Accediendo a resolución súper alta sin concesiones
Dr. Julien Savatovsky
De izquierda a derecha: Julien Savatovsky, MD, Fabienne Rabeau, Emilie Poirion, PhD, Elsa Guibert, Cloé Guillaume, Jean-Claude Sadik, MD, Dilara Tassoit, Augustin Lecler, PU-PH
El Dr. Julien Savatovsky, neurorradiólogo y jefe adjunto de neurorradiología diagnóstica del Hospital de la Fundación Rothschild de París (Francia), utiliza soluciones avanzadas de reconstrucción de imágenes basadas en inteligencia artificial (IA) en su rutina diaria. En estrecha colaboración con Canon Medical, ha contribuido al desarrollo de los últimos algoritmos de reconstrucción y los ha evaluado en los sistemas de resonancia magnética Vantage Orian 1.5T y Vantage Galan 3T del hospital. Esta experiencia ha convencido al Dr. Savatovsky de que la IA puede desafiar el conocido "triángulo de compromiso" en imágenes entre la relación señal-ruido (SNR), la resolución espacial y el tiempo de adquisición.
El Hospital de la Fundación Rothschild es un hospital sin fines de lucro en París, pionero en atención, investigación y cooperación en enfermedades oculares y cerebrales. El Departamento de Neurorradiología del Hospital está continuamente involucrado en el avance de la investigación mediante el uso de técnicas de imagen de última generación.
'Triángulo del compromiso'
"La calidad de la imagen es crucial en el diagnóstico porque es lo que impulsa la confianza en el diagnóstico del radiólogo y la confianza del médico en el radiólogo", comentó el Dr. Savatovsky.
"Hay muchas cuestiones subjetivas en la evaluación de la calidad de la imagen y pocas mediciones objetivas que podamos hacer, incluida la relación señal-ruido (SNR), el contraste de resolución espacial y la relación contraste-ruido (CNR)", continuó. “Ahí radica lo que yo llamo el 'triángulo de compromiso' que ha 'perseguido' a la resonancia magnética en el sentido de que, para una secuencia determinada, tienes un tiempo determinado, una relación señal-ruido determinada y una resolución espacial determinada. Si se ajusta para obtener una mejor resolución espacial, por ejemplo, las consecuencias son dos compromisos: uno en la SNR que disminuirá y otro en el tiempo de adquisición que será más largo”.
El Dr. Savatovsky ha explorado el impacto de las técnicas de Reconstrucción de Aprendizaje Profundo (DLR), como el motor Clear-IQ inteligente avanzado (AiCE) de Canon y el último motor Precise IQ (PIQE), para abordar estos compromisos.
Figura 1: Imágenes cerebrales FLAIR en 3D para el seguimiento de un paciente con esclerosis múltiple entre 2020 y 2022. Las reconstrucciones AICE permiten una mejor delimitación de las lesiones de la fosa posterior (flechas blancas)
“Hoy en día, las tecnologías de Deep Learning se pueden encontrar en el campo del postprocesamiento, añadiendo una capa extra a las imágenes reconstruidas, mejorando su calidad", dijo. "Durante años, mejoramos la SNR usando filtros, pero fue a costa de la nitidez de la imagen, debido a la introducción de importantes efectos de desenfoque. Y por el contrario, si queríamos una imagen más nítida, usábamos filtros altos que también aumentan el ruido. Ahora, gracias a reconstrucciones de Deep Learning como AiCE, tenemos la posibilidad de mejorar la SNR sin comprometer la nitidez de las imágenes”.
"En la imagen de abajo, hay una pequeña lesión de esclerosis múltiple (EM) en la fosa posterior que es muy importante detectar porque generalmente es suficiente para causar síntomas muy significativos", explicó el Dr. Savatovsky. "La lesión es mucho más visible con la tecnología AiCE gracias a la mejora de la relación contraste-ruido".
Figura 2: Imágenes sagitales 3D FLAIR del tronco encefálico para el seguimiento de un paciente con esclerosis múltiple entre 2020 y 2022. Las reconstrucciones AiCE permiten una mejor delimitación del tronco encefálico y las lesiones de la médula espinal cervical (flechas blancas)
“Esta lesión de la médula espinal cervical no era realmente visible antes. Pero con este FLAIR isotrópico de un milímetro reconstruido con AiCE, era claramente visible sin lugar a dudas. Al aplicar dicho algoritmo de reconstrucción en secuencias 3D, obtenemos los beneficios de la eliminación de ruido basada en IA en todos los planos", dijo el Dr. Savatovsky.
Figura 3: Imágenes cerebrales FLAIR en 3D de un paciente con esclerosis múltiple con neuritis óptica izquierda. Las reconstrucciones AiCE permiten una mejor visualización del nervio óptico inflamado (flechas blancas)
"El mismo paciente tenía una neuritis óptica. Generalmente es muy difícil observarlo en una secuencia FLAIR debido a la baja relación señal-ruido que obtenemos en esta difícil región. Una vez más, AiCE permite la visualización de la inflamación a pesar de la muy alta resolución, enfatizando la poder del algoritmo", comentó el Dr. Savatovsky.
Figura 4: Imágenes cerebrales coronales 2D T2w con una resolución en el plano de 300 x 300 μm² para un paciente con neuritis óptica. Las reconstrucciones AiCE permiten una SNR y una mejor visualización del nervio óptico inflamado (flechas blancas)
“Esta es una imagen creada en tres minutos con vóxeles de 300 micrones en un paciente diferente con neuritis óptica derecha. Queremos que el vóxel sea muy pequeño, pero terminamos con una imagen muy ruidosa si usamos filtros comunes. Cuando aplicamos reconstrucciones de Deep Learning, podemos ver muy bien la neuritis óptica y recuperamos algo de SNR y algo de CNR”, añadió.
Cerrando brechas de calidad
Otra ventaja de AiCE y PIQE es que pueden ayudar a cerrar las brechas de calidad de imagen entre sistemas, cuando un centro de atención médica tiene diferentes dispositivos, como sistemas de resonancia magnética de 1,5T y 3T.
"Gracias a la mejora de la SNR, realmente podemos mejorar la calidad de la imagen y obtener la misma calidad en 1,5T que la que tenemos en 3T", afirmó el Dr. Savatovsky. "Recientemente obtuve una imagen isotrópica de 800 micrones con una calidad de imagen muy alta a 1,5 T, que normalmente solo podemos lograr en sistemas 3T".
Figura 5: Imágenes axiales 2D T2w de un paciente con esclerosis múltiple con una resolución en el plano de 600 x 600 μm². Se ha realizado un zoom sobre una lesión, para apreciar la máxima definición y eliminación de ruido obtenida con la reconstrucción PIQE.
El Dr. Savatovsky y su equipo han realizado un estudio para explorar las mejoras de imagen que permite el DLR.
“Hemos demostrado en pacientes con EM que tanto la SNR como la CNR mejoraron con DLR. Además, cuanto más potente sea el algoritmo DLR, mejores serán los resultados”, afirmó. “Ahora, el 'triángulo del compromiso' está totalmente reconsiderado. Utilizando algoritmos de aprendizaje profundo, podemos mejorar la relación señal-ruido sin comprometer la resolución espacial y manteniendo el mismo tiempo de escaneo”.
“Hemos demostrado en pacientes con EM que tanto la SNR como la CNR mejoraron con DLR. Además, cuanto más potente sea el algoritmo DLR, mejores serán los resultados”, afirmó. “Ahora, el 'triángulo del compromiso' está totalmente reconsiderado. Utilizando algoritmos de aprendizaje profundo, podemos mejorar la relación señal-ruido sin comprometer la resolución espacial y manteniendo el mismo tiempo de escaneo”.
El poder del PIQE
Figura 6: Imágenes sagitales T2w Dixon de un paciente de 71 años con mielopatía espondilótica cervical después de la cirugía. Las anomalías residuales de la señal T2 alta de la médula espinal en C2-C3, C3-C4 y C4-C5 se representan mejor en las reconstrucciones PIQE. Además, se ha mejorado considerablemente la agudeza de las vértebras, los discos y la médula espinal.
El equipo también ha explorado más allá mejorando la resolución de la matriz y la nitidez de la imagen utilizando PIQE.
“El primer resultado que hemos obtenido usando PIQE –que actualmente sólo es aplicable en secuencias de resonancia magnética 2D– es que se pueden obtener imágenes más nítidas sin alterar la SNR. Ahora obtenemos imágenes más nítidas", afirmó el Dr. Savatovsky.
“Creemos que obtenemos muchos más detalles, lo cual es bastante sorprendente, porque se trata de la misma adquisición y el mismo tiempo de escaneo. Además de mejorar la SNR, PIQE también aumenta la resolución de la matriz, facilitando la representación del contorno y ayudándonos en exámenes de anatomía difíciles. Las estructuras son mucho más nítidas y logramos una mayor confianza diagnóstica”, continuó.
“El primer resultado que hemos obtenido usando PIQE –que actualmente sólo es aplicable en secuencias de resonancia magnética 2D– es que se pueden obtener imágenes más nítidas sin alterar la SNR. Ahora obtenemos imágenes más nítidas", afirmó el Dr. Savatovsky.
“Creemos que obtenemos muchos más detalles, lo cual es bastante sorprendente, porque se trata de la misma adquisición y el mismo tiempo de escaneo. Además de mejorar la SNR, PIQE también aumenta la resolución de la matriz, facilitando la representación del contorno y ayudándonos en exámenes de anatomía difíciles. Las estructuras son mucho más nítidas y logramos una mayor confianza diagnóstica”, continuó.
El futuro esta aqui
De izquierda a derecha: Emilie Poiron, PhD (Fundación Rothschild), Julien Savatovsky, MD (Fundación Rothschild), Elsa Guibert (Fundación Rothschild), Bei Zhang, MD (Canon Medical Systems Europe), Jinane Haddad (Canon Medical Systems Francia), Bruno Triaire (Canon Medical Systems Corporation), Francois Vorms (Canon Medical Systems Francia), Jean-Claude Sadik, MD (Fundación Rothschild), Morgane Bennamri (Fundación Rothschild), Valentin Prevost, PhD (Canon Medical Systems Corporation), Khadra Fleury ( Canon Medical Systems France), Yvonne Purcell, MD (Fundación Rothschild), Thierry Munier (Canon Medical Systems Europe) y Loris Grignion (Canon Medical Systems France)
Con la experiencia ya adquirida, el Dr. Savatovsky cree que algunos de los próximos pasos en el desarrollo podrían incluir la aplicación de los algoritmos AiCE y PIQE a más secuencias.
"Confiamos en que Canon Medical se esfuerza por lograr avances aún mayores y estamos ansiosos por lograrlo". //
"Confiamos en que Canon Medical se esfuerza por lograr avances aún mayores y estamos ansiosos por lograrlo". //
“Esperamos aplicar PIQE en secuencias 3D y secuencias de baja resolución, como imágenes de difusión”
Julien Savatovsky, MD Jefe adjunto de Neurorradiología Diagnóstica del Hospital de la Fundación Rothschild, París, Francia
Hospital de la Fundación Rothschild, París, Francia
Dra. Julien Savatovsky
El Dr. Savatovsky es jefe adjunto del Departamento de Imágenes (Neurorradiología de Diagnóstico) del Hospital de la Fundación Rothschild, París, Francia.
El Dr. Savatovsky continuó su formación universitaria en medicina en la Universidad París-VI Pierre y Marie Curie y su pasantía en París. Completó su formación con una clínica de dos años en el Departamento de Neurorradiología del grupo hospitalario Pitié-Salpêtrière. Continuó su carrera hospitalaria como médico hospitalario en neurorradiología en el Hospital de la Fundación Rothschild.
Se especializa en imágenes del sistema nervioso y enfermedades del cuello. Para brindar acceso a imágenes de alta calidad a los pacientes, el Dr. Savatovsky utiliza equipos de resonancia magnética 3T específicamente optimizados y tiene capacitación avanzada en técnicas de resonancia magnética (incluido el desarrollo y ajuste de secuencias) y en posprocesamiento avanzado.
El Dr. Savatovsky es jefe adjunto del Departamento de Imágenes (Neurorradiología de Diagnóstico) del Hospital de la Fundación Rothschild, París, Francia.
El Dr. Savatovsky continuó su formación universitaria en medicina en la Universidad París-VI Pierre y Marie Curie y su pasantía en París. Completó su formación con una clínica de dos años en el Departamento de Neurorradiología del grupo hospitalario Pitié-Salpêtrière. Continuó su carrera hospitalaria como médico hospitalario en neurorradiología en el Hospital de la Fundación Rothschild.
Se especializa en imágenes del sistema nervioso y enfermedades del cuello. Para brindar acceso a imágenes de alta calidad a los pacientes, el Dr. Savatovsky utiliza equipos de resonancia magnética 3T específicamente optimizados y tiene capacitación avanzada en técnicas de resonancia magnética (incluido el desarrollo y ajuste de secuencias) y en posprocesamiento avanzado.
Además de su trabajo clínico y la gestión del Departamento de Imágenes, el Dr. Savatovsky ha estado involucrado en investigaciones durante varios años. Ha contribuido a más de cien artículos publicados en revistas internacionales.
Sus principales áreas de investigación incluyen:
Sus principales áreas de investigación incluyen:
- el desarrollo de nuevas secuencias de resonancia magnética
- imágenes de los linfáticos cerebrales y de la barrera hematoencefálica
- imágenes de la hipertensión intracraneal idiopática
- Imágenes de esclerosis múltiple (EM), incluidas secuencias de alta resolución y susceptibilidad magnética
- Postprocesamiento e IA innovadores.
Julien Savatovsky, médico
Jefe adjunto de Neurorradiología Diagnóstica del Hospital de la Fundación Rothschild, París, Francia
Jefe adjunto de Neurorradiología Diagnóstica del Hospital de la Fundación Rothschild, París, Francia
Valentin H. Prevost, PhD
Científico clínico de RM
Corporación de sistemas médicos Canon
Científico clínico de RM
Corporación de sistemas médicos Canon
Encuentre más artículos especiales sobre IA
Testimonios, informes técnicos y artículos sobre IA de usuarios de las tecnologías de IA de Canon Medical Systems
Social Media
