[embedyt] https://www.youtube.com/watch?v=86OAvP2eMZY[/embedyt]
Torácico
Uso da Tomografia Computadorizada Quantitativa para avaliar Doença Pulmonar Obstrutiva Crônica e Doença Pulmonar Intersticial Fibrótica
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.
Key Words: COPD, ILD, Quantitative CT
Na prática radiológica usa-se a avaliação qualitativa, predominantemente visual, para diagnóstico e acompanhamento da doença pulmonar obstrutiva crônica e doença pulmonar intersticial. O método quantitativo surge com uma possibilidade de diagnóstico precoce e medida mais acurada da extensão do acometimento parenquimatoso, inclusive como biomarcador substituto em ensaios clínicos.
Pesquisadores do Hospital St. Paul e da Universidade da Colúmbia Britânica relataram aplicações interessantes da Tomografia Computadorizada Quantitativa (TCQ) na avaliação da Doença Pulmonar Obstrutiva Crônica (DPOC) e da Doença Pulmonar Intersticial (DPI). Ryerson et al afirmaram que a TC Quantitativa pode ser usada em conjunto com a avaliação qualitativa típica do DPOC e da DPI para diagnosticar e monitorar a evolução desses dois complexos padrões de doença. TC Quantitativa pode mapear de forma acurada as áreas de enfisema no DPOC, identificar espessamento da parede de vias aéreas e realizar reconstruções 3D da árvore brônquica para identificar precocemente a doença nos bronquíolos terminais. As maiores limitações na aplicação clínica da TC Quantitativa em pacientes com DPOC são a exposição à radiação ionizante, a variabilidade dos modelos de tomógrafo e a individualidade de cada paciente, sendo necessário o controle rígido de qualidade na realização do pós-processamento manual. TC Quantitativa tem um importante papel em avaliar a progressão da DPI, analisando as variáveis discretas das densidades do parênquima pulmonar e plotar esses achados em um histograma de densidade. Essa informação poderia ser usada em conjunto com as avaliações qualitativas fornecendo aos clínicos meios mais precisos de monitorar a progressão da doença e da resposta ao tratamento em uma população de alta morbidade. Os algoritmos quantitativos ainda precisam ser aprimorados antes de terem uma aplicação clínica, no entanto esses avanços são bastante promissores.
COVID
Tromboembolismo pulmonar em pacientes com COVID-19: Tromboembolismo Venoso ou Trombose Arterial?
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.
Key Words: COVID-19, Pulmonary Embolus, Thromboembolism
https://pubs.rsna.org/doi/10.1148/ryct.2020200289
Os radiologistas italianos, Cavagna et al., estudaram uma relação entre o novo coronavírus e o tromboembolismo em pacientes graves. Pacientes com COVID-19 apresentam uma maior taxa de embolia pulmonar (EP), o que é preocupante, dada alta taxa de pacientes que já chegam nas unidades hospitalares em estado grave. Nesse estudo retrospectivo, foram estudados 109 pacientes com COVID-19 que apresentavam sintomas sugestivos de EP e foram submetidos a Angiotomografia computadorizada (AngioTC) de artérias pulmonares para excluir embolia pulmonar. Foi atribuído um escore semiquantitativo (0-5) aos pacientes para estimar o acometimento nos cinco lobos pulmonares. Indivíduos com valores mais altos de escore para lesão por TC e resultados alterados de exames laboratoriais como LDH, PCR e dímero D, apresentavam tromboembolismo pulmonar com maior frequência. Esse estado de hipercoagulabilidade envolvia preferencialmente as artérias segmentares (90,2%) e artérias sub-segmentares (61%) das regiões do parênquima pulmonar mais afetadas pela COVID. Os autores postulam que a trombose arterial pulmonar ocorre secundariamente à inflamação pulmonar e a um estado de hipercoagulabilidade ao invés de fenômeno embólico. Embora o estudo realizado não seja capaz de afirmar definitivamente tal hipótese, os autores apoiaram-se em outros estudos que justificam de forma mais consistente a ideia. Espera-se que futuras pesquisas mais robustas sejam realizadas para validar tal hipótese.
Sistema de Classificação para Relatório de TC de Tórax na Pneumonia por COVID-19 da Sociedade de Radiologia da América do Norte (RSNA): Variabilidade Interobservador e Correlação com 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.
Keywords: COVID-19, RSNA Classification, CORADS
https://pubs.rsna.org/doi/10.1148/ryct.2020200213
Como o novo Coronavírus apresenta alta taxa de contaminação pessoa a pessoa e alta mortalidade (15,2% fora da China), é necessário um screening adequado para alocar adequadamente os pacientes internados. Sabendo-se que o RT-PCR demora algumas horas para o resultado ser obtido e apresenta sensibilidade insuficiente para exclusão de caso suspeito, podendo ser necessário novos testes RT-PCR ao longo da internação, caso mantenha alta suspeição, a tomografia computadorizada surge como importante ferramenta nesse cenário de pandemia, por ser um método amplamente disponível e rápido.
Radiologistas do Cento Médico de Zuyderland na Holanda investigaram a concordância interobservador entre os radiologistas que utilizaram o Sistema de Classificação da TC de tórax no COVID-19 elaborado pela RSNA e o Sistema de Relatório e Dados do COVID-19 (CO-RADS), mapeando esses achados com os resultados do PCR desses pacientes. Em uma revisão retrospectiva das TC’s de tórax de 96 pacientes, dois radiologistas assistentes e um residente do quinto ano utilizaram o Sistema de Classificação da RSNA para TC de tórax e o Sistema de Classificação CO-RADS para analisar a variabilidade interobservador. Radiologistas ficaram responsáveis por classificar os achados da TC em “típico”, “indeterminado”, “atípico” ou “negativo” para presença de COVID. Houve significativa concordância interobservador entre o par de radiologistas assistentes e concordância moderada na leitura entre os radiologistas assistentes e o residente. Esses dados foram comparados com os resultados dos testes RT-PCR para COVID. Os 45 pacientes que testaram positivo foram estratificados pelos achados da TC, sendo a taxa de positividade reportada como padrões: “típicos” em 76,9-96,6%, “indeterminado” em 51,2-64,1%, “atípico” em 2,8-5,3% e “negativo” em 20-25%. A baixa frequência positiva no grupo de achados de TC classificados como “atípico” é explicada pela presença de achados associados a outras doenças pulmonares. Curiosamente, a alta taxa positiva do grupo “negativo” de achados na TC é preocupante. Os autores afirmam que nesse grupo poderiam haver pacientes que ainda não tinham manifestado sinais associados ao COVID-19, visto que os achados de imagem podem mudar ao longo do curso da doença. Os autores também utilizaram o Sistema de Classificação CO-RADs e encontraram concordância interobservador similar nos casos positivos no grupo CO-RADs 1 sem significado clínico e estatístico. Estes resultados provavelmente mimetizam a prática clínica, na qual os pacientes sintomáticos se apresentam aos serviços médicos com tempos de sintomas variáveis, e, portanto, a TC apresenta papel limitado no screening de paciente com Coronavirus. Um vez que as infecções por COVID-19 graves são associadas à significativa morbidade e mortalidade médica, a TC ainda apresenta papel valioso no manejo desses pacientes.
Cardíaco
Viabilidade do fluxo 4-D da Ressonância Magnética (RM) Cardiovascular durante exercício Físico em participantes saudáveis.
MacDonald, J.A., et al. (2020). “Feasibility of Cardiovascular Four-dimensional Flow MRI during Exercise in Healthy Participants.” Radiology: Cardiothoracic Imaging 2(3):e190033
Keywords: Cardiac MRI, 4D-Flow
https://pubs.rsna.org/doi/10.1148/ryct.2020190033
Macdonald et al. examinaram a eficiência da ressonância de fluxo 4-D com respiração espontânea durante exercício físico. Em um grupo de 10 indivíduos saudáveis, a RM cardíaca foi realizada em repouso e durante estresse, no qual um protocolo de exercício físico padronizado foi implementado utilizando-se um aparelho simulador de escada compatível com com a RM enquanto o indivíduo permanece em posição de decúbito dorsal na mesa de exame. Esse estudo foi retrospectivamente trigado para corrigir artefatos de movimento respiratório e de batimento cardíaco. Esse grupo usou um protocolo de fluxo 4-D para avaliar o volume sistólico (VS) e a energia cinética ventricular na sístole e na diástole durante repouso e estresse. Como previsto, foi notado que o débito cardíaco aumentava durante o exercício em comparação com o repouso. Ao mesmo tempo, curiosamente, eles notaram que a energia cinética ventricular direita aumentou significativamente a partir do repouso, enquanto a energia cinética ventricular esquerda e volume sistólico não. Foi previamente documentado que o VS permanece inalterado durante exercício em posição supina. A energia cinética ventricular direita foi consideravelmente maior na sístole comparado com a energia cinética do ventrículo esquerdo, e sem alteração durante a diástole. Como a energia cinética ventricular esquerda não foi significativamente afetada, a RM 4-D com estresse pode ter aplicações limitadas. No entanto, tal exame pode se tornar uma importante ferramenta para avaliar de doenças no coração direito quando a energia cinética é afetada. Infelizmente, existem muitas limitações para o uso de tal técnica na prática clínica, visto que a reprodutibilidade interobservador e intraobservador é baixa em relação ao mascaramento ventricular e estimativa da energia cinética.
Inteligência Artificial
A importância da aplicação da reserva de fluxo fracionada pela angioTC de coronárias na angioTC Triple-Rule-Out em casos de dor torácia aguda, usando a inteligência artificial.
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
Keywords: Machine Learning, Triple Rule Out (TRO), Fractional Flow Reserve (FFR), CT Coronary Angiography
https://pubs.rsna.org/doi/10.1148/ryct.2020190137
Radiologistas da Universidade de Medicina da Carolina do Sul descreveram uma aplicação da inteligência artificial na estimativa de reserva de fluxo fracionado (RFF) durante a angiotomografia com protocolo de triple-rule-out (TRO). Em uma revisão retrospectiva com 159 pacientes, Schoepft et al. revisou 159 TRO angioTC’s em pacientes que apresentavam baixa ou moderada probabilidade de doença cardíaca. A RFF foi calculada usando um algoritmo de aprendizagem profunda. A RFF apresentou alta acurácia diagnóstica na avaliação de doença obstrutiva coronariana significativa e tem sido usada para avaliar doença arterial coronariana em cenários ambulatoriais. Esse grupo utilizou um programa não disponível comercialmente para calcular a RFF em ambiente de emergência para identificar os pacientes com estenoses hemodinamicamente significativas, que foram submetidos a intervenção coronariana ou apresentaram como desfecho eventos cardiovasculares adversos significativos. Uma RFF <0,8 foi considerada uma estenose hemodinamicamente significativa. Dos pacientes submetidos a TRO, 55% apresentaram estenose significativa (>50% de estenose da luz) e 5% tiveram estenose crítica (>70% da luz). Cinquenta e dois por cento dos pacientes tiveram achados congruentes entre o RFF e TRO, e desses , 55% foram diagnosticados com estenose coronariana significativa e um RFF <0,8, enquanto 45% apresentaram RFF>0,8 e sem estenose significativa no TRO.
Em um gráfico, foi notado que a revascularização coronariana ou evento cardiovascular grave ocorreu em 27,5% dos pacientes submetidos a exames de imagem, e os que apresentaram RFF <0,8 tinham chances maiores de alcançar um desses desfechos. Destaca-se que 67% dos pacientes que foram submetidos a TRO realizaram outros exames posteriormente, o que é relativamente comum. Os autores concluíram que um RFF <0,8 pode ser útil para determinar pacientes com um risco aumentado e que necessitariam de outros exames. Quatro pacientes tiveram RFF >0,8 e foram submetidos à revascularização coronariana, portanto esses quatro pacientes não se beneficiariam da intervenção terapêutica adequada se tivessem sido usados os valores de corte de RFF. Além disso, nota que em 54% dos pacientes que foram submetidos tanto a TRO quanto SPECT e 48% dos pacientes que realizaram TRO e ecocardiografia de estresse, apresentaram achados discordantes; 3 desses pacientes tiveram RFF >0,8 e resultado positivo no SPECT/CT de estresse. Como esse estudo foi retrospectivo e não houve decisões de tratamento baseadas no RFF <0,8, não se sabe quantos pacientes teriam um desfecho negativo. Parece que associar RFF ao TRO em pacientes com baixo/moderado risco de doença coronariana pode ser benéfico na avaliação da dor torácica aguda.
Segmentação dos lúmens verdadeiros e falsos baseado na TC na dissecção aórtica tipo B utilizando inteligência artificial.
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
Keywords: Aortic Dissection, Machine Learning
https://pubs.rsna.org/doi/10.1148/ryct.2020190179
Pesquisadores de Stanford utilizaram uma rede neural complexa por etapas para gerar automaticamente reconstruções multiplanares (RMPs) em pacientes com dissecção aórtica tipo B não complicada e, posteriormente, segmentar os lúmens verdadeiros e falsos. Hahn, L.D. et al. identificaram, retrospectivamente, 45 pacientes que realizaram 153 angiotomografias (AngioTC) da aorta. Pacientes foram aleatoriamente distribuídos em grupos de treinamento, validação e teste dos estudos, que alimentaram a rede neural com segmentação em etapas. Os passos para a segmentação incluíram identificação da aorta no plano axial, determinando a linha central da aorta utilizando uma densidade média no interior da sua luz, gerando RMPs no plano ortogonal a partir da linha central, para então dividir a dissecção aórtica em luz verdadeira e falsa, e, finalmente, reconverter as RMPs para o plano axial. A segmentação automática foi comparada com controles internos e a segmentação manual da aorta por radiologistas cardiotorácicos. Como desfecho para esse estudo foram incluídos o coeficiente de similaridade de Dice (CSD) e a distância média Euclideana entre as margens em mm. Pesquisadores constataram que não havia uma diferença significativa entre o grupo de validação e o grupo teste com o CSD médio variando de 0,873-0,9, sugerindo uma segmentação altamente acurada. A distância média Euclidiana foi <3mm. A segmentação automatizada também gerou medida de diâmetro da luz verdadeira e falsa e da aorta ao longo de sua extensão, permitindo que os radiologistas tenham os volumes mensurados. Quantitativamente. Isso é altamente aplicável para o cuidado do paciente, no qual o diâmetro da aorta é usado para indicar necessidade de intervenção. Aplicações clínicas atuais ainda estão longe, devido a necessidade de alimentação manual do sistema por parte de especialistas, uma vez que podem ocorrer erros na identificação da luz verdadeira e falsa, o que aconteceu em 3,8% dos estudos. Os autores também propõem que a rede neural complexa pode ter sofrido viés, visto que o mesmo grupo de estudo foi usado como teste e como validação. A medida que os dados e população de pacientes aumenta, a rede neural pode se tornar capaz de diferenciar uma ampla variação fenotípica de dissecção. A maioria dos algoritmos de inteligência artificial tendem a ter dificuldades em cenários da vida real devido a grande variedade inata de equipamentos de tomografia, biotipos de pacientes e ruído. A medida que a inteligência artificial continua a melhorar, certamente se tornará uma ferramenta confiável para os médicos monitorarem as dissecções aórticas do tipo B não complicadas.
Translation by: Philippe Alcantara Goncalves Martins, MD
References
