Deep Learning Image Reconstruction Combined with SnapShot Freeze 2 Improves CCTA Image Quality in Patients with Atrial Fibrillation: A Retrospective Study

El corazón humano es una bomba implacable, latiendo aproximadamente una vez cada segundo para mantener la sangre fluyendo a través de una vasta red de arterias. Para los médicos, ver el interior de estos vasos con claridad es vital para diagnosticar bloqueos que podrían derivar en un ataque al corazón. Una de las herramientas más poderosas para esto es un tipo especializado de tomografía computarizada (TC), que utiliza rayos X para crear imágenes tridimensionales detalladas de las arterias coronarias. Sin embargo, obtener una imagen clara es difícil cuando el corazón se está moviendo. Si el corazón late demasiado rápido o de forma irregular, la imagen resultante puede verse borrosa, como una fotografía tomada de un niño corriendo sin una velocidad de obturación lo suficientemente rápida. Este problema se vuelve especialmente severo en pacientes con fibrilación auricular, una condición común donde las cámaras superiores del corazón tiemblan en lugar de latir con un ritmo constante. El ritmo irregular hace que el movimiento del corazón sea impredecible, convirtiendo a menudo un escaneo diagnóstico en un caos borroso que no puede utilizarse para tomar decisiones médicas.

Durante años, los científicos han intentado resolver esto desarrollando software que pueda "congelar" el movimiento del corazón después de que se toma el escaneo. Estos programas observan múltiples momentos del latido cardíaco y los ensamblan para crear una imagen más nítida. Más recientemente, se ha introducido un nuevo tipo de tecnología informática llamada aprendizaje profundo (deep learning) para ayudar a limpiar el ruido granulado que suele plagar estas imágenes. Aunque estudios previos han analizado estas herramientas por separado, un nuevo estudio de investigadores en Hainan, China, se propuso observar qué sucede cuando se utilizan juntas. Querían saber si la combinación de una herramienta de congelación de movimiento de segunda generación con un potente limpiador de aprendizaje profundo podría producir imágenes claras y utilizables para pacientes con fibrilación auricular, incluso cuando sus frecuencias cardíacas eran altas e irregulares.

Los investigadores se centraron en treinta pacientes que habían sido diagnosticados con fibrilación auricular y se sometieron a una angiografía por TC coronaria. Para asegurar una prueba justa, no administraron medicamentos a los pacientes para ralentizar sus corazones, permitiendo que los escaneos reflejaran el desafío del mundo real de un latido irregular. Las frecuencias cardíacas durante los escaneos oscilaron entre 60 y 160 latidos por minuto, con un promedio de 107 latidos por minuto, y el tiempo entre latidos varió significamente de persona a persona. Tras completarse los escaneos, el equipo tomó los datos brutos de cada paciente y reconstruyó las imágenes utilizando tres métodos diferentes. El primer método utilizó una técnica estándar de reducción de ruido combinada con la corrección de movimiento de primera generación, más antigua. El segundo método utilizó la misma reducción de ruido pero combinada con una corrección de movimiento de segunda generación más nueva, que tiene en cuenta el movimiento de todo el corazón y no solo de las arterias. El tercer método combinó esta nueva corrección de movimiento con la avanzada tecnología de aprendizaje profundo diseñada para eliminar el ruido manteniendo los detalles finos nítidos.

El equipo comparó entonces los resultados de estos tres enfoques, observando tanto los momentos tranquilos del latido cardíaco (diástole) como los momentos de contracción activa (sístole). Midieron la claridad de las imágenes comprobando cuánto "estática" o grano estaba presente y qué tan bien resaltaba el contraste entre los vasos sanguíneos y el tejido circundante. También contaron con dos radiólogos experimentados, que no sabían qué método había creado cada imagen, para calificar la calidad general de los escaneos en una escala del uno al cinco. Los resultados fueron impactantes. Las imágenes creadas con la tecnología de aprendizaje profundo y la corrección de movimiento más nueva mostraron consistentemente la menor cantidad de grano y los límites de los vasos más claros. En la fase de reposo del latido cardíaco, el nivel de ruido en el mejor grupo fue significativamente menor que en los otros grupos, cayendo de un promedio de unas 25 unidades en el grupo estándar a poco más de 11 unidades en el grupo de aprendizaje profundo. Esta reducción de ruido se tradujo directamente en una imagen mucho más clara, con la relación señal-ruido duplicándose en algunas áreas en comparación con los métodos más antiguos.

La mejora no fue solo una cuestión de números; los observadores humanos también lo notaron. Los radiólogos otorgaron las puntuaciones más altas a las imágenes reconstruidas con el aprendizaje profundo y la corrección de movimiento de segunda generación, particularmente durante la fase activa del latido cardíaco, cuando los artefactos de movimiento suelen ser peores. En la fase sistólica, la mediana de la puntuación para este grupo superior fue un cuatro perfecto, mientras que los otros métodos rondaban el tres. El acuerdo entre los dos médicos también fue más fuerte para estas imágenes, lo que sugiere que la mejora fue real y consistente, no solo una opinión de un médico. El estudio encontró que, si bien la corrección de movimiento más antigua era mejor que no hacer nada, no podía igualar la claridad lograda al combinarse con la herramienta de aprendizaje profundo. El enfoque de aprendizaje profundo no solo suavizó la imagen, sino que preservó los bordes afilados de las arterias, facilitando su trazado y medición.

Esta investigación sugiere que, para pacientes con latidos irregulares, la combinación de la corrección de movimiento avanzada y la reconstrucción de imágenes por aprendizaje profundo ofrece una ventaja significativa sobre las prácticas estándar actuales. El estudio indica que este enfoque puede reducir la granulosidad de la imagen y mitigar el desenfoque causado por el movimiento errático del corazón, convirtiendo potencialmente escaneos que serían ilegibles en imágenes de calidad diagnóstica. Aunque el estudio se limitó a un pequeño grupo de treinta pacientes y se llevó a cabo en un solo centro médico, los resultados apuntan hacia un camino prometedor. Al utilizar estas tecnologías combinadas, los médicos podrían depender menos de fármacos para ralentizar el corazón antes de un escaneo y más de software sofisticado para limpiar la imagen después, proporcionando una visión más clara de la salud del corazón para una población difícil de escanear.