Deep Learning Reconstruction for Low-Dose Dual-Energy CT Pulmonary Angiography: Optimization of Energy Levels and Assessment of Subsegmental Arteries

L'embolia polmonare, un'ostruzione nei vasi sanguigni dei polmoni, è un'emergenza medica che richiede una diagnosi rapida e precisa. L'attuale standard di riferimento per individuare queste ostruzioni è un tipo specializzato di scansione a raggi X chiamato angio-TC polmonare. Questa procedura prevede l'iniezione di un liquido colorante, noto come mezzo di contrasto, in una vena in modo che i vasi sanguigni si illuminino intensamente sullo scanner, permettendo ai medici di vedere se è presente un coagulo. Tuttavia, questo strumento salvavita comporta un costo. La radiazione necessaria per scattare le immagini può accumularsi nel corso della vita di un paziente, e il grande volume di colorante necessario può affaticare i reni, specialmente negli adulti più anziani o in coloro che presentano problemi di salute preesistenti. Per anni, i medici hanno cercato un modo per ottenere le stesse immagini chiare utilizzando meno radiazioni e meno colorante, un obiettivo spesso chiamato approccio "double-low" (doppio basso).

La sfida risiede nella fisica della scansione. Per far risaltare meglio il colorante rispetto al tessuto circostante, gli scienziati possono regolare lo scanner per utilizzare livelli di energia inferiori. Pensate a come si abbassa la luminosità di una torcia per far risaltare un colore specifico; in questo caso, l'energia inferiore fa apparire il colorante a base di iodio molto più luminoso. Ma c'è un trucco: abbassare l'energia rende anche l'immagine più granulosa e rumorosa, come l'interferenza su un vecchio televisore, il che può nascondere proprio i coaguli che i medici cercano di trovare. I metodi tradizionali per pulire questa granulosità spesso sfocano i dettagli fini, facendo apparire i piccoli vasi sanguigni sfuocati. Recentemente, un nuovo tipo di elaborazione computerizzata chiamato deep learning (apprendimento profondo) è emerso. A differenza dei metodi più vecchi che si limitano a levigare l'immagine, questa tecnologia impara da enormi quantità di dati di alta qualità per rimuovere il rumore mantenendo intatti i bordi nitidi dell'anatomia.

Un team di ricercatori dell'Ospedale Affiliato della Università Medica di Xuzhou si è proposto di testare se combinare queste impostazioni a bassa energia con questa nuova tecnologia di deep learning potesse risolvere il problema. Volevano vedere se potevano creare una scansione che utilizzasse significamente meno radiazioni e meno colorante, pur fornendo una visione cristallina dei vasi sanguigni più piccoli nei polmoni, dove i coaguli sono più pericolosi e difficili da vedere. Si sono concentrati sul loro studio su pazienti con sospetta embolia polmonare, scansionandoli con una macchina TC a doppia energia che può catturare dati a diversi livelli di energia simultaneamente.

I ricercatori hanno scansionato 39 pazienti utilizzando un protocollo progettato per essere delicato sul corpo, iniettando una quantità di colorante molto inferiore rispetto al solito — circa 26 millilitri in media — e mantenendo bassa la dose di radiazioni. Hanno poi ricostruito le immagini utilizzando varie impostazioni informatiche. Hanno testato diversi livelli di energia, che andavano da molto bassi a standard, e hanno applicato due diversi tipi di pulizia dell'immagine: un metodo statistico tradizionale e il nuovo metodo di ricostruzione tramite deep learning, che hanno testato a intensità media e alta. L'obiettivo era trovare la combinazione perfetta che potesse cancellare il rumore della scansione a bassa energia senza sfocare i dettagli delicati delle arterie periferiche polmonari.

I risultati hanno indicato un vincitore chiaro. Le migliori immagini sono derivate dall'uso del livello di energia più basso disponibile, 40 kiloelettronvolt, abbinato alla ricostruzione deep learning ad alta intensità. Questa specifica combinazione ha prodotto immagini in cui i vasi sanguigni erano incredibilmente luminosi e distinti, mentre la granulosità di fondo era quasi completamente scomparsa. Quando i ricercatori hanno misurato la chiarezza delle immagini, questo metodo ha superato l'approccio standard utilizzato oggi negli ospedali. Il metodo standard, che utilizza un livello di energia più elevato e una pulizia tradizionale, faticava a mostrare i vasi più piccoli con lo stesso livello di nitidezza. Al contrario, il nuovo metodo a bassa energia e deep learning rendeva le minuscole arterie subsegmentali chiare quanto il metodo standard, ma con un contrasto molto più elevato tra il sangue e il tessuto circostante.

Due radiologi esperti hanno esaminato le immagini senza sapere quale metodo fosse stato utilizzato per crearle. Hanno valutato la qualità del nuovo metodo come eccellente, assegnandogli il punteggio più alto possibile. Hanno riscontrato che le immagini erano abbastanza nitide da identificare con fiducia i coaguli anche nelle ramificazioni più distanti dell'apporto sanguigno polmonare. Fondamentalmente, non hanno riscontrato differenze nella qualità diagnostica tra il nuovo metodo a basso dosaggio e il tradizionale metodo ad alto dosaggio. Ciò significa che i medici potrebbero potenzialmente passare a questo nuovo protocollo e continuare a fare diagnosi accurate, ma con una riduzione significativa del carico imposto al paziente.

Lo studio ha anche evidenziato cosa non ha funzionato altrettanto bene. Quando i ricercatori hanno provato a utilizzare l'impostazione a bassa energia con il metodo di pulizia tradizionale, le immagini erano troppo rumorose per essere utili, confermando che la vecchia tecnologia non poteva gestire l'estrema chiarezza della scansione a bassa energia. Allo stesso modo, l'uso del metodo deep learning a intensità media non è stato efficace quanto la versione ad alta intensità. La ricerca suggerisce che l'algoritmo di deep learning ad alta intensità è essenziale per sbloccare i benefici della scansione a bassa energia.

Questo lavoro dimostra che è possibile ridurre drasticamente la quantità di radiazioni e di colorante che un paziente riceve senza sacrificare la capacità di vedere piccoli e pericolosi coaguli nei polmoni. Trovando il giusto equilibrio tra i livelli di energia e l'elaborazione computerizzata avanzata, i ricercatori hanno dimostrato che esiste una via verso scansioni più sicure e confortevoli per i pazienti. Sebbene lo studio sia stato condotto in un singolo centro e abbia coinvolto un tipo specifico di scanner, i risultati offrono un modello promettente su come gli ospedali potrebbero migliorare l'assistenza in futuro, garantendo che gli strumenti usati per salvare vite non causino involontariamente danni attraverso un'eccessiva esposizione.