Cuantificación automatizada de la patología pulmonar en microCT en diversos modelos de enfermedades mediante...

Área de la Ciencia:

• * Imágenes biomédicas
• * Patología computacional
• * Investigación preclínica

Sus antecedentes:

• * La tomografía microcomputada (micro-CT) es crucial para la investigación de enfermedades respiratorias, mejorando la eficiencia del estudio y la traducibilidad a ensayos en humanos.
• * El análisis de grandes conjuntos de datos de microCT es un cuello de botella importante en la investigación preclínica de enfermedades respiratorias.
• * Los métodos actuales limitan el análisis eficiente de los datos de microCT para estudios longitudinales.

Objetivo del estudio:

• * Desarrollar un modelo genérico de aprendizaje profundo (DL) para la segmentación automática de pulmones en imágenes de micro-TC de roedores.
• * Evaluar la generalización del modelo DL en diversas patologías pulmonares, modelos de enfermedades y configuraciones de escáner.
• * Permitir una cuantificación eficiente y precisa de la patología pulmonar en estudios preclínicos de enfermedades respiratorias.

Principales métodos:

• * Se desarrolló un modelo de segmentación pulmonar basado en el aprendizaje profundo (DL) utilizando imágenes longitudinales de microCT de diversos estudios en roedores.
• * Los modelos 2D fueron entrenados en cortes axiales, coronales y sagitales, con predicciones combinadas en un modelo 2.5D.
• * La generalización del modelo se probó en varios estudios (COVID-19, inflamación, fibrosis), especies de roedores y configuraciones de escáner, incluidas las bases de datos públicas.

Principales resultados:

• * El modelo DL de promedio de probabilidad 2.5D logró un coeficiente de similitud de dados (DSC) medio alto de 0.953 ± 0.023 en los datos de validación interna.
• * Los modelos demostraron una gran generalización, con valores medios de DSC de 0,89 a 0,94 en diferentes condiciones.
• * Los biomarcadores de la segmentación automatizada coincidieron estrechamente con la segmentación manual, validando la capacidad del modelo para monitorear la progresión de la enfermedad y la respuesta al tratamiento.

Conclusiones:

• * La tubería de DL desarrollada proporciona un análisis eficiente de grandes conjuntos de datos de micro-CT para la cuantificación de la patología pulmonar.
• * El modelo es ampliamente aplicable a los modelos de enfermedades de roedores y a varios protocolos de adquisición.
• * Este enfoque permite una visión en tiempo real de la eficacia terapéutica en la investigación respiratoria preclínica.