41
1 1 Dr. Iván Macía Responsable de Área eSalud y Aplicaciones Biomédicas Vicomtech-IK4 [email protected] Nuevos paradigmas de análisis automatizado de imagen para diagnostico y terapia personalizada

Ivan Macía - Vicomtech-IK4

Embed Size (px)

Citation preview

1 1

Dr. Iván Macía Responsable de Área eSalud y Aplicaciones Biomédicas Vicomtech-IK4 [email protected]

Nuevos paradigmas de análisis automatizado de imagen para diagnostico y terapia personalizada

2 2

1.397 People

333 Doctors

108.2 M€

89 People

8 Doctors

9.9 M€

283 People

112 Doctors

15.6 M€

126 People

50 Doctors

10.1 M€

127 People

19 Doctors

9.6 M€

99 People

23 Doctors

8.8 M€

264 People

53 Doctors

20.6 M€

42 People

8 Doctors

3.3 M€

257 People

32 Doctors

21.8 M€

104 People

28 Doctors

8.5 M€

IK4 Research Alliance

3 3

Vicomtech-IK4

Centro de Investigación fundado en 2001 y especializado en Tecnologías de Gráficos por Computador,

Computación Visual y Multimedia

Location:

Paseo Mikeletegi 57 Parque Científico y Tecnológico de

Gipuzkoa San Sebastian - Donostia

4 4

Tecnologías del Área de Salud

Tecnologías asistivas y

para la vida independiente

Cirugía asistida (guiada, robótica, protésica)

mHealth y telemedicina

Análisis Inteligente de Datos (omics,

señales, población)

Análisis y Visualización

de Imagen Biomédica

Visualización e interfaces de usuario avanzadas

5 5

TECNOLOGÍA DE ANÁLISIS DE IMAGEN BIOMÉDICA

6 6

Análisis de Imagen Biomédica

Imagen In Vivo Radiológica

• Modalidades: CT, MRI, X-rays, mamo, US, PET, SPECT

• Características: luz no visible, multidimensionales, gran volumen, uso diagnóstico, anatómica o funcional, DICOM, PACS

Imagen In Vivo No Radiológica (+Vídeo)

• Modalidades: dermatoscopia, retinografía, endoscopias,

• Características: luz visible menos estandarizadas, generalmente 2D, especialidades

Imagen In Vitro

• Modalidades: bright/dark field, oblicua, confocal, flurorescencia…

• Características: longitudes de onda y aumentos variables (tisular, celular, subcelular…)

Imagen Preclínica o de Ensayos

• Modalidades: imagen molecular, microCT/MR/PET, in vitro, nuevos agentes de contraste

• Características: modelos animales, mejor resolución, más caras

7 7

Cantidad de Datos de Imagen

• Modalidades como CT o MR suelen ser multi-corte (volumétricas)

12 12

Imagen Médica Cuantitativa

• «La medicina es una ciencia no exacta» (oxímoron) – Aunque sea en gran parte verdad a los ingenieros esto nos

cuesta entenderlo – Nos empeñamos en intentar hacerla algo más precisa (no

siempre con éxito) • Imagen médica cuantitativa

– Objetivar el proceso de medición en la imagen – Extrayendo una serie de medidas cuantitativas (tamaños,

volúmenes, patrones, conteo…) – Mediante el desarrollo de complejos métodos

matemáticos… (algoritmos) – Para cuantificar parámetros anatómicos o funcionales de

la imagen de interés en el individuo y en comparación con la población

13 13

Imagen Médica Cuantitativa - Necesidades

Significancia

• Parámetros evidentes (ej. volumen) o cualidad discrimante

• Correlación con procesos fisiopatológicos: biomarcador de imagen

Automatización

• Idealmente sin supervisión o supervisión mínima

• Quitar trabajo o facilitarlo al especialista

• Ahorro de costes

Reproducibilidad

• Medidas objetivas

• Medidas consistentes

• Medidas comparables entre escáneres, sujetos, instituciones

Precisión y Velocidad

• Lo quiero rápido y lo quiero exacto

• Resultados exactos y fiables

• En un tiempo razonable

14 14

Usos de la Imagen Cuantitativa

• Diagnóstico

• Soporte a la decisión (aneurisma > 5.5 cm)

• Estratificación: de riesgo, de gravedad

• Evaluación respuesta a tratamiento

• Ensayos clínicos

• Personalización del tratamiento o la terapia

• Cribado o screening poblacional

15 15

CUANTIFICACIÓN PARA PERSONALIZACIÓN (DE TERAPIA)

16 16

Planificación EVAR Asistida por Imagen

• Aneurisma de aorta (abdominal)

– Dilatación anormal de la aorta

– Su ruptura puede provocar la muerte

– Los aneurismas de más de 5.5 cm deben ser intervenidos

• EVAR = Endovascular Aneurysm Repair

– Técnica percutánea y mínimamente invasiva para tratar aneurismas de aorta

– Se introduce y despliega una endoprótesis por vía femoral

Técnica EVAR (Imagen: Clínica Mayo)

17 17

Planificación EVAR Asistida por Imagen

Diagnóstico mediante Angiografía de Tomografía Computerizada (Angiotomografía o CTA)

CORTE AXIAL

VISUALIZACIÓN VOLUMÉTRICA

18 18

Selección de Endoprótesis para AAA

• Selección de endoprótesis – Causa de insomnio en radiólogos

intervencionistas / cirujanos vasculares

– Selección de endoprótesis o diseño ad hoc

– Basada en mediciones sobre Angiotomografía

• Problema: – Falta de herramientas precisas

• Que aceleren el flujo de trabajo • Que reduzcan la incertidumbre

en la selección

19 19

Selección de Endoprótesis para AAA

Zenith® Standard Stent-graft

(Cook Medical) Zenith® Fenestrated Stent-

graft (Cook Medical)

21 21

eVida Vascular®

• Herramienta de planificación EVAR basada en imagen CTA

– Desarrollada por la empresa eMedica SL

– En colaboración con el IIS Biodonostia / H.U. Donostia y Vicomtech-IK4

– Co-financiada por el programa GAITEK (EJ-GV)

22 22

eVida Vascular® - Características

Segmentación Análisis vascular

Automatización del análisis de imagen (preciso, reproducible, rápido, validado)

Reconstrucción 3D

23 23

eVida Vascular® - Características

Visualización multimodal con guías visuales y sincronización • Reconstrucción 3D y

líneas centrales • Reconstrucciones curvas • Secciones y planos

auxiliares

24 24

eVida Vascular® - Características

Flujos de trabajo ágiles para endoprótesis estándar y fenestrada y un modo de operación libre

25 25

eVida Vascular® - Endoprótesis Estándar

26 26

eVida Vascular® - Endoprótesis Fenestrada

27 27

ANÁLISIS DE IMAGEN PARA CRIBADO (SCREENING)

28 28

Cribado de Imagen - Screening

29 29

Cribado de Imagen

• Reducir la carga de exploraciones a hacer por parte de los radiólogos/especialistas de imagen: – Eliminar del volumen de exploraciones las

que son claramente ‘sanas’ (explorar solo los casos patológicos/dudosos)

– Reducción del tiempo por exploración mediante herramientas que automatizan ciertas acciones

• Necesidades tecnológicas: las de imagen cuantitativa

• Aplicaciones: – Radiología convencional (ej. tórax) – Mamografía – Retinografía – Dermatoscopia

31 31

Cribado de imagen - Funcionamiento

Procesado

automático

Segmentación automática

Cuantificación

automática

Clasificación automática

Visualización del resultado

Modelo

Estructuras anatómicas y lesiones

32 32

Retinografía

Fóvea

Disco óptico

Micro-vasculatura retinal

Retinógrafo No-midriático

• Estudio de la micro-vasculatura in vivo • Como reflejo de enfermedades sistémicas

que la afectan

33 33

RETINAL

• Sistema de análisis automatizado de imagen para retinografía

– Automatización del análisis vascular y estructuras de interés (fóvea)

– Extracción de carácterísticas relevantes (ej. ratio arterio-venoso - AVR)

• Aplicaciones

– Estudios poblacionales: diagnóstico precoz de infarto cerebral silente

– Cribado para retinopatía diabética

34 34

Aplicación de escritorio

35 35

Pasos de la aplicación: imagen original

36 36

Pasos de la aplicación: vasculatura

37 37

Pasos de la aplicación: Disco óptico

38 38

Pasos de la aplicación: Medidas vaso

39 39

Pasos de la aplicación: Perfiles

40 40

Pasos de la aplicación: Perfiles II

41 41

Pasos de la aplicación: Perfiles III

42 42

Pasos de la aplicación: Perfiles IV

43 43

Pasos de la aplicación: Perfiles V

44 44

Aplicación web con procesamiento en la nube

• Cloud computing

– Sistemas virtualizados

– Masivamente paralelos

– Escalables

– Computación como servicio

• ¿Por qué en la nube?

– Infraestructura de terceros

– Sin instalación

– Elasticidad: se adapta a la demanda

– Software as a Service (SaaS)

45 45

Aplicación web

46 46

Conclusiones

• Los datos de imagen están todavía infrautilizados pero son díficiles de explotar

• Automatización en aplicaciones específicas

• Gran promesa de la imagen cuantitativa

• Asociación de imagen a parámetros fisiopatológicos

• Imagen como dato no estructurado en Big Data Analytics

47 47

ESKERRIK ASKO !!!