#eSalud18 Algoritmos de procesamiento de imágenes médicas para mejorar el diagnóstico Ana Jiménez Pastor Analista de datos / QUIBIM SL
#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