TORACE
Using Quantitative Computed Tomographic Imaging to Understand Chronic Obstructive Pulmonary Disease and Fibrotic Interstitial Lung Disease. State of the Art and Future Directions.
Castillo-Saldana, D., et al. (2020). “Using Quantitative Computed Tomographic Imaging to Understand Chronic Obstructive Pulmonary Disease and Fibrotic Interstitial Lung Disease: State of the Art and Future Directions.” J Thorac Imaging 35(4): 246-254.
Parole chiave: BPCO, ILD, TC quantitativa
I ricercatori del St. Paul’s Hospital e della University of British Columbia riportano delle interessanti applicazioni della TC quantitativa (QCT) nell’ambito delle patologie polmonari ostruttive croniche (BPCO) e delle patologie polmonari interstiziali (ILD). Ryerson et al. affermano che le applicazioni della QCT possano essere impiegate in aggiunta alle tipiche valutazioni qualitative di BPCO e ILD per diagnosticare e seguire la progressione di questi due complessi pattern patologici. La QCT può essere impiegata nella BPCO per mappare con precisione le aree di enfisema, identificare l’ispessimento delle vie aeree e creare ricostruzioni 3D dell’albero bronchiale, in modo tale da identificare la malattia ai bronchioli terminali negli stadi precoci. Le principali limitazioni nell’applicazione clinica del QCT nella BPCO sono l’esposizione alle radiazioni ionizzanti, la variabilità legata alla macchina TC e al paziente, e un controllo di qualità significativo dovuto al post-processing manuale. La QCT può svolgere un ruolo importante nel tracciare la progressione dell’ILD esaminando le diverse densità parenchimali polmonari e riportando questi risultati su un istogramma di densità. Questi dati oggettivi potrebbero essere utilizzati in combinazione con le valutazioni qualitative così da fornire ai medici un modo più preciso per valutare la progressione della malattia e la risposta al trattamento in una popolazione di pazienti con alta morbidità. Sono ancora necessari significativi miglioramenti in questi algoritmi quantitativi prima che trovino applicazioni cliniche certe, ma, nonostante ciò, sono comunque sviluppi entusiasmanti.
COVID
Pulmonary Thromboembolism in COVID-19: Venous Thromboembolism or Arterial Thrombosis?
Ferrari, F., et al. (2020). “Pulmonary Thromboembolism in COVID-19: Venous Thromboembolism or Arterial Thrombosis?” RSNA
Cavagna, E., et al. (2020). “Pulmonary Thromboembolism in COVID-19: Venous Thromboembolism or Arterial Thrombosis?” Radiology: Cardiothoracic Imaging 2(4): e200289.
https://pubs.rsna.org/doi/10.1148/ryct.2020200289
Parole chiave: COVID-19, embolia polmonare, Tromboembolismo
I radiologi italiani Cavagna et al. mostrano l’associazione tra il nuovo coronavirus e il tromboembolismo nei pazienti critici. I pazienti con COVID-19 hanno notoriamente una frequenza più elevata di emboli arteriosi polmonari (PE), che è particolarmente preoccupante data la più alta frequenza di pazienti critici al tempo zero. In questo studio retrospettivo, sono stati inseriti 109 pazienti con COVID-19 che presentavano sintomi suggestivi di EP ed hanno eseguito una angio-TC per escludere la presenza di embolia polmonare. Ai pazienti è stato assegnato un punteggio semiquantitativo (0-5) per stimare il coinvolgimento parenchimale dei 5 lobi polmonari. I pazienti con uno score lesionale più elevato alla TC e alterazioni dei valori di laboratorio quali LDH, PCR e d-dimero, hanno dimostrato tassi più elevati di tromboembolia polmonare. Questi fenomeni ipercoagulativi hanno coinvolto prevalentemente le arterie segmentali (90,2%) e sub-segmentali (61%) della parte di parenchima polmonare maggiormente colpita dal COVID-19. Gli autori ipotizzano che tali trombosi dell’arteria polmonare siano secondarie all’infiammazione polmonare locale e allo stato di ipercoagulabilità piuttosto che agli emboli. Sebbene lo studio non sia in grado di potere verificare con certezza questa affermazione, gli autori attingono ai risultati di altri studi per giustificare ulteriormente la loro tesi così drastica. Si spera che studi futuri, con maggiori quantità di dati, saranno disponibili per convalidare la loro ipotesi.
Radiological Society of North America Chest CT Classification System for Reporting COVID-19 Pneumonia: Interobserver Variability and Correlation with RT-PCR
Jaegere, T. M. H. d., et al. (2020). “Radiological Society of North America Chest CT Classification System for Reporting COVID-19 Pneumonia: Interobserver Variability and Correlation with RT-PCR.” Radiology: Cardiothoracic Imaging 2(3): e200213.
https://pubs.rsna.org/doi/10.1148/ryct.2020200213
Parole chiave: COVID-19, Classificatione RSNA, CORADS
I radiologi dello Zuyderland Medical Center dei Paesi Bassi hanno studiato la concordanza inter-operatore tra i radiologi nell’utilizzo dei sistemi di classificazione RSNA COVID-19 Chest CT Classification System e COVID-19 Reporting and Data System (CO-RADS); rapportando poi questi risultati ai valori di PCR dei pazienti. Due radiologi e uno specializzando del quinto anno di specializzazione hanno eseguito una revisione retrospettiva di 96 TC del torace e hanno utilizzato il sistema di classificazione dell’RSNA e la classificazione CORADS per testare la variabilità inter-operatore. Ai radiologi è stato assegnato il compito di classificare i ritrovamenti TC come “tipici”, “indeterminati”, “atipici” o “negativi” per la presenza di COVID. Si è vista una concordanza sostanziale tra i radiologi e una concordanza moderata tra le letture dei radiologi e dello specializzando. Questi dati sono stati quindi confrontati con i risultati dei test COVID RT-PCR dei pazienti. I 45 pazienti risultati positivi sono stati stratificati in base ai risultati TC e il tasso di positività è stato riportato come “Tipico” 76,9-96,6%, “Indeterminato” 51,2-64,1%, “Atipico” 2,8-5,3% e “Negativo” 20-25%. Un basso tasso positivo nel gruppo “atipico” è spiegato dalla presenza di segni tipici associati ad altre patologie polmonari. Il tasso curiosamente alto di positività nel gruppo “negativo” è tuttavia preoccupante. Gli autori sostengono che questo gruppo potrebbe includere pazienti che devono ancora manifestare i segni tipici associati all’infezione COVID-19, dal momento che i riscontri all’imaging possono evolvere nel tempo. Gli autori hanno anche utilizzato il sistema di classificazione CO-RADS e hanno raggiunto una concordanza inter-operatore simile nel gruppo CO-RADS 1 con un numero di positivi non trascurabile. Questi risultati probabilmente riflettono la pratica clinica, poiché i pazienti sintomatici si presenteranno in tempi diversi lungo il decorso della malattia, tanto che la TC sembra avere un ruolo limitato nello screening dell’infezione da Coronavirus. Poiché gravi infezioni da COVID-19 sono associate ad una significativa morbilità medica e mortalità, la TC svolge tuttavia un ruolo prezioso nella gestione dei pazienti.
CARDIOLOGIA
Feasibility of Cardiovascular Four-dimensional Flow MRI during Exercise in Healthy Participants.
MacDonald, J.A., et al. (2020). “Feasibility of Cardiovascular Four-dimensional Flow MRI during Exercise in Healthy Participants.” Radiology: Cardiothoracic Imaging 2(3):e190033
https://pubs.rsna.org/doi/10.1148/ryct.2020190033
Parole chiave: RM cardiaca, 4D-Flow
Macdonald et al. esaminano l’efficacia della risonanza magnetica 4D-flow a respiro libero durante l’esercizio fisico. È stata eseguita la RM cardiaca in una coorte sana di 10 soggetti, a riposo e durante lo stress, in cui un protocollo di esercizio standardizzato, implementato su una macchina stair stepper RM-compatibile, è stato utilizzato mentre il paziente si trovava in posizione supina all’interno del magnete RM. Su tali studi RM è stato poi eseguito un gating retrospettivo per gli artefatti da movimento respiratorio ed un ECG-gating per la presenza del movimento cardiaco. Gli autori hanno utilizzato inoltre un protocollo di 4D-flow per valutare il volume sistolico (SV) e l’energia cinetica ventricolare (KE) nella sistole e nella diastole a riposo e sotto stress. Gli autori hanno così scoperto, come era prevedibile, che la gittata cardiaca è aumentata durante l’esercizio rispetto alle condizioni di riposo. È interessante notare, tuttavia, che l’energia cinetica ventricolare destra (KERV) era significativamente aumentata rispetto al riposo, mentre l’energia cinetica ventricolare sinistra (KELV) e il SV non lo erano. In precedenza era stato riportato che il SV non è influenzato dall’esercizio in posizione supina. È stato osservato che nella sistole il KERV è più elevato in modo statisticamente significativo rispetto al KELV, e non vi era invece differenza durante la diastole. Poiché la KE ventricolare sinistra non è significativamente interessata, la RM 4D-stress può avere applicazioni limitate. Tuttavia, questo può diventare uno strumento prezioso per la valutazione della malattia cardiaca destra in quanto il KERV è interessato. Vi sono notevoli limiti per le applicazioni pratiche di tale tecnica, poiché le pratiche attuali sono secondarie alla scarsa riproducibilità inter- e intra-operatore in relazione al mascheramento ventricolare e alla stima del KE.
Machine Learning
Value of Machine Learning-based Coronary CT Fractional Flow Reserve Applied to Triple-Rule-Out CT Angiography in Acute Chest Pain.
Schoepf, U.J., et al. (2020) “Value of Machine Learning-based Coronary CT Fractional Flow Reserve Applied to Triple-Rule-Out CT Angiography in Acute Chest Pain.” Radiology: Cardiothoracic Imaging 2(3):e190137
https://pubs.rsna.org/doi/10.1148/ryct.2020190137
Parole chiave: Machine Learning, Triple Rule Out (TRO), Riserva Frazionale di Flusso (FFR), Angiocoronarografia CT
I radiologi della Medical University of South Carolina descrivono un utilizzo del machine learning per la stima della riserva frazionale di flusso durante l’angio-TC triple rule-out. In una revisione retrospettiva che comprende 159 pazienti, Schoepf et al. hanno esaminato 159 angio-TC triple rule-out (TRO) di pazienti con probabilità di malattia cardiaca da bassa a moderata. La riserva frazionale di flusso (FFR) è stata quindi calcolata utilizzando un algoritmo di deep learning. La FFR mostra un’elevata accuratezza diagnostica nella valutazione della patologica coronarica significativamente ostruttiva ed è stata utilizzata in ambito ambulatoriale per valutare la malattia coronarica (CAD). Gli autori hanno cercato di utilizzare il calcolo della FFR in loco, non disponibile in commercio, in situazioni di emergenza per identificare i pazienti con stenosi emodinamicamente significative e hanno impiegato come endpoints gli interventi coronarici o eventi cardiovascolari avversi maggiori (MACE) come endpoints. Una FFR <0,8 è stata considerata espressione di stenosi emodinamicamente significativa. Dei pazienti che hanno effettuato un TRO, il 55% aveva una stenosi significativa (> 50%) e il 5% una stenosi severa (> 70%). Il 52% dei soggetti in studio ha mostrato risultati congruenti tra FFR e TRO; di questi, il 55% ha mostrato una stenosi coronarica significativa ed una FFR<0,8, mentre il 45% aveva una FFR> 0,8 e stenosi non significativa al TRO. Nella revisione delle cartelle cliniche, si è visto che la rivascolarizzazione coronarica o un evento MACE significativo si sono verificati nel 27,5% dei pazienti sottoposti a imaging, e che i soggetti con una FFR <0,8 avevano significativamente una maggiore probabilità di raggiungere uno dei due endpoints rispetto ai loro coetanei. Si nota che il 67% dei pazienti che hanno ricevuto un TRO è stato sottoposto a ulteriori esami, un fenomeno relativamente comune. Gli autori sostengono che una FFR <0,8 può essere utile per individuare i pazienti che sono a maggiore rischio e che tale valore giustificherebbe ulteriori approfondimenti diagnostici. Bisogna notare che 4 pazienti che avevano una FFR> 0,8 e sono stati sottoposti a rivascolarizzazione coronarica, quindi questi 4 pazienti avrebbero potuto perdere l’intervento terapeutico se la FFR fosse stata usata come cut-off per ulteriori approfondimenti diagnostici. Si noti, inoltre, che nel 54% dei pazienti sottoposti sia a TRO che SPECT, e nel 48% dei pazienti sottoposti a TRO ed ecocardiostress, sono stati ottenuti dei risultati discordanti; 3 di questi pazienti avevano una FFR> 0,8 e un risultato positivo allo stress SPECT / CT. Poiché questo è uno studio retrospettivo e non sono state pertanto effettuate delle decisioni terapeutiche utilizzando il valore di FFR <0,8 come punto di riferimento, non è chiaro quanti pazienti avrebbero avuto in definitiva un esito negativo. Sembra che aggiungere la valutazione dell’FFR al TRO nei pazienti con CAD a rischio basso o moderato possa essere un’aggiunta preziosa alla valutazione del dolore toracico acuto.
CT-based True- and False-Lumen Segmentation in Type B Aortic Dissection Using Machine Learning.
Hahn, L.D., et al. “CT-based True- and False-Lumen Segmentation in Type B Aortic Dissection Using Machine Learning.” Radiology: Cardiothoracic Imaging 2020; 2(3): e190179
https://pubs.rsna.org/doi/10.1148/ryct.2020190179
Parole chiave: Dissezione Aortica, Machine Learning
I ricercatori di Stanford hanno utilizzato una rete neurale convoluta (CNN) graduale per generare automaticamente delle ricostruzioni multiplanari (MPR) della dissezione aortica di tipo B non complicata e quindi per segmentare il vero (VL) e il falso lume (FL). Hahn, L.D. et al. hanno identificato retrospettivamente 45 pazienti per un totale di 153 angio-TC dell’aorta (CTA). I pazienti sono stati assegnati in maniera randomizzata a un training set, un validation set e un test set, e poi sono stati inseriti nella segmentazione graduale della CNN. I passaggi per la segmentazione includevano l’identificazione dell’aorta dallo sfondo sul piano assiale, la determinazione della linea mediana aortica utilizzando la densità media all’interno dell’aorta, la generazione di MPR in un piano ortogonale alla linea mediana, quindi la segmentazione della dissezione aortica in VL e FL, e infine la riconversione della MPR sul piano assiale. La segmentazione automatica è stata confrontata con controlli interni (il test set) e con la segmentazione aortica manuale effettuata da radiologi cardiotoracici esperti. Gli endpoint di questo studio includevano il Dice Similarity Coefficient (DSC) e la distanza euclidea media tra i bordi in mm. I ricercatori hanno scoperto che non vi era alcuna differenza significativa tra il validation set e il test set con un DSC medio tra 0,873 e 0,9, suggerendo quindi una segmentazione altamente accurata. La distanza media euclidea era <3 mm. La segmentazione automatizzata ha anche generato grafici riguardanti il VL, FL e l’aorta per tutta la sua lunghezza, dando ai radiologi la capacità di valutare quantitativamente i volumi. Tutto ciò è fortemente applicabile alla gestione del paziente, in quanto il diametro aortico viene utilizzato per valutare l’indicazione al trattamento chirurgico. Le attuali applicazioni cliniche sono in qualche modo ancora lontane, data la necessità di input manuale da parte di un utente esperto, poiché possono verificarsi errori nell’identificazione di VL e FL (riportati nel 3,8% degli studi). Gli autori propongono anche che la CNN potrebbe avere apportato un bias poiché la stessa popolazione di studio è stata utilizzata sia per i test che nella validazione. Con la crescita dei data set e della popolazione di pazienti, la CNN dovrebbe essere in grado di differenziare una più ampia varietà fenotipica di dissezione. La maggior parte degli algoritmi di intelligenza artificiale, tende a dibattersi negli scenari di vita reale, a causa della variabilità innata degli scanner TC, dell’habitus/anatomia del paziente e del rumore. Poiché l’intelligenza artificiale continua a migliorare, questo diventerà senza dubbio uno strumento affidabile per i clinici nel monitorare le dissezioni aortiche di tipo B non complicate.
Translated by: Lidia Rabiolo, MD – Roberto Cannella, MD
References
