O nouă metodă de analiză RMN standardizează evaluarea leziunilor cerebrale în cercetarea asupra AVC

Accidentul vascular cerebral (AVC) ischemic rămâne dificil de tratat, iar numeroase terapii care au avut rezultate promiţătoare în experimentele de laborator nu au confirmat ulterior beneficiile în studiile clinice. O echipă de cercetători a dezvoltat un sistem automatizat pentru analiza imaginilor RMN din studiile preclinice, cu scopul de a măsura mai uniform leziunile cerebrale şi de a permite compararea rezultatelor obţinute în laboratoare diferite.

AVC-ul ischemic apare atunci când un vas de sânge este blocat, iar o regiune a creierului nu mai primeşte suficient sânge şi oxigen. În cercetarea preclinică, modul în care sunt produse şi analizate datele poate varia de la un laborator la altul. Aceste diferenţe pot îngreuna reproducerea rezultatelor şi evaluarea corectă a tratamentelor experimentale înainte de testarea lor la oameni.

În mod tradiţional, leziunile produse de un AVC experimental sunt evaluate prin examinarea ţesutului cerebral după prelevare. Cercetătorii colorează secţiunile de ţesut şi delimitează manual zonele afectate. Metoda depinde într-o anumită măsură de evaluarea specialistului, poate produce modificări ale ţesutului în timpul procesării şi permite examinarea creierului într-un singur moment.

Imagistica prin rezonanţă magnetică (RMN) permite, în schimb, examinarea repetată a aceluiaşi animal. Cercetătorii pot urmări astfel leziunile şi edemul cerebral în fazele iniţiale, dar şi pierderea de ţesut care apare ulterior. Analizarea a mii de imagini obţinute cu aparate şi protocoale diferite poate introduce însă noi surse de variaţie.

Cercetătorii de la Mark and Mary Stevens Neuroimaging and Informatics Institute, din cadrul Keck School of Medicine of USC, au dezvoltat o metodă automatizată pentru această etapă a cercetării. Sistemul a fost creat în cadrul Stroke Preclinical Assessment Network (SPAN), o reţea care evaluează tratamente potenţiale pentru AVC-ul ischemic acut în studii coordonate pe animale, înainte ca terapiile cu rezultate promiţătoare să avanseze spre studii clinice.

Metoda, descrisă în revista Imaging Neuroscience, a fost evaluată pe imagini provenite de la 2.442 de şoareci şi şobolani din şase centre universitare de cercetare. Peste 2.200 de animale au fost examinate prin RMN la două zile după producerea experimentală a AVC-ului. Alte 1.750 au fost scanate din nou după aproximativ o lună.

Sistemul verifică mai întâi calitatea imaginilor şi corectează diferenţele asociate aparatelor RMN. Ulterior, identifică creierul şi măsoară ţesutul lezat, edemul, deplasarea structurilor cerebrale şi pierderea de ţesut care apare în timp.

Pentru separarea creierului de os, muşchi şi alte ţesuturi din jur, cercetătorii au utilizat un model de învăţare profundă, o metodă de inteligenţă artificială (AI) prin care un sistem informatic identifică tipare complexe în date după ce este antrenat pe numeroase exemple.

Inteligenţa artificială nu stabileşte însă singură limitele leziunilor produse de AVC. După identificarea creierului, sistemul utilizează reguli explicite de procesare a imaginilor pentru delimitarea ţesutului afectat. Autorii au ales această combinaţie pentru ca modul în care sunt obţinute măsurătorile să poată fi urmărit şi verificat de către cercetători.

„Înainte ca un posibil tratament să fie testat la oameni, cercetătorii trebuie să aibă certitudinea că efectele sale au fost măsurate riguros şi consecvent. Acest sistem ne oferă o metodă obiectivă, care poate fi utilizată la scară largă, pentru evaluarea leziunilor cerebrale în cadrul unei reţele extinse de cercetare (...) Am vrut ca cercetătorii să poată înţelege cum au fost obţinute rezultatele. O metodă poate fi puternic automatizată fără să devină o «cutie neagră»”, a explicat Kirsten M. Lynch, cercetător în neurologie, şi profesor asistent de cercetare în neurologie la Keck School of Medicine of USC, coautor principal al studiului. Potrivit acesteia, asocierea dintre învăţarea profundă şi regulile explicite de procesare a imaginilor permite automatizarea analizei fără a pierde posibilitatea de a verifica modul în care sistemul ajunge la rezultate.

Cercetătorii au comparat apoi măsurătorile automatizate cu delimitările manuale realizate de specialişti în imagistică. Rezultatele obţinute prin cele două metode au fost foarte apropiate. Concordanţa dintre sistem şi un evaluator uman a fost comparabilă cu cea observată între doi evaluatori umani.

Metoda a redus şi variaţiile asociate utilizării unor aparate RMN şi unor condiţii de achiziţie diferite. Acelaşi proces de analiză a putut fi aplicat imaginilor provenite din toate cele şase centre participante. Sistemul a procesat cu succes marea majoritate a scanărilor, în pofida diferenţelor dintre speciile studiate, echipamente, intensitatea câmpului magnetic şi calitatea imaginilor.

„Am avut nevoie de o metodă capabilă să proceseze mii de scanări şi să aplice aceleaşi reguli fiecărei imagini, indiferent de locul în care au fost obţinute datele”, a precizat Ryan Cabeen, specialist în ştiinţe computaţionale la Stevens INI şi coautor principal al studiului.

Standardizarea analizei poate fi importantă pentru studiile preclinice multicentrice, în care aceeaşi intervenţie este evaluată simultan în mai multe laboratoare. Reducerea diferenţelor introduse de aparatură, condiţiile de achiziţie sau modul de analiză poate ajuta cercetătorii să stabilească mai riguros dacă efectele observate sunt asociate tratamentului experimental.

Software-ul şi datele RMN utilizate în cercetare au fost puse la dispoziţia comunităţii ştiinţifice. Alte echipe pot astfel să reproducă analizele şi să adapteze metoda pentru studii viitoare. Autorii consideră că structura sistemului ar putea fi extinsă în cercetări ulterioare pentru a include alte metode imagistice şi alte măsurători ale modificărilor ţesutului cerebral.

Rezultatele arată că analiza automatizată poate furniza măsurători comparabile cu cele realizate de specialişti şi poate reduce o parte dintre diferenţele apărute atunci când imaginile sunt colectate în laboratoare diferite. Utilitatea actuală a sistemului este limitată la cercetarea preclinică, unde ar putea contribui la evaluarea mai uniformă a tratamentelor experimentale pentru AVC înainte ca acestea să fie luate în considerare pentru testarea clinică.