Estudio de biomarcadores en imágenes de resonancia magnética de rodilla para un diagnóstico temprano de la artrosis

Abstract

[ES] La artrosis de rodilla u osteoartritis (OA) es una patología de carácter crónico que se caracteriza por la progresiva degeneración del cartílago articular, causando dolor, rigidez y pérdida de funcionalidad. Con el aumento de la esperanza de vida, esta enfermedad se ha vuelto una de las más comunes, afectando principalmente a adultos mayores de 60 años, siendo la edad el principal factor de riesgo. En el contexto actual, las tecnologías de imagen médica desempeñan un papel fundamental en la práctica médica, tanto en el diagnóstico como el tratamiento de OA. No obstante, se evidencia una carencia generalizada en la interacción entre el ámbito del procesamiento de imágenes y la práctica clínica, debido a su carácter relativamente novedoso. Partiendo de estas premisas, con el presente Trabajo de Fin de Grado se plantea llevar a cabo un estudio que involucre un análisis de texturas a partir de imágenes de resonancia magnética, con el objetivo de desarrollar una metodología capaz de identificar biomarcadores característicos imperceptibles al ojo humano que posibiliten un diagnóstico precoz de la artrosis. Para el desarrollo del estudio se utilizará una base de datos que será proporcionada por la empresa ASCIRES Grupo Biomédico , con la cual se trabajará en colaboración. Esta base de datos incluirá evaluaciones periódicas de 275 pacientes con artrosis de rodilla de Cataluña y la Comunidad Valenciana, de la cual se empleará una muestra de 100 sujetos diagnosticados con artrosis de rodilla en los grados I a IV según la escala de Kellgren y Lawrence. En la base de datos proporcionada, cada paciente contará con imágenes de resonancia magnética (RM) ponderadas en T1 y T2, un cartigrama e imágenes multieco. Por una parte, se llevará a cabo un análisis de características a partir de los cartigramas considerando la ubicación en las distintas capas (profunda, intermedia y superficial). Por otra parte, se realizará una segmentación tridimensional delimitando las regiones de interés específicas (ROI) asociadas con la enfermedad. Para ello se utilizarán imágenes T2 de densidad protónica con saturación agua (Sag T2 DP Water). Posteriormente, mediante la aplicación de radiómica se extraerán parámetros de textura de estas áreas para el desarrollo de modelos predictivos, mediante técnicas de machine learning , con el fin de evaluar la capacidad de los modelos para la detección de artrosis.

[EN] Knee arthrosis or osteoarthritis (OA) is a chronic pathology characterised by progressive degeneration of the articular cartilage, causing pain, stiffness and loss of function. With increasing life expectancy, this disease has become one of the most common, affecting mainly adults over 60 years of age, with age being the main risk factor. In the current context, medical imaging technologies play a fundamental role in medical practice, both in the diagnosis and treatment of OA. However, there is a general lack of interaction between the field of image processing and clinical practice, due to its relatively novel nature. Based on these premises, this Final Degree Project proposes to carry out a study involving texture analysis from magnetic resonance images, with the aim of developing a methodology capable of identifying characteristic biomarkers imperceptible to the human eye that enable early diagnosis of osteoarthritis. For the development of the study, a database will be used that will be provided by the company ASCIRES Grupo Biomédico , with which we will work in collaboration. This database will include periodic evaluations of 275 patients with knee osteoarthritis from Catalonia and the Valencian Community, from which a sample of 100 subjects diagnosed with knee osteoarthritis grades I to IV according to the Kellgren and Lawrence scale will be used. In the database provided, each patient will have T1 and T2-weighted magnetic resonance images (MRI), a cartigram and multi-echo images. On the one hand, a feature analysis will be performed on the basis of the cartigrams considering the location in the different layers (deep, intermediate and superficial). On the other hand, a three-dimensional segmentation will be performed by delimiting the specific regions of interest (ROI) associated with the disease. For this purpose, proton density T2 images with water saturation (Sag T2 DP Water) will be used. Subsequently, through the application of radiomics, texture parameters of these areas will be extracted for the development of predictive models, using machine learning techniques, in order to assess the ability of the models for the detection of osteoarthritis.

[CA] L'artrosi de genoll o osteoartritis (OA) és una patologia de caràcter crònic que es caracteritza per la progressiva degeneració del cartílag articular, causant dolor, rigidesa i pèrdua de funcionalitat. Amb l'augment de l'esperança de vida, esta malaltia s'ha tornat una de les més comunes, afectant principalment adults majors de 60 anys, sent l'edat el principal factor de risc. En el context actual, les tecnologies d'imatge mèdica exerceixen un paper fonamental en la pràctica mèdica, tant en el diagnòstic com el tractament de OA. No obstant això, s'evidencia una manca generalitzada en la interacció entre l'àmbit del processament d'imatges i la pràctica clínica, a causa del seu caràcter relativament nou. Partint d'estes premisses, amb el present Treball de Fi de Grau s'ha dut a terme un estudi que involucra una anàlisi de textures a partir d'imatges de ressonància magnètica, amb l'objectiu de desenvolupar una metodologia capaç d'identificar biomarcadors característics imperceptibles a l'ull humà que possibiliten un diagnòstic precoç de l'artrosi. Per al desenvolupament de l'estudi s'ha utilitzat una base de dades proporcionada per l'empresa ASCIRES Grup Biomèdic, amb qui s'ha treballat en col·laboració. Esta base de dades inclou avaluacions periòdiques de 275 pacients amb artrosis de genoll de Catalunya i la Comunitat Valenciana, de la qual s'ha emprat una mostra de 100, dels quals 80 pacients han sigut diagnosticats amb artrosis de genoll en els graus I a IV conforme l'escala de Kellgren i Lawrence i els 20 restants són subjectes sans. De la base de dades proporcionada, per a este projecte s'han emprat imatges de ressonància magnètica (RM) ponderades en T2. D'una banda, fent servir imatges de la sèrie T2MAP en el pla axial, s'ha dut a terme una anàlisi de característiques derivades de temps de relaxació T2, a partir de cartigrames considerant la ubicació en les diferents capes (profunda, intermèdia i superficial), amb la finalitat de quantificar l'estat degeneratiu del cartílag femoropatel·lar en relació amb l'artrosi. D'altra banda, emprant imatges T2 de densitat protònica amb saturació aigua en el pla sagita (Sag T2 DP Water), s'ha realitzat una anàlisi de textures. Per a això, es va realitzar una segmentació tridimensional delimitant com a regions d'interés específiques (ROI) el cartílag femorotibial, en relació amb la OA.