Desarrollo de un biomarcador basado en el análisis de variables estadísticas para la diferenciación de glioblastomas y metástasis cerebrales a partir del análisis de texturas en imágenes de resonancia magnética

Abstract

[ES] Dada la creciente preocupación en lo que al cáncer se refiere hoy en día, se hace necesaria la implementación de ayudas al diagnóstico precoz, que permitan detectar la presencia de tumores en fases tempranas en las que se puede actuar exitosamente. El glioblastoma es el tipo de tumor cerebral primario con mayor malignidad, dada su alta capacidad de invasión del tejido cerebral y su alto ratio de proliferación. Por otro lado, la metástasis cerebral es un tipo de tumor secundario que proviene de la diseminación de otro foco tumoral, normalmente cáncer de pulmón, piel, colon, riñón o mama. Aunque la mayor parte de tumores cerebrales malignos se corresponde con metástasis cerebral, es necesario diferenciarlo del glioblastoma, puesto que cada uno de ellos requerirá abordajes terapéuticos distintos. A priori, con la simple observación de imágenes de resonancia magnética, no siempre es posible conocer bien la tipología y extensión de dichos tipos tumorales, ni siquiera acompañada de otras pruebas complementarias de imagen. Por lo que en caso de que el radiólogo especialista detecte una zona anormal en la imagen y exista alguna duda en cuanto al diagnóstico se refiere, será necesario recurrir a técnicas invasivas como la biopsia para dar un diagnóstico más fiable y preciso. Con el análisis de texturas a partir de imágenes de resonancia magnética se pretende obtener mayor cantidad de información contenida en las imágenes que no es visible al ojo humano, de forma que los especialistas sean capaces de establecer un diagnostico fiable sin la necesidad de recurrir a técnicas invasivas y de elevada peligrosidad para el paciente. El objetivo del presente Trabajo Final de Grado será, por un lado, el desarrollo de una herramienta de segmentación manual de lesiones cerebrales en imágenes de resonancia magnética, a partir de la cual se realizará un análisis de texturas en 2D de las lesiones segmentadas. Y, por otro lado, la obtención de variables estadísticamente significativas a modo de biomarcadores que puedan ser utilizados para la diferenciación entre glioblastoma y metástasis cerebral. Para la creación de la herramienta de segmentación se ha empleado el software MATLAB. Para el análisis de texturas se ha utilizado la toolbox Radiomics de Matlab. Las imágenes empleadas para la realización de este trabajo pertenecen a 50 pacientes del Hospital la Ribera de Alzira, 25 de los cuales presentan glioblastoma y los restantes 25 metástasis cerebral. Para cada uno de ellos se obtienen un total de 43 variables de textura, resultando 14 de ellas estadísticamente significativas para la diferenciación entre un tipo y otro de lesión, por lo que se podría decir que las técnicas basadas en el análisis de texturas resultan muy interesantes a la hora de hallar diferencias significativas entre glioblastoma y metástasis cerebral.

[CA] Donada la creixent preocupació en el que al càncer es referix hui en dia, es fa necessària la implementació d'ajudes al diagnòstic precoç, que permeten detectar la presència de tumors en fases primerenques en què es pot actuar satisfactòriament. El glioblastoma és el tipus de tumor cerebral primari amb major malignitat, donada la seua alta capacitat d'invasió del teixit cerebral i la seua alta ràtio de proliferació. D'altra banda, la metàstasi cerebral és un tipus de tumor secundari que prové de la disseminació d'un altre focus tumoral, normalment càncer de pulmó, pell, còlon, renyó o pit. Encara que la major part de tumors cerebrals malignes es correspon amb metàstasi cerebral, és necessari diferenciar-ho del glioblastoma, ja que cada un d'ells requerirà abordatges terapèutics distints. A priori, amb la simple observació d'imatges de ressonància magnètica, no sempre és possible conèixer bé la tipologia i extensió dels dits tipus tumorals, ni tan sols acompanyada d'altres proves complementàries d'imatge. Pel que en el cas que el radiòleg especialista detecte una zona anormal en la imatge i existisca algun dubte quant al diagnòstic es referix, serà necessari recórrer a tècniques invasives com la biòpsia per a donar un diagnòstic més fiable i precís. Amb l'anàlisi de textures a partir d'imatges de ressonància magnètica es pretén obtindre major quantitat d'informació continguda en les imatges que no és visible a l'ull humà, de manera que els especialistes siguen capaços d'establir un diagnòstic fiable sense la necessitat de recórrer a tècniques invasives i d'elevada perillositat per al pacient. L'objectiu del present Treball Final de Grau serà, d'una banda, el desenvolupament d'una ferramenta de segmentació manual de lesions cerebrals en imatges de ressonància magnètica, a partir de la qual es realitzarà una anàlisi de textures en 2D de les lesions segmentades. I, d'altra banda, l'obtenció de variables estadísticament significatives com a biomarcadors que puguen ser utilitzats per a la diferenciació entre glioblastoma i metàstasi cerebral. Per a la creació de la ferramenta de segmentació s'ha empleat el programari MATLAB. Per a l'anàlisi de textures s'ha utilitzat la toolbox Radiomics de Matlab. Les imatges empleades per a la realització d'este treball pertanyen a 50 pacients de l'Hospital La Ribera d'Alzira, 25 dels quals presenten glioblastoma i els restants 25 metàstasi cerebral. Per a cadascun d'ells s'obtenen un total de 43 variables de textura, resultant 14 d'elles estadísticament significatives per a la diferenciació entre un tipus i un altre de lesió, per la qual cosa es podria dir que les tècniques basades en l'anàlisi de textures resulten molt interessants a l'hora de trobar diferències significatives entre glioblastoma i metàstasi cerebral.

[EN] Nowadays, due to the growing concern about cancer, it is necessary the improvement of diagnostic aids, to detect the presence of a tumour mass in early phases of the disease. The glioma is the most aggressive type of brain tumour, due to its high capacity of growth and invasion of other tissues. Brain metastasis is a secondary type of brain tumour, it comes from another tumour located in a different tissue of the body, normally lung, breast, colon, kidney or skin cancer. In spite of the majority of malignant brain tumours are metastasis, it is necessary to differentiate this from glioma, because of each one requires different therapeutic approaches. In some cases, the diagnosis by means of magnetic resonance imaging is not sufficient to know the type and extension of the tumour, even using other types of medical images. So, if the radiologist sees something unusual in the MR image, and the diagnostic it is not clear, it will be necessary to make an invasive test like a biopsy. Texture analysis techniques applied to magnetic resonance images aim to obtain more information, that it is contained in the images. So, the specialist shall be capable of stablish a correct diagnostic without the necessity of using more invasive techniques, which are so dangerous. On the one hand, the objective of this final degree project, shall be the development of a brain injury segmentation tool for magnetic resonance images, then it will be performed a 2D texture analysis of the brain injuries segmented before. On the other hand, it shall be obtained significant statistical features, like biomarkers, which could be used for the differentiation between glioblastoma and brain metastasis tumours. For the creation of the segmentation tool it shall be used the software Matlab. For the texture analysis it shall be used the Radiomics toolbox from Matlab. The images used in this project were taken form 50 patients from “Hospital la Ribera” in Alzira (Valencia), 25 of them are patients with glioblastoma, and the other 25 are diagnosed with brain metastases. For each one, 43 textural features are obtained, 14 of them are statistically significant for the differentiation between the two groups, so the techniques based on texture analysis are very interest to find significant differences between glioblastoma and brain metastases.