Deep Learning Reconstruction Combined with Ultra-Low Pitch Scanning: A Synergistic Strategy for Helical Artifact Suppression in Low-Dose Abdominal CT

La imagenología médica ha enfrentado durante mucho tiempo un difícil acto de equilibrio. Para ver el interior del cuerpo humano con claridad, los médicos dependen de las radiografías que atraviesan los tejidos para crear una imagen. Cuanto más clara es la imagen, más fácil resulta detectar problemas como tumores o inflamación. Sin embargo, obtener una imagen nítida a menudo requiere una dosis de radiación más alta, lo que conlleva sus propios riesgos, especialmente para los pacientes que necesitan chequeos frecuentes. Por el contrario, reducir la dosis de radiación para mantener la seguridad del paciente suele dar lugar a imágenes granulosas y con ruido donde los detalles finos se desdibujan. En el abdomen, este problema se ve agravado por la forma en que se mueve el escáner. A medida que la máquina gira alrededor del paciente, se desplaza en espiral hacia adelante para capturar todo el cuerpo. Si esta espiral es demasiado amplia o rápida, aparecen huecos en los datos, creando rayas y distorsiones conocidas como artefactos helicoidales. Estas rayas pueden ocultar las delicadas paredes de los intestinos, dificultando el diagnóstico de afecciones como la enfermedad de Crohn o las obstrucciones intestinales. Durante décadas, los radiólogos han tenido que elegir entre un escaneo rápido y de baja dosis con mala calidad de imagen, o un escaneo lento y de alta calidad que expone al paciente a más radiación.

Un equipo de investigadores del Hospital General Internacional Guiqian en China se propuso romper este compromiso. Probaron un nuevo enfoque que combina dos tecnologías específicas para ver si podían trabajar juntas para resolver el problema. La primera parte de su estrategia consiste en ralentizar el movimiento de la espiral del escáner a una velocidad "ultra baja". Al mover el escáner más lentamente, captura una cantidad de datos mucho más densa, llenando los huecos que normalmente causan esas rayas que distraen. La segunda parte de la estrategia utiliza un programa informático moderno basado en el aprendizaje profundo (deep learning). A diferencia de los programas informáticos antiguos que simplemente suavizan las imágenes granulosas, este nuevo programa ha sido entrenado con miles de imágenes médicas reales. Aprende a reconocer la diferencia entre el ruido aleatorio, los artefactos no deseados y la anatomía real del cuerpo. Los investigadores querían saber si el uso de esta velocidad de escaneo lenta junto con el inteligente programa informático podría producir una imagen clara y de baja radiación del abdomen que fuera mejor de lo que es posible actualmente.

Para encontrar la respuesta, los investigadores inscribieron a 90 pacientes que necesitaban tomografías computarizadas (TC) abdominales por razones médicas. Dividieron a estos pacientes en tres grupos para comparar diferentes métodos de escaneo. Un grupo recibió un escaneo estándar utilizando una velocidad convencional y un método de procesamiento de imágenes tradicional. Un segundo grupo recibió un escaneo ligeramente más lento, también utilizando el método tradicional. El tercer grupo recibió el escaneo ultra lento, pero este grupo se dividió en dos: la mitad fue procesada con el método tradicional y la otra mitad con el nuevo programa informático de aprendizaje profundo. Los investigadores midieron todo, desde la cantidad de radiación que recibió cada paciente hasta la claridad de las imágenes finales. Observaron cuánto ruido había en las imágenes, qué tan bien mostraban las imágenes el contraste entre los diferentes tejidos y con qué frecuencia aparecían las rayas que distraen. Dos radiólogos experimentados, que no sabían a qué grupo pertenecía cada paciente, también calificaron las imágenes en una escala del uno al cinco basándose en qué tan fáciles eran de leer y qué tan claros eran los detalles.

Los resultados mostraron que la combinación del escaneo ultra lento y el programa de aprendizaje profundo fue el claro ganador. Este grupo específico recibió la menor cantidad de radiación de todos, con un promedio de 9.88 unidades, en comparación con las dosis más altas de los otros grupos. Más importante aún, las imágenes que produjeron fueron significativamente más claras. El programa de aprendizaje profundo eliminó con éxito el ruido granuloso que suele afectar a los escaneos de baja dosis, haciendo que las imágenes fueran mucho más nítidas. Los investigadores encontraron que el ruido en estas imágenes se redujo a menos de la mitad en comparación con los escaneos estándar. Las rayas y distorsiones que típicamente oscurecen las paredes intestinales también fueron drásticamente suprimidas. En los grupos que utilizaron las velocidades estándar o ligeramente más lentas, estos artefactos aparecieron en la mayoría de los escaneos, dificultando a menudo la interpretación de partes de la imagen. En cambio, el grupo con el escaneo ultra lento y el programa de aprendizaje profundo mostró estos artefactos en solo una pequeña fracción de los casos. Los radiólogos calificaron estas imágenes como excelentes, señalando que las paredes intestinales y las estructuras circundantes eran visibles con una claridad excepcional.

El estudio sugiere que este enfoque dual funciona atacando el problema desde dos lados. Primero, la velocidad de escaneo lenta evita que los artefactos se formen en primer lugar al asegurar que la máquina capture suficientes datos. Segundo, el programa de aprendizaje profundo limpia cualquier imperfección restante, distinguiendo entre las estructuras reales del cuerpo y el ruido digital. Esto permitió al equipo reducir la dosis de radiación significativamente sin sacrificar la calidad de la imagen. Los investigadores señalaron que este método es particularmente útil para pacientes que necesitan escaneos repetidos a lo largo del tiempo, como aquellos que monitorean enfermedades intestinales crónicas, porque minimiza la radiación total que reciben a lo largo de su vida. Sin embargo, también señalaron una limitación práctica: debido a que el escáner se mueve tan lentamente, el escaneo tarda más en completarse. El tiempo promedio para este escaneo ultra lento fue de casi nueve segundos, lo que es más del doble del tiempo de un escaneo estándar. Esto requiere que los pacientes contengan la respiración durante un periodo más largo, lo que puede ser difícil para aquellos que están muy enfermos, con dolor o que no pueden seguir las instrucciones de respiración.

A pesar del mayor tiempo de escaneo, los hallazgos ofrecen un camino prometedor hacia adelante para la imagenología abdominal. Los investigadores concluyeron que esta estrategia suprime eficazmente las rayas que suelen arruinar las imágenes de baja dosis, manteniendo al mismo tiempo la exposición a la radiación baja. Proporciona una manera de ver los detalles intrincados del tracto digestivo sin el compromiso habitual entre seguridad y claridad. Aunque el estudio se realizó en un solo hospital y se centró específicamente en los órganos huecos del abdomen, los resultados indican que este método podría convertirse en una forma estándar de realizar estos escaneos. Al combinar un ajuste simple en la velocidad del escáner con un procesamiento informático avanzado, los médicos pronto podrían proporcionar diagnósticos más seguros y claros para los pacientes que más los necesitan.