Desarrollo de una herramienta de aprendizaje profundo (deep learning) para la reducción de dosis en imágenes PET
Proyecto que tiene como autor al Ing. Mauro Namías, PhD – Jefe de Investigación y Desarrollo de la FCDN
Actualmente estamos desarrollando una herramienta de inteligencia artificial para reducir la dosis de radiación necesaria para la obtención de imágenes por tomografía de emisión de positrones (PET). Esta herramienta permitirá obtener imágenes PET de alta calidad empleando sólo una fracción del radiofármaco.
Introducción
La tomografía por emisión de positrones (PET) consiste en la administración al paciente de un radiofármaco emisor de positrones para la posterior obtención de imágenes volumétricas de la biodistribución de dicho radiofármaco. Por ejemplo, la 18F-FDG (fluorodesoxiglucosa marcada con 18F) es el radiofármaco más comúnmente empleado para la evaluación de diversas patologías oncológicas.
Los radiofármacos emisores de positrones generalmente tienen una vida media acotada. Por ejemplo, el 18F tiene una vida media de 110 minutos. Esto quiere decir que transcurridos 110 minutos, la cantidad útil del radiofármaco disminuye a la mitad. Esto dificulta la provisión a sitios distantes respecto de los ciclotrones de uso médico y encarece este tipo de radiofármacos. Por lo tanto, los radiofármacos empleados en PET constituyen una fracción elevada del costo total del estudio.
Calidad de imagen en PET
La calidad de imagen depende de la cantidad de fotones gamma detectados por el tomógrafo PET, que básicamente es proporcional a la cantidad de material radiactivo administrado (actividad en Bq) y al tiempo destinado a la obtención de la imagen. En general, a mayor actividad administrada, mayor calidad de imagen. Sin embargo, el empleo de actividades elevadas tiene dos aspectos negativos: un aumento del costo total del estudio y un aumento de la dosis de radiación recibida por el paciente.
En este proyecto, se desarrollará una herramienta basada en inteligencia artificial para obtener imágenes PET con menor actividad pero de calidad similar a las convencionales.
Esto redundará en menores costos por estudio, permitiendo el acceso a esta tecnología diagnóstica a un mayor número de pacientes oncológicos en nuestro país. También redundará en una menor dosis de radiación para los pacientes.
Redes neuronales profundas
Las redes neuronales profundas (Deep neural networks) son una tecnología de inteligencia artificial en la que múltiples capas de neuronas artificiales permiten “aprender” relaciones entre la entrada y la salida de la red extremadamente complejas, a través de un entrenamiento con numerosos datos/ejemplos.
La solución propuesta
En el presente proyecto, utilizaremos una red convolucional 3D para obtener imágenes de alta calidad diagnóstica a partir de imágenes con dosis reducida y por lo tanto de menor calidad.
Impacto potencial
Impacto directo:
Reducción a 1/2 de la dosis de radiofármaco = reducción a 1/2 del costo del insumo Mayor eficiencia
· Capacidad de abastecer a más centros PET con la infraestructura disponible (ciclotrón & radiofarmacia).
· Capacidad de abastecer centros PET más remotos.
Impacto indirecto:
Posibilidad de postergar el recambio de la tecnología actual (PET/CT)
Resultados preliminares
