A digital twin for microwave liver treatment replanning

Resumo Técnico: Um Gêmeo Digital para Replanejamento de Tratamento de Fígado por Micro-ondas

Declaração do Problema
A Ablação por Micro-ondas (MWA) é um tratamento minimamente invasivo líder para tumores hepáticos, oferecendo vantagens sobre outras modalidades térmicas, como tempos de tratamento mais curtos e menor suscetibilidade ao efeito de "dissipação de calor" (heat-sink) causado por vasos sanguíneos. No entanto, o sucesso do tratamento depende fortemente de um planejamento pré-operatório preciso e de uma colocação precisa da antena intraoperatória. Na prática clínica, fatores fisiológicos, como movimento respiratório, reposicionamento do paciente e deformação tecidual, tornam praticamente impossível posicionar a antena exatamente como planejado.

Quando ocorre um deslocamento, aderir estritamente ao plano original frequentemente resulta em ablação incompleta do tumor e potencial recorrência. Por outro lado, reposicionar a antena via reinsertão é demorado e carrega riscos significativos, incluindo a semeadura tumoral (disseminação de células cancerígenas ao longo do trajeto da agulha). O planejamento clínico atual depende de modelos geométricos fornecidos pelo fabricante que ignoram propriedades teciduais específicas do paciente, frequentemente superestimando as zonas de ablação. Há uma necessidade crítica de uma ferramenta de simulação específica do paciente capaz de replanejar intraoperatoriamente para corrigir deslocamentos sem exigir a reinsertão da antena.

Metodologia
Os autores propõem uma estrutura de "gêmeo digital" composta por dois componentes principais: um simulador de MWA de alta fidelidade e um algoritmo de otimização para replanejamento.

1. Modelo Computacional:

   • Física: O sistema resolve equações acopladas de propagação de micro-ondas e transferência de calor. A transferência de calor é modelada usando a equação bio térmica de Pennes, enquanto a propagação de micro-ondas é governada pelas equações de Maxwell no domínio da frequência.
   • Especificidade do Paciente: O modelo incorpora propriedades dielétricas e térmicas específicas do paciente derivadas de imagens pré-operatórias de TC e RM. Ele considera alterações teciduais dependentes da temperatura, incluindo coagulação, evaporação de água e desligamento da perfusão sanguínea ($\omega_b$).
   • Implementação Numérica: Um esquema de Método de Elementos Finitos (MEF) utilizando a biblioteca FEniCSx é empregado. Para equilibrar precisão e custo computacional, os autores utilizam uma abordagem fracamente acoplada, onde a propagação de micro-ondas é resolvida uma única vez, e a fonte de calor externa ($Q_{ext}$) é aproximada como uma função dependente da temperatura. Isso evita a necessidade de reresolver as equações de Maxwell a cada iteração térmica.
   • Caracterização da Antena: Como as geometrias internas da antena são proprietárias, o modelo estima as características da antena (por exemplo, dimensões do choke) otimizando o coeficiente de reflexão S11 contra geometrias externas conhecidas.
   • Validação: O modelo foi validado contra experimentos in vivo em suínos envolvendo três cenários de ablação: uma linha de base longe de grandes vasos, um próximo à veia hepática e um próximo a ambas as veias hepática e porta.

2. Otimizador de Replanejamento:

   • Objetivo: Corrigir o deslocamento da antena ajustando três parâmetros: potência de entrada ($P$), duração da ablação ($T$) e translação da antena ao longo de seu eixo ($\vec{t}$).
   • Algoritmo: Um Algoritmo Genético (AG) foi selecionado devido à natureza não linear do problema e à falta de informações de gradiente. A função objetivo minimiza uma soma ponderada do coeficiente de similaridade Dice inverso e a distância de Hausdorff no percentil 95 ($dH_{95}$) entre a zona de ablação simulada e a zona alvo.
   • Restrições: A otimização opera dentro de limites clínicos realistas: potência (20–150 W), duração (até 15 min) e translação ($\pm$5 cm).

Principais Resultados

• Precisão da Simulação: O simulador demonstrou alta precisão na previsão de zonas de ablação em comparação com a verdade fundamental de dados in vivo de suínos. Ele alcançou coeficientes de similaridade Dice de 0,82, 0,81 e 0,79 para os cenários de linha de base, veia hepática e veia porta/hepática, respectivamente. Esses resultados superaram significativamente os modelos geométricos do fabricante, que produziram pontuações Dice de 0,62, 0,66 e 0,58. O simulador também mostrou robustez contra o efeito de dissipação de calor, mantendo distâncias de Hausdorff baixas ($dH_{95} \approx 2$ mm) mesmo próximo a grandes vasos.
• Desempenho do Replanejamento: Em um cenário de replanejamento onde a antena foi deslocada artificialmente em 5 mm, o otimizador recuperou com sucesso parâmetros para corresponder à zona de ablação alvo. As simulações replanejadas alcançaram pontuações Dice de 0,83, 0,83 e 0,80, representando melhorias médias de 20,3%, 40,7% e 48,1% sobre os resultados de ablação iniciais (deslocados). O otimizador recuperou parâmetros de potência e translação com baixos erros relativos (por exemplo, <2,3% para potência em casos de linha de base), mesmo em ambientes vasculares complexos.

Significado e Alegações
O artigo afirma ser o primeiro trabalho a abordar o replanejamento intraoperatório da terapia de ablação térmica. Seu significado principal reside em demonstrar que a ablação completa do tumor pode ser alcançada sem reinsertão da antena, otimizando parâmetros específicos de ablação (potência, tempo e posição axial).

Os autores posicionam este trabalho como uma prova de conceito para uma ferramenta de apoio à decisão clínica. Embora reconheçam que o tempo computacional atual (50–95 minutos) impede o uso em tempo real sem aceleração adicional (por exemplo, via GPUs ou modelos substitutos), o estudo valida a viabilidade de usar gêmeos digitais específicos do paciente para corrigir desvios intraoperatórios inevitáveis. O trabalho sugere que tal ferramenta poderia prevenir ablações incompletas e evitar os riscos associados à semeadura tumoral, particularmente em casos complexos envolvendo grandes vasos onde os modelos de planejamento padrão falham.

Limitações
Os autores observam que a abordagem atual requer uma ablação de linha de base para calibrar o parâmetro de perfusão sanguínea ($\omega_0$), o que não é viável em um ambiente clínico sem intervenção prévia. Eles sugerem que trabalhos futuros poderiam integrar métodos para estimar a perfusão diretamente a partir de imagens de TC. Além disso, o modelo atual não leva em conta tecido tumoral heterogêneo, e a ferramenta de replanejamento ainda não foi testada em modelos tumorais reais.