L'intelligenza artificiale accelera la risonanza magnetica del flusso sanguigno
Le tecniche di imaging aiutano a riconoscere più precocemente le malattie cardiovascolari. Tuttavia, gli esami precisi richiedono molto tempo. I ricercatori del Fare all'ETH e dell'Università di Zurigo presentano ora un metodo che potrebbe accelerare enormemente la risonanza magnetica dinamica (RM) del flusso sanguigno.
"Grazie a questo metodo, la risonanza magnetica quantitativa potrebbe fare enormi progressi", afferma Sebastian Kozerke, professore di imaging biomedico presso l'ETH e l'Università di Zurigo. Insieme a Valery Vishnevskiy e Jonas Walheim ha sviluppato un metodo che accelera in modo massiccio la cosiddetta risonanza magnetica del flusso 4D.
"Oggi la registrazione e la post-elaborazione di una risonanza magnetica a flusso 4D richiedono fino a 30 minuti. I nostri risultati dimostrano che in futuro ciò potrebbe essere possibile in cinque minuti". Il lavoro sottostante è stato pubblicato all'inizio di questa settimana sulla rivista scientifica "Nature Machine Intelligence" come articolo e copertina del numero di aprile.
La risonanza magnetica (RM) è una procedura importante per la diagnosi clinica. Non è dannosa per la salute e fornisce immagini precise dell'interno del corpo. Il metodo può essere utilizzato per visualizzare tessuti molli e organi in 3D e con un elevato contrasto.
Inoltre, speciali tecniche di imaging forniscono informazioni sulla dinamica del sistema cardiovascolare. In particolare, le misure di risonanza magnetica del flusso 4D consentono di quantificare i cambiamenti dinamici del flusso sanguigno nei vasi sanguigni. Queste immagini dinamiche sono particolarmente utili per riconoscere le malattie cardiovascolari.
Tuttavia, la risonanza magnetica a flusso 4D oggi comunemente utilizzata ha un grosso svantaggio: il metodo richiede molto tempo. I dati possono essere registrati nello scanner MRI in appena quattro minuti. Tuttavia, questa acquisizione compressa (il cosiddetto compressed sensing) ha il suo prezzo: la successiva ricostruzione dell'immagine è iterativa e richiede quindi molto tempo.
Le immagini impiegano 25 minuti o più per raggiungere il computer del medico. Di conseguenza, i risultati della misurazione sono disponibili solo molto tempo dopo che il medico ha completato l'esame. Per questi motivi, la risonanza magnetica di flusso 4D non si è ancora affermata nella pratica medica quotidiana. Oggi le variazioni del flusso sanguigno vengono diagnosticate principalmente con gli ultrasuoni, un metodo più rapido ma meno preciso rispetto alla risonanza magnetica.
Algoritmi eleganti ed efficienti
Nell'articolo recentemente pubblicato, i ricercatori dell'ETH e dell'Università di Zurigo mostrano come la ricostruzione dell'immagine per la risonanza magnetica di flusso 4D possa essere resa più veloce e quindi più pratica. "La soluzione è costituita da algoritmi eleganti ed efficienti basati su reti neurali", spiega Kozerke.
Vishnevskiy, Kozerke e Walheim chiamano il loro nuovo approccio FlowVN. Si basa sull'apprendimento automatico, in particolare sull'apprendimento profondo. Il software impara dai dati con cui è stato addestrato in precedenza. La particolarità di FlowVN è la sua efficienza, poiché il metodo combina l'addestramento con la conoscenza preliminare della tecnica di registrazione.
Ciò significa che non sono necessari migliaia di esempi di addestramento, ma che la generalizzazione avviene sulla base di una piccola quantità di dati. "La rete ha quindi bisogno di pochissimo addestramento per fornire risultati affidabili", spiega Vishnevskiy.
I ricercatori sono riusciti a dimostrare che il metodo funziona nell'articolo pubblicato di recente. Hanno addestrato il software con 11 scansioni MRI di soggetti sani. Questi dati sono stati sufficienti per riprodurre con precisione il flusso sanguigno patologico nell'aorta di un paziente in soli 21 secondi su un computer standard. La procedura è stata quindi molto più veloce dei metodi convenzionali e ha fornito risultati ancora migliori.
Dare un impulso alla diagnostica clinica
"Speriamo che FlowVN dia un impulso all'uso della risonanza magnetica a flusso 4D nella diagnostica clinica", afferma Kozerke. Per questo studio, i dati sono stati ricostruiti offline. Il prossimo passo dei ricercatori zurighesi sarà quindi quello di installare il software sui dispositivi di risonanza magnetica clinica.
"Dopo di che, stiamo prendendo in considerazione studi clinici più ampi su pazienti", afferma Kozerke. Gli scienziati beneficeranno della collaborazione di lunga data con i dipartimenti di radiologia e cardiologia dell'Ospedale universitario di Zurigo.
Se gli studi successivi confermeranno i risultati del team di Kozerke, il metodo potrebbe un giorno entrare nella pratica clinica quotidiana. "Ma ci vorranno almeno altri quattro o cinque anni prima di allora", stima Kozerke.
Per accelerare il processo scientifico, il suo team ha deciso di rendere open source i codici eseguibili e gli esempi di dati. In questo modo, altri scienziati possono testare e riprodurre il metodo.
Riferimento alla letteratura
Vishnevskiy V, Walheim J, Kozerke S. Deep variational network for rapid 4D flow MRI reconstruction. Nature Machine Intelligence, 13 aprile 2020. doi: pagina esterna10.1038/s42256-020-0165-6