Una investigadora española ha implementado 12 algoritmos para procesar imágenes médicas realizadas mediante tomografía por emisión de positrones. Además, ha desarrollado la interfaz gráfica que permitirá al médico o al oncólogo utilizar dicha técnica en la práctica clínica de forma cómoda, rápida e intuitiva.
Elena Prieto Azcarate, ingeniera de Telecomunicaciones por la Universidad Pública de Navarra (UPNA) y miembro del Servicio de Medicina Nuclear de la Clínica Universidad de Navarra, ha implementado 12 algoritmos para procesar imágenes médicas realizadas mediante por emisión de positrones (PET).
Según señala Prieto, los resultados obtenidos son muy prometedores y esta técnica podrá tener gran utilidad. Además, la investigadora ha desarrollado la interfaz gráfica que permitirá al médico o al oncólogo utilizar dicha técnica en la práctica clínica de forma cómoda, rápida e intuitiva.
La técnica PET permite tomar imágenes moleculares que aportan información sobre el comportamiento biológico y metabólico de los tumores. En los últimos años se ha originado un gran interés por el potencial de este tipo de imágenes para la planificación de los tratamientos de radioterapia. En dicha planificación, el proceso más crítico es la delimitación precisa del volumen del tumor que se quiere tratar.
Para ello, Prieto ha mejorado la técnica de segmentación de las imágenes PET. “La segmentación de una imagen —explica— es una técnica de procesado que permite delimitar objetos; en este caso, tumores. El objetivo era investigar y desarrollar nuevas técnicas de segmentación para conseguir que la técnica PET se convierta en una alternativa fiable para la planificación del tratamiento en oncología radioterápica”.
Resultados prometedores
En concreto, la investigadora ha trabajado en una técnica particular de segmentación de imágenes: la umbralización. “La umbralización automática permite delimitar los bordes del tumor sobre la imagen de forma automática, lo que tiene una gran trascendencia ya que la resolución espacial de este tipo de imagen dificulta la delimitación manual.”
En el trabajo se utilizaron dos tomógrafos PET diferentes para la adquisición de imágenes, con el fin de evaluar la umbralización automática en una amplia variedad de condiciones. Todas las imágenes obtenidas han quedado disponibles en Internet con el objetivo de servir de marco común de validación para cualquier técnica de segmentación.
“Los resultados sobre imágenes experimentales han sido muy prometedores —concluye— y se ha conseguido mejorar respecto a la técnica estándar en las imágenes clínicas procedentes del tomógrafo PET de alta resolución” Asimismo, “la técnica empleada podrá tener gran utilidad para segmentar imágenes adquiridas en los tomógrafos PET/CT clínicos de nueva generación”.
Referencia bibliográfica:
Prieto E, Domínguez I, García-Velloso MJ, Peñuelas I, Richter JA, Martí-Climent JM. Impact of Time-of-Flight and Point-Spread-Function in SUV Quantification for Oncological PET. Clinical Nuclear Medicine 38 (2), 103-109. 2013
Las imágenes de pacientes analizadas se obtuvieron en la Clínica Universidad de Navarra gracias a la financiación del Instituto de Salud Carlos III (Ministerio de Sanidad y Consumo), a través de un proyecto FIS y de la empresa Siemens HealthCare.
El grupo Nature publica hoy un paquete de artículos en varias de sus revistas que en conjunto supone un análisis sin precedentes sobre el cáncer y que da un giro a lo que se sabía hasta ahora. Arroja luz incluso sobre cómo prevenir esta patología que, como alertaba la OMS al principio de este año, sigue una trayectoria al alza.
Investigadores de EE UU confirman que los humanos somos capaces de detectar la estructura básica de una frase casi tan rápido como se reconoce una escena visual: en unos 150 milisegundos, es decir, la velocidad de un parpadeo.
