Real-time Volumetric Imaging for Minimally-Invasive Thoracic Interventions: A Deformable Phantom Study
Este estudo demonstra que o VoxelMap, um framework de aprendizado profundo, pode gerar imagens volumétricas 3D precisas e em tempo real do movimento respiratório a partir de projeções fluoroscópicas 2D em um sistema de braço em C clínico usando fantasmas deformáveis, com a incerteza do modelo servindo como um indicador confiável da precisão da predição.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
Dentro do peito humano, os pulmões nunca estão parados. A cada respiração, eles se expandem e contraem, deslocando a posição de vasos sanguíneos, vias aéreas e quaisquer tumores ou instrumentos dentro deles. Para médicos que realizam procedimentos delicados, como biópsias ou tratamentos de tumores, esse movimento constante cria um problema difícil. Eles dependem da fluoroscopia de raios X, uma técnica que fornece um vídeo contínuo e em tempo real do interior do corpo, muito parecido com uma transmissão ao vivo. No entanto, este vídeo é apenas bidimensional, uma sombra plana que esconde a verdadeira profundidade tridimensional da anatomia. Para visualizar a forma completa e a localização das estruturas, os médicos devem interromper o procedimento para realizar um escaneamento tridimensional, como uma tomografia computadorizada de feixe cônico, ou CBCT. Mas esses escaneamentos são instantâneos; eles não se atualizam conforme o paciente respira, e a anatomia pode ter se movido no momento em que o médico os observa. Atualmente, não há uma maneira de obter uma visão tridimensional continuamente atualizada do peito enquanto o médico trabalha com equipamentos de raio X padrão.
Uma equipe de pesquisadores desenvolveu um novo método para preencher essa lacuna, usando inteligência artificial para reconstruir um volume tridimensional móvel a partir de imagens de raio X bidimensionais padrão. O trabalho deles, testado em modelos físicos de pulmões humanos, demonstra que é possível gerar um mapa tridimensional ao vivo da anatomia respiratória sem interromper o procedimento. O sistema, chamado VoxelMap, aprende a prever como o interior do peito se deforma a cada respiração, analisando as mudanças nas sombras do raio X. Se bem-sucedida, essa tecnologia poderá permitir que os médicos naveguem com instrumentos pelos pulmões com um guia tridimensional constantemente atualizado, melhorando a precisão e a segurança sem a necessidade de escaneamentos repetidos e pesados em radiação.
Os pesquisadores testaram este sistema usando dois modelos físicos diferentes, ou fantasmas, projetados para imitar o peito humano e seu movimento de respiração. O primeiro modelo, conhecido como PixelPrint4D, era um fantasma de pulmão único construído para reproduzir o pulmão de um paciente específico, completo com tumores e vasos sanguíneos simulados. O segundo, chamado Casper, era um modelo mais abrangente de todo o torso humano, incluindo costelas e uma parede torácica que se movia de forma realista. Ambos os modelos foram colocados dentro de uma máquina de raio X clínica, do tipo encontrada em salas de operação de hospitais, e programados para respirar através de um ciclo de dez fases distintas, da inspiração profunda à exalação total. A equipe utilizou a máquina para capturar milhares de imagens de raio X bidimensionais conforme os modelos se moviam. Eles então usaram essas imagens para treinar uma rede de aprendizado profundo, um tipo de inteligência artificial, para compreender a relação entre as sombras planas de raio X e a forma tridimensional subjacente dos pulmões.
Para garantir que o sistema pudesse lidar com a natureza imprevisível da respiração real, os pesquisadores treinaram a IA na maioria das fases de respiração, mas deliberadamente deixaram uma fase de fora dos dados de treinamento. Eles então pediram ao sistema que previsse a forma tridimensional dos pulmões durante essa fase ausente, usando apenas as imagens de raio X bidimensionais tiradas naquele momento. Eles compararam a previsão da IA com o escaneamento tridimensional real feito do fantasma no mesmo momento para ver quão próximo era o ajuste. Os resultados mostraram que o sistema poderia reconstruir com precisão a anatomia tridimensional. Em todos os testes, as imagens previstas coincidiram com os escaneamentos reais com um alto grau de similaridade, com o sistema apresentando um desempenho ainda melhor no modelo de torso mais complexo do que no modelo de pulmão único. A precisão foi tão alta que as imagens previstas eram quase indistinguíveis do "ground truth" (verdade fundamental) em termos de detalhes estruturais.
A velocidade era tão crítica quanto a precisão para que esta tecnologia fosse útil em um ambiente médico ao vivo. Os pesquisadores mediram quanto tempo o computador levava para processar uma única imagem de raio X e gerar o volume tridimensional correspondente. O sistema completou essa tarefa em menos de 15 milissegundos, uma velocidade rápida o suficiente para acompanhar o fluxo contínuo de imagens em um procedimento em tempo real. Isso significa que a visão tridimensional poderia, teoricamente, atualizar-se tão rápido quanto a máquina de raio X captura novos quadros, fornecendo um guia contínuo e fluido para o médico.
Além de simplesmente gerar a imagem, os pesquisadores queriam saber se o sistema poderia dizer ao médico quando ele poderia estar errado. Em aplicações médicas, é vital saber quando a previsão de um computador é confiável. Para testar isso, eles usaram uma técnica chamada "deep ensemble", onde cinco versões ligeiramente diferentes do modelo de IA trabalham juntas para fazer uma previsão. Ao observar o quanto esses cinco modelos discordavam entre si, o sistema podia calcular uma medida de incerteza. O estudo encontrou uma ligação clara entre essa incerteza e o erro real na previsão: quando os modelos discordavam mais, a previsão era menos precisa. Isso sugere que o sistema poderia fornecer um sinal de alerta integrado, alertando o médico para ser mais cauteloso quando a IA estiver menos confiante em sua reconstrução.
O estudo confirma que é possível derivar informações tridimensionais precisas e continuamente atualizadas a partir de projeções de raio X bidimensionais padrão em um ambiente clínico. O sistema funcionou de forma eficaz em dois modelos físicos muito diferentes do peito humano, mantendo alta precisão e velocidade. Embora o estudo tenha sido realizado em modelos físicos e não em pacientes humanos, ele estabelece uma prova de conceito crucial. Os pesquisadores observaram que trabalhos adicionais são necessários para testar o sistema com dados de pacientes reais e para garantir que ele possa lidar com toda a variabilidade da respiração e da anatomia humana. No entanto, os achados demonstram que a tecnologia está pronta para passar do laboratório para os ensaios clínicos, oferecendo um futuro potencial onde os médicos podem visualizar a paisagem tridimensional móvel e completa do peito sem nunca interromper o procedimento.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.