaining and Operating a Public Information Repository, Journal of Digital Imaging, Volume 26, Number 6, December, 2013, pp 1045-1057. DOI: https://doi.org/10.1007/s10278-013-9622-7

Un pensiero riguardo “Local texture mapping sul glioma del cane

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo di WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...