Desarrollo de procedimientos automatizados de caracterización estructural de vértebras a partir de imágenes médicas: segmentado y análisis estructural

Abstract

[ES] En la actualidad, el cáncer es una de las principales causas tanto de mortalidad como de morbilidad a nivel mundial. Pese a la actual inversión en la investigación de la enfermedad con el propósito de erradicarla, son menos los recursos empleados en un aspecto esencial como es la mejora del tratamiento de las complicaciones relacionadas con el padecimiento de la enfermedad que habitualmente sufren los pacientes. Una de las principales complicaciones es la relativa a la debilitación de la estructura ósea provocada por el efecto de la metástasis ósea, siendo la columna vertebral uno de los órganos más afectados por esta enfermedad tumoral. La metástasis ósea, en un estado avanzado de la enfermedad, puede variar en gran medida la rigidez del tejido óseo afectado, llegando a provocar su fractura. Por otro lado, en los últimos años se han producido importantes avances en el ámbito de la medicina personalizada a través del empleo de imágenes médicas. Gracias a esto, ha surgido una nueva línea de estudio en torno al desarrollo de análisis estructurales personalizados a partir de vértebras previamente segmentadas de estas imágenes. De este modo, es posible aplicar esta línea de estudio con el propósito de mejorar el tratamiento de las complicaciones relacionadas con el sufrimiento de metástasis ósea. Para ello, se necesita en primer lugar establecer indicadores estructurales que permitan predecir la fractura del hueso afectado. Uno de los indicadores más prometedores y adecuados a las técnicas actuales de análisis consiste en la evaluación de los valores propios de la matriz de rigidez de la vértebra. Mediante el estudio de este parámetro en el presente trabajo, se ha comprobado que el indicador es sensible a la variación de la rigidez estructural producida por el desarrollo de un tumor en la vértebra. Este indicador permite diferenciar entre las variaciones producidas por tumores de carácter lítico, que disminuyen la rigidez de la vértebra, y tumores de carácter blástico, que provocan un aumento de la rigidez. Como se ha comentado, los análisis estructurales se realizan sobre vértebras segmentadas. Esta segmentación presenta cierto margen de mejora de cara a la automatización del proceso. Con el propósito de progresar en este aspecto, se ha realizado una prueba de concepto que ha mostrado que es posible desarrollar un procedimiento de segmentación automática de vértebras basado en el uso de técnicas Machine Learning entrenadas a partir de bases de datos de vértebras previamente segmentadas. De este modo, los resultados obtenidos muestran que mediante la combinación del procedimiento de segmentación desarrollado y el análisis de los valores propios de la matriz de rigidez es posible estudiar de manera personalizada y automatizada la influencia de la presencia de un tumor en la vértebra de un paciente, abriendo así la puerta a nuevos tratamientos basados en este indicador que permitan mejorar la situación actual de los pacientes de la enfermedad.

[EN] At present, cancer is one of the main causes of both mortality and morbidity worldwide. Despite the current investment in the investigation of the disease in order to eradicate it, fewer resources are used in an essential aspect, such as the treatment of complications related to the illness that patients usually suffer. One of the main complications is related to the weakening of the bone structure caused by the effect of bone metastasis, the spine being one of the organs most affected by this tumour disease. Bone metastasis, in an advanced stage of the disease, can greatly vary the stiffness of the affected bone tissue, leading to its fracture. On the other hand, in recent years there have been important advances in the field of personalized medicine through the use of medical images. Thanks to this, a new line of study has emerged around the development of personalized structural analysis from previously segmented vertebrae of these images. Thus, it is possible to apply this line of study in order to improve the treatment of complications related to suffering from bone metastasis. To achieve this, it is first necessary to establish structural indicators that allow predicting the fracture of the affected bone. One of the most promising indicators suitable for current analysis techniques is the evaluation of the eigenvalues of the stiffness matrix of the vertebrae. By studying this parameter in this project, it has been found that the indicator is sensitive to the variation in structural stiffness produced by the development of a tumour in the vertebrae. This indicator makes it possible to differentiate between the variations produced by lytic tumours, which decrease the stiffness of the vertebrae, and tumours of a blastic nature, which cause an increase in stiffness. As mentioned before, structural analysis are performed on segmented vertebrae. This segmentation presents some room for improvement in order to automate the process. With the purpose of progressing in this regard, a proof of concept has been performed that has shown that it is possible to develop an automatic vertebrae segmentation procedure based on the use of Machine Learning techniques trained on previously segmented vertebrae databases. In this way, the results obtained show that by combining the segmentation procedure developed and the analysis of the eigenvalues of the stiffness matrix, it is possible to study in a personalized and automated way the influence of the presence of a tumour on the vertebrae of a patient, thus opening the door to new treatments based on this indicator to improve the current situation of patients with the disease.

[CA] En l'actualitat, el càncer és una de les principals causes tant de mortalitat com de morbiditat a nivell mundial. Malgrat l'actual inversió en la investigació de la malaltia amb el propòsit d'erradicar-la, són menys els recursos emprats en un aspecte essencial com és el tractament de les complicacions relacionades amb la mateixa que habitualment pateixen els pacients. Una de les principals complicacions és la relativa a la debilitació de l'estructura òssia provocada per l'efecte de la metàstasi òssia, sent la columna vertebral un dels òrgans més afectats per aquesta malaltia tumoral. La metàstasi òssia, en un estat avançat de la malaltia, pot arribar a variar en gran manera la rigidesa del teixit ossi afectat, arribant a provocar la seua fractura. D'altra banda, en els últims anys s'han produït importants avanços en l'àmbit de la medicina personalitzada a través de l'ús d'imatges mèdiques. Gràcies a això, ha sorgit una nova línia d'estudi entorn del desenvolupament d'anàlisis estructurals personalitzats a partir de vèrtebres prèviament segmentades d'aquestes imatges. D'aquesta manera, és possible aplicar aquesta línia d'estudi amb el propòsit de millorar el tractament de les complicacions relacionades amb el sofriment de metàstasi òssia. Per a això, es necessita en primer lloc establir indicadors estructurals que permeten predir la fractura de l'os afectat. Un dels indicadors més prometedors i adequats a les tècniques actuals d'anàlisi consisteix en l'avaluació dels valors propis de la matriu de rigidesa de la vèrtebra. Mitjançant l'estudi d'aquest paràmetre en el present treball, s'ha comprovat que l'indicador és sensible a la variació de la rigidesa estructural produïda pel desenvolupament d'un tumor en la vèrtebra. Aquest indicador permet diferenciar entre les variacions produïdes per tumors de caràcter lític, que disminueixen la rigidesa de la vèrtebra, i tumors de caràcter blàstic, que provoquen un augment de la rigidesa. Com s'ha comentat, les anàlisis estructurals es realitzen sobre vèrtebres segmentades. Aquesta segmentació presenta cert marge de millora de cara a l'automatització del procés. Amb el propòsit de progressar en aquest aspecte, s'ha realitzat una prova de concepte que ha mostrat que és possible desenvolupar un procediment de segmentació automàtica de vèrtebres basat en l'ús de tècniques Machine Learning entrenades a partir de bases de dades de vèrtebres prèviament segmentades. D'aquesta manera, els resultats obtinguts mostren que mitjançant la combinació del procediment de segmentació desenvolupat i l'anàlisi dels valors propis de la matriu de rigidesa és possible estudiar de manera personalitzada i automatitzada la influència de la presència d'un tumor en la vèrtebra d'un pacient, obrint així la porta a nous tractaments basats en aquest indicador que permeten millorar la situació actual dels pacients de la malaltia.