Una recerca de la UOC millora les imatges mèdiques obtingudes per TAC

El TAC és un de les tècniques per estudiar els efectes del coronavirus

La millora de la tècnica obre la possibilitat de reduir la radiació sobre els pacients

Un equip internacional liderat des de la UOC ha desenvolupat un nou mètode que millora la qualitat de les imatges obtingudes per tomografia computada (TAC), una de les tècniques més usades per estudiar els efectes de moltes malalties com, per exemple, el coronavirus en l'àmbit pulmonar. L'algorisme, que s'ha posat a prova amb dades simulades, permet distingir millor entre tipus diferents de teixits i obre la porta a reduir la dosi de radiació a què se sotmet els pacients en aquest tipus de proves.

 

Una finestra a l'interior del cos

La tomografia computada, també coneguda com TAC, utilitza processos computacionals per combinar múltiples mesuraments mitjançant rajos X des de diferents angles i així produir imatges tomogràfiques. Aquest procés no invasiu, que genera una visió reconstruïda en tres dimensions d'òrgans i teixits, permet als metges veure dins del cos sense practicar cap incisió.

Es tracta d'una tècnica que «ajuda els experts a determinar la presència de tumors i la localització, grandària i extensió exactes. També es pot usar per diagnosticar trastorns musculars o ossis, infeccions o coàguls sanguinis, malalties del cor, nòduls pulmonars i masses al fetge», explica Mohammad Mahdi Dehshibi, investigador postdoctoral en el Scene Understanding and Artificial Intelligence Laboratory (SUNAI), dels Estudis d'Informàtica, Multimèdia i Telecomunicació de la UOC, i director del Pattern Research Centre a Teheran (Iran). «Aquesta tecnologia està entre les tècniques d'imatge més utilitzades per guiar biòpsies i teràpies de radiació, com també per monitorar l'efectivitat de tractaments per al càncer i detectar ferides i hemorràgies internes».

No obstant això, la tomografia computada implica el risc de danyar l'estructura de l'ADN i, per tant, produir càncer, a causa de l'exposició del cos als rajos X. Per exemple, la radiació que rep una persona quan es fa un TAC al cap equival al total de radiació a què s'exposa el cos al llarg de 243 dies de vida normal.

 

Un nou algorisme per disminuir la radiació

Buscant formes de reduir aquesta radiació, l'equip liderat per Mohammad Mahdi Dehshibi ha desenvolupat un nou algorisme de postprocessament que augmenta la qualitat de les imatges de TAC reconstruïdes. Així com els mètodes convencionals de tomografia computada recullen només una part concreta de l'espectre d'energia dels rajos X, els investigadors han provat un rang més ampli d'energies, dividit en intervals, per guanyar més contrast. Després d'assajar-ho en dades artificials mitjançant un programari de simulació anomenat GATE/GEANT4, van trobar que l'algorisme millora la qualitat i redueix el soroll de les imatges, la qual cosa permet diferenciar millor entre tipus de teixits diferents amb dosis menors de rajos X, segons publiquen en la revista Journal of Information Processing.

«Distingir entre dos teixits diferents en una mateixa zona, ja siguin normals o anormals, és crític per al pla de tractament de metges i radiòlegs quan aquesta decisió implica la vida del pacient», remarca Dehshibi. «Una millor discriminació entre teixits incrementa la probabilitat d'èxit d'un tractament». El nou mètode va augmentar la capacitat de diferenciació entre teixits en un 60 % respecte al TAC convencional en les simulacions.

«Proposem una aproximació de postprocessament que no requerirà una reconfiguració substancial del maquinari i aportarà més llibertat als experts en tècniques d'imatge per a la recerca futura», declara l'investigador de la UOC. «Esperem que els resultats d'aquest estudi es puguin examinar més endavant en un entorn clínic per reduir l'efecte de la radiació de rajos X».

 

Article de referència

Gholami, N.; Dehshibi, M. M.; Adamatzky, A.; Rueda-Toicen, A.; Zenil, H.; Fazlali, M.; Masip, D. A Novel Method for Reconstructing CT Images in GATE/GEANT4 with Application in Medical Imaging: A Complexity Analysis Approach. Journal of Information Processing 2020:28, 161. Doi: https://doi.org/10.2197/ipsjjip.28.161

 

Sobre UOC R&I

La recerca i innovació (R+I) de la UOC contribueix a solucionar els reptes a què s'enfronten les societats globals del segle xxi mitjançant l'estudi de la interacció de les TIC amb l'activitat humana, amb un focus específic en l'ensenyament en línia i la salut digital. Els més de 400 investigadors i 48 grups de recerca s'articulen entorn dels set estudis de la UOC i tres centres de recerca: l'Internet Interdisciplinary Institute (IN3), l'eLearn Center (eLC) i l'eHealth Center (eHC).

Els objectius de l'Agenda 2030 de desenvolupament sostenible de les Nacions Unides i el coneixement obert són eixos estratègics de la docència, la recerca i la innovació de la UOC. Per a més informació: research.uoc.edu.

#expertsUOC

Mohammad Mahdi Dehshibi

investigador del Scene Understanding and Artificial Intelligence Laboratory

Expert/a en:

Àmbit de coneixement: