A multimodal toolbox for dynamic PET and MR data analysis

Tese de mestrado integrado em Engenharia Biomédica e Biofísica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2016A imagiologia é a especialidade médica que permite a obtenção, de forma não invasiva, de imagens de diversos órgãos e sistemas, constituindo uma ferramenta indispensável na Medicina atual. A evolução das técnicas de imagiologia médica, bem como a diversidade de metodologias, têm permitido evidentes melhorias no diagnóstico e planeamento cirúrgico e terapêutico, para além da sua contribuição para a compreensão do corpo humano. Atualmente, as técnicas de medicina nuclear, das quais se destaca a tomografia por emissão de positrões (PET, acrónimo inglês de positron emission tomography), são as que apresentam maior especificidade e sensibilidade ao nível molecular, proporcionando a avaliação funcional e metabólica detalhada dos tecidos biológicos. Sendo uma técnica de imagiologia fundamentalmente dirigida para a obtenção de informação fisiológica de processos in vivo, através da marcação de moléculas biológicas intervenientes em determinados processos metabólicos com isótopos radioativos, apresenta limitações quanto à disponibilização de informação anatómica. Neste sentido, surgiu a necessidade de combinar as valências que a técnica de PET apresenta com outras modalidade de imagiologia que permitem um elevado detalhe anatómico, ou morfológico, como é o caso das imagens obtidas por tomografia computorizada (CT, acrónimo inglês de computed tomography) ou por ressonância magnética (MRI, acrónimo inglês de magnetic resonance imaging). Esta foi a razão que conduziu ao desenvolvimento de sistemas híbridos de imagiologia. Os sistemas de PET-CT foram os primeiros exemplares deste tipo de sistemas a serem desenvolvidos e introduzidos em prática clínica. Mais recentemente foram desenvolvidos os sistemas de PET-MRI, os quais vieram colmatar algumas limitações dos sistemas mencionados anteriormente. O facto de as técnicas de CT terem por base a utilização de radiação ionizante, assim como o reduzido contraste entre tecidos moles que as suas imagens apresentam, são algumas das desvantagens desta modalidade de imagem que impulsionaram a sua substituição pela técnica de MRI. Por sua vez, esta modalidade oferece imagens com elevado detalhe anatómico e, adicionalmente, permite a obtenção de informação funcional e estrutural, acrescentando valor às imagens moleculares de PET. De modo a permitir a fusão entre os sistemas de PET e de MRI, foi necessário o desenvolvimento de eletrónica não sensível a campos magnéticos, nomeadamente a utilização de fotodíodos de avalanche (APDs, acrónimo inglês de avalanche photodiodes), em oposição aos detetores convencionais. O scanner BrainPET foi o primeiro sistema de PET que permitiu a aquisição simultânea de imagens cerebrais de PET e de MRI. O sistema 3T MR-BrainPET instalado em Jülich (Forschungszentrum Jülich), desde 2008, é um dos sistemas de PET-MRI desenvolvidos pela Siemens Medical Solutions. Este resulta da combinação do referido sistema BrainPET com o scanner de MRI MAGNETOM Trio de 3 T. A introdução de sistemas híbridos de PET-MRI permitiu, assim, correlacionar temporal e espacialmente os dados adquiridos por PET e por MRI. A combinação de informação primordialmente anatómica proveniente de MRI com informação molecular de PET permite o estudo detalhado de, por exemplo, tumores cerebrais e de distúrbios neurodegenerativos, como a doença de Alzheimer ou a doença de Parkinson. No caso específico de imagens de tumores cerebrais (de gliomas, por exemplo), as quais foram objeto de estudo no presente trabalho, é comum a utilização de imagens de MRI de contraste dinâmico de suscetibilidade (DSC, acrónimo inglês de dynamic susceptibility contrast) que permitem a medição dos níveis de perfusão cerebral. Este tipo de modalidade de imagem de MRI requer a injeção de um agente de contraste paramagnético e a rápida aquisição do sinal de MRI durante a sua passagem pelos tecidos. Relativamente à aquisição de dados de PET, é comum a aplicação do radio-traçador [18F]-FET (O-(2-[18F]fluoroethyl)-L-tyrosine), o qual pertence ao grupo dos aminoácidos radioativamente marcados, neste caso, pelo isótopo 18F. Este radiotraçador de PET apresenta uma elevada distribuição da sua concentração nas regiões dos tumores, ao passo que a sua distribuição por células inflamatórias e no restante córtex cerebral é relativamente baixa. Deste modo, são alcançadas imagens com elevado contraste entre o tumor e os tecidos circundantes. Além disso, este radio-traçador permite efetuar o diagnóstico diferencial quanto ao grau dos tumores (de baixo grau, ou grau I, a alto grau, ou grau IV). A análise dinâmica (tetra-dimensional, 4D) de dados de PET e de MRI tem-se tornado cada vez mais relevante nas vertentes clínica e de investigação, em oposição à análise estática de dados. A análise dos dados adquiridos em função do tempo permite a extração de curvas de actividade-tempo (TAC, acrónimo inglês de time-activity curves), tratando-se de informação proveniente de imagens de PET, ou curvas de concentração-tempo (TCC, acrónimo inglês de time-concentration curves), no caso de aquisição de MRI em que são utilizados agentes de contraste que realçam determinadas características das imagens. Estas curvas permitem a avaliação da distribuição temporal e espacial, tanto do radio-traçador (no caso de PET) como do agente de contraste (MRI), pois é possível extrair uma curva de cada voxel da imagem (que chegam a ser milhares ou, até mesmo, dezenas de milhares). Neste trabalho foram realizadas diversas análises de dados provenientes de aquisições simultâneas de PET e de MRI de pacientes com tumores cerebrais (gliomas e meningiomas). As análises foram desenvolvidas com o intuito de extrair, voxel a voxel, diferentes parâmetros das curvas, como, por exemplo, o valor máximo de atividade ou concentração registado por curva, o tempo decorrido desde o instante da injeção do radio-traçador ou do agente de contraste até ser atingido o máximo de distribuição num determinado ponto (TTP, acrónimo inglês de time to peak), a área sob a curva (AUC, acrónimo inglês de area under the curve) ou o declive das porções ascendentes e/ou descendentes da curva (também designadas em inglês como wash-in e wash-out, respetivamente). E, assim, gerar imagens paramétricas que traduzem diferentes características dos dados dinâmicos de PET e de MRI. A utilização de imagens paramétricas tem-se verificado extremamente útil em prática clínica, uma vez que permitem a quantificação de determinados parâmetros que são relevantes no auxílio do diagnóstico de tumores. Um dos desafios encontrados no decorrer da análise dos dados de PET e de MRI foi a escolha de uma função matemática que se pudesse ajustar aos dados e que pudesse, assim, traduzir a realidade, facilitando a extração de parâmetros das curvas. Diversos modelos de ajuste a dados de perfusão têm sido propostos por alguns autores, como, por exemplo, a utilização de funções multi-exponenciais. Neste caso, a função de ajuste aos dados escolhida foi a gamma-variate function, visto ser a curva que, de acordo com a literatura, mais frequentemente é usada em estudos hemodinâmicos. O ajuste da função aos dados dinâmicos de PET revelou-se especialmente difícil devido à sua natureza ruidosa. Embora tenha sido aplicado um filtro aos dados de PET, o ruído presente nas imagens (que acaba por ser uma das desvantagens que esta modalidade de imagem médica apresenta) não permitiu a obtenção de todos os parâmetros propostos. Em última análise, pretendia-se, com este projeto, o desenvolvimento de uma ferramenta de análise conjunta de dados dinâmicos de PET e de MRI que permitisse a identificação de diferentes estruturas (e.g. tumores) e a geração de imagens paramétricas capazes de adicionar valor aos diagnósticos propostos pelos clínicos. O objetivo não foi inteiramente cumprido, pelas razões mencionadas anteriormente. Não obstante, os resultados relativos às imagens paramétricas obtidas tanto para PET, como para MRI, mostram as potencialidades deste tipo de análise de dados.Medical imaging techniques available in clinical practice provide important diagnostic information. The introduction of hybrid MR-PET scanners offers new perspectives to better correlate data from MR and PET with respect to the time and space domain. Here, each modality may provide different information for the clinicians. The aim of this project was to develop an image analysis tool that can be used to help identify different structures (e.g. vessels, tumour, non-tumour) from MR-PET data, as well as generate parametric images from different features extracted from dynamic data. For this purpose, dynamic [18F]-FET-PET data and dynamic susceptibility contrast (DSC)-MRI acquired based on EPI sequence were analysed. These dynamic data acquired from brain tumour patients are very useful in tumour assessment, as they provide functional information from the FET data and measurements of perfusion levels from the DSC-MRI, besides other anatomical information from MR data. For the dynamic analysis, motion correction was applied prior to image co-registration. Features from both PET and MR data were extracted, using Matlab, in order to produce parametric images of peak, time to peak (TTP), area under the curve (AUC) and washin. The parametric images obtained from the dynamic PET and MR show a good spatial registration, however the patterns are different. Furthermore, in the FET-PET parametric images an uptake area can be identified in the tumour region. One of the challenges found while doing a voxel-by-voxel analysis is the fitting of the contrasttime curves. For the EPI curves, a good fit of the observed data was achieved. However, for the FET concentration curves, no fitting was able to be applied to all image voxels. The main reason for these findings was due to the noisy nature of FET curves. The correct fitting of the data is important, as the extraction of the features can be affected by the function that is adjusted to the contrast-time curves