Aceleración de imágenes: aprendizaje profundo para mejorar la eficiencia de la SPECT con ¹²³I-ioflupano

Área de la Ciencia:

• Medicina Nuclear
• Inteligencia Artificial en Imagenología Médica
• Imagenología Radi farmacéutica

Sus antecedentes:

• Los escaneos convencionales de SPECT de transportador de dopamina con ¹²³I-ioflupano requieren de 25 a 40 minutos, lo que provoca molestias al paciente y limita el rendimiento.
• La reconstrucción mediante aprendizaje profundo (DL) ofrece una solución potencial para reducir los tiempos de escaneo manteniendo la calidad de la imagen.

Objetivo del estudio:

• Evaluar la viabilidad de utilizar la reconstrucción DL para generar imágenes SPECT de ¹²³I-ioflupano de calidad diagnóstica a partir de tiempos de adquisición significativamente reducidos de 5 minutos.
• Comparar la calidad de la imagen y el rendimiento diagnóstico de los escaneos de 5 minutos reconstruidos con DL con los escaneos convencionales de 25 minutos.

Principales métodos:

• Análisis retrospectivo de 207 estudios SPECT con ¹²³I-ioflupano.
• Entrenamiento y validación de seis arquitecturas de redes neuronales convolucionales (variantes de U-Net, V-Net, Attention U-Net, TransUNet) para traducir escaneos de 5 minutos en escaneos virtuales de 25 minutos.
• Evaluación cuantitativa de la calidad de la imagen utilizando la relación señal-ruido pico (PSNR) y el índice de similitud estructural (SSIM).
• Estudio ciego de lectores con tres médicos nucleares para evaluar el rendimiento diagnóstico y el acuerdo interobservador.

Principales resultados:

• Todas las reconstrucciones DL mejoraron significativamente la calidad de la imagen (PSNR, SSIM) en comparación con los escaneos brutos de 5 minutos (p < 0,01).
• Una U-Net compacta de cuatro capas logró la mayor calidad de imagen, estadísticamente indistinguible de los escaneos de 25 minutos (p > 0,05).
• La concordancia del lector mejoró de regular (κ = 0,29-0,41) a sustancial (κ = 0,62-0,70) con la reconstrucción DL, con alta fiabilidad intra e interobservador (ICC).

Conclusiones:

• Un modelo de aprendizaje profundo U-Net de cuatro capas puede restaurar la fidelidad diagnóstica a los escaneos SPECT de ¹²³I-ioflupano de 5 minutos.
• Este protocolo acelerado por DL permite una reducción del 80% en el tiempo de escaneo sin comprometer las métricas cuantitativas o la interpretabilidad diagnóstica.
• Los protocolos SPECT acelerados por DL tienen el potencial de mejorar la comodidad del paciente, reducir los artefactos de movimiento y aumentar el rendimiento de las imágenes, lo que justifica una mayor validación prospectiva.