A digital twin for microwave liver treatment replanning

Resumen Técnico: Un Gemelo Digital para la Replanificación del Tratamiento de Hígado por Microondas

Enunciado del Problema
La Ablación por Microondas (MWA) es un tratamiento mínimamente invasivo líder para tumores hepáticos, ofreciendo ventajas sobre otras modalidades térmicas, como tiempos de tratamiento más cortos y una menor susceptibilidad al efecto de "sumidero de calor" causado por los vasos sanguíneos. Sin embargo, el éxito del tratamiento depende en gran medida de una planificación preoperatoria precisa y de una colocación exacta de la antena durante la intervención. En la práctica clínica, factores fisiológicos como el movimiento respiratorio, el reposicionamiento del paciente y la deformación de los tejidos hacen que sea prácticamente imposible colocar la antena exactamente según lo planificado.

Cuando se produce un desplazamiento, adherirse estrictamente al plan original a menudo resulta en una ablación tumoral incompleta y una posible recurrencia. Por el contrario, reposicionar la antena mediante reinserción es un proceso que consume tiempo y conlleva riesgos significativos, incluida la siembra tumoral (la propagación de células cancerosas a lo largo de la trayectoria de la aguja). La planificación clínica actual se basa en modelos geométricos proporcionados por el fabricante que ignoran las propiedades de los tejidos específicas del paciente, lo que a menudo lleva a una sobreestimación de las zonas de ablación. Existe una necesidad crítica de una herramienta de simulación específica para el paciente capaz de realizar replanificación intraoperatoria para corregir desplazamientos sin requerir la reinserción de la antena.

Metodología
Los autores proponen un marco de trabajo de "gemelo digital" que comprende dos componentes principales: un simulador de MWA de alta fidelidad y un algoritmo de optimización para la replanificación.

1. Modelo Computacional:

   • Física: El sistema resuelve ecuaciones acopladas de propagación de microondas y transferencia de calor. La transferencia de calor se modela utilizando la ecuación biotérmica de Pennes, mientras que la propagación de microondas está gobernada por las ecuaciones de Maxwell en el dominio de la frecuencia.
   • Especificidad del Paciente: El modelo incorpora propiedades dieléctricas y térmicas específicas del paciente derivadas de imágenes preoperatorias de TC y RM. Tiene en cuenta cambios en los tejidos dependientes de la temperatura, incluida la coagulación, la evaporación del agua y la interrupción de la perfusión sanguínea ($\omega_b$).
   • Implementación Numérica: Se emplea un esquema del Método de Elementos Finitos (MEF) utilizando la biblioteca FEniCSx. Para equilibrar la precisión y el costo computacional, los autores utilizan un enfoque débilmente acoplado donde la propagación de microondas se resuelve una sola vez, y la fuente de calor externa ($Q_{ext}$) se aproxima como una función dependiente de la temperatura. Esto evita la necesidad de volver a resolver las ecuaciones de Maxwell en cada iteración térmica.
   • Caracterización de la Antena: Dado que las geometrías internas de las antenas son propietarias, el modelo estima las características de la antena (por ejemplo, dimensiones del choke) optimizando el coeficiente de reflexión S11 frente a geometrías externas conocidas.
   • Validación: El modelo se validó frente a experimentos in vivo con cerdos que involucraron tres escenarios de ablación: una línea base lejos de grandes vasos, uno cerca de la vena hepática y otro cerca de ambas venas hepática y portal.

2. Optimizador de Replanificación:

   • Objetivo: Corregir el desplazamiento de la antena ajustando tres parámetros: potencia de entrada ($P$), duración de la ablación ($T$) y traslación de la antena a lo largo de su eje ($\vec{t}$).
   • Algoritmo: Se seleccionó un Algoritmo Genético (AG) debido a la naturaleza no lineal del problema y la falta de información de gradiente. La función objetivo minimiza una suma ponderada del coeficiente de similitud Dice inverso y la distancia de Hausdorff del percentil 95 ($dH_{95}$) entre la zona de ablación simulada y la zona objetivo.
   • Restricciones: La optimización opera dentro de límites clínicos realistas: potencia (20–150 W), duración (hasta 15 min) y traslación ($\pm$5 cm).

Resultados Clave

• Precisión de la Simulación: El simulador demostró una alta precisión en la predicción de las zonas de ablación en comparación con la verdad fundamental de los datos in vivo de cerdos. Logró coeficientes de similitud Dice de 0.82, 0.81 y 0.79 para los escenarios de línea base, vena hepática y vena portal/hepática, respectivamente. Estos resultados superaron significativamente a los modelos geométricos del fabricante, que arrojaron puntuaciones Dice de 0.62, 0.66 y 0.58. El simulador también mostró robustez frente al efecto de sumidero de calor, manteniendo distancias de Hausdorff bajas ($dH_{95} \approx 2$ mm) incluso cerca de grandes vasos.
• Rendimiento de la Replanificación: En un escenario de replanificación donde la antena se desplazó artificialmente 5 mm, el optimizador recuperó con éxito los parámetros para igualar la zona de ablación objetivo. Las simulaciones replanificadas lograron puntuaciones Dice de 0.83, 0.83 y 0.80, representando mejoras promedio del 20.3%, 40.7% y 48.1% sobre los resultados iniciales de ablación (desplazados). El optimizador recuperó los parámetros de potencia y traslación con errores relativos bajos (por ejemplo, <2.3% para la potencia en casos de línea base), incluso en entornos vasculares complejos.

Significado y Afirmaciones
El artículo afirma ser el primer trabajo que aborda la replanificación intraoperatoria de la terapia de ablación térmica. Su principal significado radica en demostrar que se puede lograr una ablación tumoral completa sin reinserción de la antena mediante la optimización de parámetros específicos de ablación (potencia, tiempo y posición axial).

Los autores posicionan este trabajo como una prueba de concepto para una herramienta de apoyo a la decisión clínica. Si bien reconocen que el tiempo computacional actual (50–95 minutos) impide su uso en tiempo real sin una mayor aceleración (por ejemplo, mediante GPUs o modelos sustitutos), el estudio valida la viabilidad de utilizar gemelos digitales específicos del paciente para corregir las desviaciones intraoperatorias inevitables. El trabajo sugiere que una herramienta de este tipo podría prevenir ablaciones incompletas y evitar los riesgos asociados con la siembra tumoral, particularmente en casos complejos que involucran grandes vasos donde los modelos de planificación estándar fallan.

Limitaciones
Los autores señalan que el enfoque actual requiere una ablación de línea base para calibrar el parámetro de perfusión sanguínea ($\omega_0$), lo cual no es factible en un entorno clínico sin una intervención previa. Sugieren que el trabajo futuro podría integrar métodos para estimar la perfusión directamente a partir de imágenes de TC. Además, el modelo actual no tiene en cuenta el tejido tumoral heterogéneo, y la herramienta de replanificación aún no ha sido probada en modelos tumorales reales.