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

A embolia pulmonar, um bloqueio nos vasos sanguíneos dos pulmões, é uma emergência médica que exige um diagnóstico rápido e preciso. O padrão ouro atual para encontrar esses bloqueios é um tipo especializado de exame de raio-X chamado angiotomografia computadorizada de artérias pulmonares. Este procedimento envolve a injeção de um corante líquido, conhecido como meio de contraste, em uma veia para que os vasos sanguíneos brilhem intensamente no scanner, permitindo que os médicos vejam se um coágulo está presente. No entanto, esta ferramenta vital tem um custo. A radiação necessária para tirar as imagens pode se acumular ao longo da vida de um paciente, e o grande volume de corante necessário pode sobrecarregar os rins, especialmente em adultos mais velhos ou pessoas com problemas de saúde preexistentes. Durante anos, os médicos buscaram uma maneira de obter as mesmas imagens claras usando menos radiação e menos corante, um objetivo frequentemente chamado de abordagem "double-low" (duplo-baixo).

O desafio reside na física do exame. Para fazer o corante se destacar mais claramente contra o tecido de fundo, os cientistas podem ajustar o scanner para usar níveis de energia mais baixos. Pense nisso como diminuir o brilho de uma lanterna para fazer uma cor específica saltar aos olhos; neste caso, a energia mais baixa faz o corante à base de iodo parecer muito mais brilhante. Mas há um porém: reduzir a energia também torna a imagem mais granulada e ruidosa, como a estática de uma televisão antiga, o que pode esconder justamente os coágulos que os médicos tentam encontrar. Os métodos tradicionais para limpar essa granulação muitas vezes borram os detalhes finos, fazendo com que os pequenos vasos sanguíneos pareçam difusos. Recentemente, um novo tipo de processamento computacional chamado aprendizado profundo (deep learning) surgiu. Diferente dos métodos antigos, que simplesmente suavizam a imagem, essa tecnologia aprende com vastas quantidades de dados de alta qualidade para remover o ruído mantendo as bordas nítidas da anatomia intactas.

Uma equipe de pesquisadores do Hospital Afiliado da Universidade Médica de Xuzhou estabeleceu o objetivo de testar se a combinação desses ajustes de baixa energia com essa nova tecnologia de aprendizado profundo poderia resolver o problema. Eles queriam ver se poderiam criar um exame que utilizasse significativamente menos radiação e menos corante, mas que ainda fornecesse uma visão cristalina dos menores vasos sanguíneos nos pulmões, onde os coágulos são mais perigosos e difíceis de visualizar. Eles focaram seu estudo em pacientes com suspeita de embolia pulmonar, realizando o exame com uma máquina de TC de dupla energia, que pode capturar dados em diferentes níveis de energia simultaneamente.

Os pesquisadores examinaram 39 pacientes utilizando um protocolo projetado para ser suave para o corpo, injetando uma quantidade de corante muito menor do que o habitual — cerca de 26 mililitros em média — e mantendo a dose de radiação baixa. Em seguida, eles reconstruíram as imagens usando várias configurações de computador. Testaram diferentes níveis de energia, variando de muito baixo a padrão, e aplicaram dois tipos de limpeza de imagem: um método estatístico tradicional e o novo método de aprendizado profundo, que testaram em intensidades média e alta. O objetivo era encontrar a combinação perfeita que pudesse cancelar o ruído do exame de baixa energia sem borrar os detalhes delicados das artérias periféricas do pulmão.

Os resultados apontaram para um vencedor claro. As melhores imagens vieram do uso do nível de energia mais baixo disponível, 40 quiloeletron volts, combinado com a reconstrução de aprendizado profundo de alta intensidade. Essa combinação específica produziu imagens onde os vasos sanguíneos estavam incrivelmente brilhantes e distintos, enquanto o ruído de fundo estava quase completamente ausente. Quando os pesquisadores mediram a clareza das imagens, este método superou a abordagem padrão utilizada nos hospitais hoje em dia. O método padrão, que utiliza um nível de energia mais alto e limpeza tradicional, teve dificuldade em mostrar os menores vasos com o mesmo nível de nitidez. Em contraste, o novo método de baixa energia e aprendimento profundo tornou as pequenas artérias subsegmentares tão claras quanto o método padrão, mas com um contraste muito maior entre o sangue e o tecido circundante.

Dois radiologistas experientes revisaram as imagens sem saber qual método foi usado para criá-las. Eles classificaram a qualidade do novo método como excelente, atribuindo-lhe a pontuação mais alta possível. Eles constataram que as imagens eram nítidas o suficiente para identificar coágulos com confiança mesmo nos ramos mais distantes do suprimento sanguíneo do pulmão. Crucialmente, eles não encontraram diferença na qualidade diagnóstica entre o novo método de baixa dose e o método tradicional de dose mais alta. Isso significa que os médicos poderiam potencialmente mudar para este novo protocolo e ainda assim realizar diagnios precisos, mas com uma redução significativa no ônus imposto ao paciente.

O estudo também destacou o que não funcionou tão bem. Quando os pesquisadores tentaram usar o ajuste de baixa energia com o método de limpeza tradicional, as imagens ficaram muito ruidosas para serem úteis, confirmando que a tecnologia antiga não conseguia lidar com a extrema clareza do exame de baixa energia. Da mesma forma, usar o método de aprendizado profundo em intensidade média não foi tão eficaz quanto a versão de alta intensidade. A pesquisa sugere que o algoritmo de aprendizado profundo de alta intensidade é essencial para desbloquear os benefícios do escaneamento de baixa energia.

Este trabalho demonstra que é possível reduzir drasticamente a quantidade de radiação e de corante que um paciente recebe sem sacrificar a capacidade de visualizar pequenos e perigosos coágulos nos pulmões. Ao encontrar o equilíbrio certo entre níveis de energia e processamento computacional avançado, os pesquisadores mostraram um caminho para exames mais seguros e confortáveis para os pacientes. Embora o estudo tenha sido realizado em um único centro e envolva um tipo específico de scanner, as descobertas oferecem um modelo promissor de como os hospitais podem melhorar o atendimento no futuro, garantindo que as ferramentas usadas para salvar vidas não causem danos inadvertidos por meio de exposição excessiva.