Método automático de análisis y segmentación de imágenes para la detección de nódulo pulmonares a partir de radiografías de tórax

Abstract

El cáncer de pulmón es una de las principales causas de muerte relacionada con cáncer, con más de un millón de casos al año en todo el mundo. La detección temprana de la enfermedad puede reducir la mortalidad de forma muy significativa, por lo que es necesario poder detectar pequeños nódulos tumorales que pueden evolucionar hacia tumores de pulmón. La radiografía de tórax es la técnica de imagen más habitual para evaluar el pulmón en la práctica clínica. Está indicada para la detección de varias enfermedades y es una prueba rápida, barata, no invasiva y muy accesible, con una exposición a la radiación muy baja. Sin embargo, no está exenta de problemas, ya que los nódulos pulmonares con frecuencia pasan desapercibidos, incluso para radiólogos especializados, y muchos se detectan retrospectivamente. Por otro lado, el volumen de trabajo de los servicios de radiología dificulta que todas las radiografías de tórax se estudien e informen por el personal más especializado, con lo que se hace necesario disponer de sistemas de ayuda al médico que faciliten el análisis automático de las radiografías. De esta forma, se podría realizar un cribado de las mismas, de forma que sólo lleguen al radiólogo aquellas que muestren cierta probabilidad de presentar nódulos. Las herramientas de detección por computador (computer-aided detection, CAD) se utilizan en múltiples escenarios clínicos de cribado por imagen (como en mamografía), donde se realizan estudios serializados a grupos poblacionales importantes. En la actualidad existen CADs de nódulo pulmonar, pero los resultados que muestran no son concluyentes y no está aún claro el beneficio que pueden aportar en términos de sensibilidad y especificidad para detectar la enfermedad de forma precoz. Esto origina que sea un tema actual de investigación, en el que caben nuevas aproximaciones, ya que a medida que la tecnología avanza se desarrollan nuevos algoritmos y posibilidades de aplicación. Generalmente, la manera de abordar el problema de la detección automática de estructuras anatómicas en imágenes médicas sigue un patrón similar. Básicamente, los pasos a seguir son los siguientes: ¿ Obtener las imágenes: se trata de imágenes en formato DICOM, un formato estandarizado para imágenes médicas. Están almacenadas en sistemas específicos denominados PACS (por sus siglas en inglés, Picture Archiving and Communication System). ¿ Leer las imágenes: actualmente las principales plataformas de desarrollo software disponen de librerías con funciones para leer estas imágenes (Matlab, Java, c++, etc.). ¿ Mejorar las imágenes: mediante la aplicación de los filtros de imagen más adecuados a la aplicación concreta. ¿ Segmentar las estructuras de interés: realizar una extracción virtual del órgano o tejido de interés, como los pulmones en el caso de este trabajo. ¿ Caracterizar las estructuras de interés: realizar las medidas o sub-segmentaciones necesarias para obtener información cuantitativa relevante para el diagnóstico, como la detección y segmentación de un nódulo pulmonar, si lo hubiera, descriptores de tamaño y forma y otra información medible que pueda ser de interés. ¿ Presentar los resultados en un informe estructurado. El objetivo de este proyecto es aplicar este flujo de trabajo, estudiar diferentes aproximaciones de tratamiento digital de la imagen que puedan solucionar el problema y proponer aquellas que tengan mayor posibilidad de éxito en base a los resultados. Para ello se dispondrá de un conjunto de imágenes médicas originales debidamente anonimizadas, Matlab como herramienta base para el manejo de las imágenes y apoyo por parte del Servicio de Radiología del Hospital Quirón Valencia.