A Novel Differential Pathlength Factor Model for Near-Infrared Diffuse Optical Imaging

Resumen Técnico: Un nuevo modelo de factor de longitud de trayectoria diferencial para la imagenología óptica difusa en el infrarrojo cercano

Planteamiento del problema
La imagenología óptica difusa en el infrarrojo cercano (NIR) de onda continua (CW) es una modalidad ampliamente utilizada y rentable para monitorear la oxigenación tisular y la hemodinámica. Sin embargo, su precisión cuantitativa depende fuertmente de la Ley de Beer–Lambert Modificada (MBLL), la cual requiere un Factor de Longitud de Trayectoria Diferencial (DPF) preciso para convertir la atenuación óptica medida en concentraciones de cromóforos. Las definiciones actuales de DPF sufren de limitaciones dependientes de su formulación que introducen errores significativos, particularmente en el modo de reflectancia a separaciones fuente-detector pequeñas.

Los enfoques actuales incluyen:

1. DPF de longitud de trayectoria media: Definido como la relación entre la longitud de trayectoria media de los fotones y la separación fuente-detector. Este ignora la estadística de fotones ponderada por absorción, lo que conduce a una sobreestimación en tejidos altamente absorbentes.
2. DPF basado en la pendiente: Definido como la pendiente de los cambios en la densidad óptica con respecto al coeficiente de absorción. Aunque tiene fundamentos teóricos, sigue centrándose en trayectorias promedio en lugar del objetivo específico de la estimación de la concentración.
3. DPF constante/semi-infinito: A menudo aproximado como un valor constante para separaciones mayores a 2.5 cm basándose en la teoría de difusión asintótica. Esta suposición ignora la dependencia de la distancia del DPF y la variabilidad de las propiedades ópticas del tejido, lo que frecuentemente resulta en errores de estimación que superan el 100% en escenarios prácticos.

Estas imprecisiones limitan la aplicabilidad de la imagenología CW-NIR en situaciones que requieren detección de gran área o donde la profundidad de la señal varía, ya que los errores son más pronunciados en las separaciones más cortas donde la intensidad de la señal es mayor.

Metodología
Los autores emplearon un enfoque dual combinando simulaciones computacionales y experimentos físicos para evaluar los modelos existentes y proponer nuevos.

• Marco Computacional: Se realizaron simulaciones de transporte de fotones de Monte Carlo utilizando MCmatlab en una geometría de bloque de tejido homogéneo (29 × 29 × 5 cm³). El estudio abarcó un amplio rango de propiedades ópticas: coeficientes de absorción ($\mu_a$) de 0 a 0.5 cm⁻¹ y coeficientes de dispersión ($\mu_s$) de 0 a 500 cm⁻¹. Para cada condición, se calculó la densidad óptica "real" y se aplicaron seis formulaciones diferentes de DPF para estimar el coeficiente de absorción. El error relativo entre los coeficientes de absorción estimados y los reales se utilizó como la métrica principal de rendimiento.
• Validación Experimental: Se realizaron experimentos con fantomas controlados utilizando una configuración CW-NIR con un LED de 750 nm y un fotodiodo de silicio. Se fabricaron dos fantomas que imitan el tejido, homogéneos, utilizando una matriz de hidrogel de polímero superabsorbente dopada con Dióxido de Titanio (TiO₂) a concentraciones de 0.25 mg/mL y 1.00 mg/mL para crear regímenes de dispersión distintos. Las mediciones se tomaron en una geometría de reflectancia difusa con separaciones fuente-detector que oscilaron entre 1 cm y 8.5 cm.

Contribuciones Clave: Nuevos Modelos de DPF
El artículo introduce dos nuevos modelos de DPF derivados de los datos de simulación:

1. DPF Real ($DPF_{true}$): Definido directamente desde la MBLL mediante el reordenamiento de la ecuación para resolver el DPF utilizando el coeficiente de absorción real conocido y la densidad óptica simulada. Este modelo sirve como el estándar de oro teórico, capturando la naturaleza estadística completa del transporte de fotones, incluyendo la ponderación exponencial por absorción.
2. DPF de Distancia Inversa ($DPF_{inv}$): Un modelo analítico práctico propuesto para aproximar el DPF Real. Basándose en la observación de que la densidad óptica puede modelarse con precisión como una combinación lineal de la separación fuente-detector ($d$) y $\log_{10}(d)$ con un intercepto no nulo, los autores derivaron la siguiente formulación:
   $$DPF_{inv}(d) = A + \frac{B}{d} + \frac{C\log_{10}(d)}{d}$$
   donde $A$, $B$ y $C$ son coeficientes de regresión que dependen de las propiedades de absorción y dispersión del tejido. Los autores proporcionaron además relaciones empíricas para estos coeficientes como funciones de $\mu_a$ y $\mu_s$, lo que permite una implementación plenamente empírica sin requerir nuevas simulaciones para cada medición.

Resultos

• Desempeño de la Simulación: El DPF Real produjo un error insignificante en todas las condiciones probadas. El DPF de Distancia Inversa propuesto logró errores relativos inferiores al 10% en la mayor parte del espacio de propiedades ópticas y el rango de separación. En contraste, los modelos convencionales (Constante, Longitud de trayectoria media, Basado en la pendiente y Semi-infinito) produjeron consistentemente errores superiores al 100%, particularmente en separaciones fuente-detector por debajo de 8 cm.
• Validación Experimental: Los experimentos con fantomas confirmaron las tendencias de la simulación. Las mediciones de densidad óptica coincidieron con las predicciones de Monte Carlo, validando la configuración. Al estimar los coeficientes de absorción a partir de los datos experimentales, los modelos Real e Inverso de la Distancia mantuvieron errores relativos por debajo del 20% en todas las separaciones medidas. Por el contrario, los modelos convencionales exhibieron errores que frecuentemente superaban el 100%, especialmente en las separaciones más cortas.
• Comportamiento de los Parámetros: Se encontró que los coeficientes ($A, B, C$) del modelo de Distancia Inversa varían de forma suave y predecible con las propiedades ópticas, lo que permite una calibración empírica robusta.

Significancia y Reivindicaciones
El artículo sostiene que el modelo de DPF de Distancia Inversa ofrece un equilibrio óptimo entre el rigor físico y la eficiencia computacional. Al alejarse de la suposición de un DPF constante o de simples relaciones de longitud de trayectoria media, el nuevo modelo mejora significamente la precisión cuantitativa de la imagenología CW-NIR, particularmente en los regímenes de separación corta donde los modelos convencionales fallan.

Los autores enfatizan que, si bien el DPF Real representa el límite teórico de precisión, el DPF de Distancia Inversa es una alternativa práctica adecuada para aplicaciones clínicas y de investigación rutinarias. El estudio demuestra que el modelado preciso del DPF es crítico para una estimación confiable de la concentración de cromóforos, especialmente en el modo de reflectancia. Los hallazgos sugieren que la adopción de estos modelos refinados puede cerrar la brecha entre la simplicidad de los sistemas CW-NIR y el rigor cuantitativo requerido para aplicaciones funcionales y clínicas robustas. El artículo concluye modestamente, señalando que el trabajo futuro deberá abordar estructuras de tejido heterogéneas y extender estas estrategias de modelado a las modalidades de dominio temporal y de frecuencia.