Studio che ha esplorato l'uso di SwiftMR per la rilevazione di metastasi cerebrali.

REF ITALIA SRL
12 nov
Tempo di lettura: 3 min

Ricerca sottoposta a revisione paritaria

Studio

Questo studio ha esplorato l'uso di SwiftMR per la rilevazione di metastasi cerebrali. I risultati hanno mostrato miglioramenti significativi nella qualità delle immagini, sia quantitativa che qualitativa, tra gli scanner MRI di tutti e tre i principali fornitori.

Anche le prestazioni diagnostiche, in particolare sensibilità e visibilità delle lesioni, sono state significativamente migliorate, con il massimo beneficio riscontrato nelle lesioni di piccole dimensioni inferiori a 5 mm.

Perché questo è importante

L'imaging 3D con pesatura T1 e contrasto basato su ecografia turbospin 3D è utile per rilevare metastasi cerebrali sopprimendo i segnali provenienti dai piccoli vasi, ma la sua risoluzione spaziale e il rapporto segnale-rumore relativamente bassi hanno rappresentato un limite. SwiftMR migliora sia la qualità dell'immagine che la sensibilità diagnostica, consentendo un rilevamento più accurato di lesioni molto piccole. Si prevede che questo miglioramento contribuirà notevolmente all'affidabilità diagnostica e al processo decisionale clinico nei pazienti con metastasi cerebrali.

Obiettivi

Valutare l'utilità di un miglioramento delle immagini basato sull'apprendimento profondo (DL) per migliorare la qualità delle immagini e le prestazioni diagnostiche dell'imaging RM 3D con contrasto pesato in T1 del sangue nero (BB) per le metastasi cerebrali.

Materiali e metodi

Questo studio retrospettivo ha incluso 126 pazienti con e 121 pazienti senza metastasi cerebrali sottoposti a RM a 3 T. Per la post-elaborazione delle immagini è stato utilizzato un software di miglioramento delle immagini RM basato su DL disponibile in commercio. Sono stati misurati il rapporto segnale/rumore (SNR) e il rapporto contrasto/rumore (CNR) delle lesioni con enhancement. Per la valutazione qualitativa e la valutazione delle prestazioni diagnostiche, due radiologi hanno valutato la qualità complessiva dell'immagine, il rumore e gli artefatti di ciascuna immagine e la visibilità delle lesioni visibili. Per l'analisi statistica sono stati utilizzati il test di Wilcoxon dei ranghi con segno e le analisi di regressione con equazioni di stima generalizzate (GEE).

Risultati

Per le immagini RM che non erano state precedentemente elaborate utilizzando altri metodi basati su DL, SNR e CNR erano più elevati nelle immagini DL-enhanced rispetto alle immagini standard (438,3 vs. 661,1, p < 0,01; 173,9 vs. 223,5, p < 0,01). La qualità complessiva dell'immagine e il rumore sono stati migliorati nelle immagini DL ( p < 0,01, proporzione media punteggio-5 38% vs. 65%; p < 0,01, 43% vs. 74%), mentre gli artefatti non differivano significativamente ( p ≥ 0,07). La sensibilità è aumentata dopo la post-elaborazione dal 79 all'86% ( p = 0,02), in particolare per le lesioni più piccole di 5 mm (dal 69 al 78%, p = 0,03), e le modifiche nella specificità ( p = 0,24) e nel conteggio medio dei falsi positivi (FP) ( p = 0,18) non sono state significative.

Conclusione

Il miglioramento delle immagini DL migliora la qualità dell'immagine e le prestazioni diagnostiche dell'imaging RM BB pesato in T1 con contrasto 3D per il rilevamento di piccole metastasi cerebrali.

Punti chiave

Domanda Il miglioramento delle immagini basato sull'apprendimento profondo (DL) può migliorare la qualità delle immagini e le prestazioni diagnostiche dell'imaging RM 3D con contrasto pesato in T1 del sangue nero (BB) per le metastasi cerebrali?

Risultati Il miglioramento delle immagini basato su DL ha migliorato la qualità delle immagini BB MR a strati sottili e la sensibilità per le metastasi cerebrali, in particolare per le lesioni più piccole di 5 mm .

Rilevanza clinica Il miglioramento delle immagini basato su DL sulle immagini BB può aiutare nella diagnosi accurata delle metastasi cerebrali ottenendo una maggiore sensibilità mantenendo una specificità comparabile .

Scarica l'articolo completo