Registro conjunto multimodal entre dispositivos y sin marcadores de modalidades de imagen preclínica
27 de octubre de 2023
La combinación de múltiples modalidades de imagen es a menudo necesaria para obtener una comprensión completa de la fisiopatología. Este enfoque utiliza fantasmas para generar una transformación diferencial entre los sistemas de coordenadas de dos modalidades, que luego se aplica para el corregistro. Este método elimina la necesidad de fiduciales en los escaneos de producción.
Desarrollamos herramientas de software para la obtención de imágenes preclínicas, incluida la reconstrucción, fusión, segmentación y cuantificación de imágenes. Nuestro software está diseñado para ser fácil de usar, eficiente y compatible con cualquier dispositivo de imagen de animales pequeños para permitir un análisis cuantitativo reproducible de los datos de imagen multimodal adquiridos. La automatización es un tema importante en nuestro campo porque el análisis manual suele llevar demasiado tiempo, es propenso a errores y difícilmente reproducible.
La automatización basada en software puede hacer que el análisis sea eficiente y reproducible, pero el desafío está en hacer que la automatización sea lo suficientemente robusta. Los dispositivos de imagen para animales pequeños proporcionan datos de imagen volumétrica de ratones y ratas de laboratorio anestesiados, y permiten la evaluación no invasiva de los cambios patológicos y fisiológicos. Los dispositivos multimodales integrados combinan los puntos fuertes de múltiples modalidades, como Micro-CT y PET.
También es posible combinar dos dispositivos separados. Desarrollamos software para la fusión automatizada de modalidades especiales, como Micro-CT y FMT. También proporcionamos un software eficiente para la fusión interactiva de imágenes y definimos un nuevo formato de archivo para almacenar los datos de la imagen, considerando aspectos de la curación de datos.
El año pasado, publicamos un enfoque para la compuerta respiratoria retrospectiva en entornos de alto rendimiento. Nuestro protocolo reside en una matriz de transformación, que se genera mediante un paso de calibración que involucra estructuras visibles como marcadores de referencia. Luego, la fusión de imágenes se puede automatizar utilizando esta matriz de transformación, lo que elimina la necesidad de marcadores.
Resumen
Este estudio presenta herramientas de software diseñadas para imágenes preclínicas, centrándose en la automatización del análisis de imágenes multimodales. Las herramientas mejoran la eficiencia y la reproducibilidad al analizar datos de imágenes volumétricas provenientes de dispositivos de imagen en animales pequeños.
Componentes Clave del Estudio
Área de la ciencia
- Neurociencia
- Técnicas de Imagen
- Desarrollo de Software
Antecedentes
- La imagen preclínica es esencial para comprender los cambios fisiológicos y patológicos.
- El análisis manual de los datos de imagen suele ser lento y propenso a errores.
- La automatización puede mejorar la eficiencia y la reproducibilidad del análisis de imágenes.
- Los dispositivos multimodales integrados combinan las ventajas de diversas modalidades de imagen.
Objetivo del estudio
- Desarrollar un software fácil de usar para la fusión y análisis automatizados de imágenes.
- Eliminar la necesidad de marcas fiduciarias en el registro de imágenes.
- Posibilitar el análisis cuantitativo reproducible de datos de imágenes multimodales.
Métodos Utilizados
- Desarrollo de herramientas de software para la fusión, segmentación y cuantificación de datos de imágenes.
- Automatización de la fusión de imágenes mediante matrices de transformación obtenidas a partir de pasos de calibración.
- Integración de datos de imágenes procedentes de dispositivos como micro-TC y PET.
- Implementación de interfaces intuitivas para cargar y analizar imágenes.
Resultados principales
- Se logró con éxito la fusión automatizada de modalidades de imagen sin uso de fiduciales.
- Las herramientas de software demostraron eficiencia en el manejo de datos volumétricos de animales pequeños.
- Se definieron nuevos formatos de archivo para una mejor curación y almacenamiento de datos.
- Se validaron la compuerta respiratoria retrospectiva y los ajustes de alto rendimiento.
Conclusiones
- El software desarrollado mejora el análisis de datos de imágenes multimodales.
- La automatización reduce significativamente el tiempo y los errores asociados con el análisis manual.
- Este enfoque puede facilitar evaluaciones más precisas en la investigación preclínica.
Preguntas frecuentes
Relevancia Ejecutiva para la Industria
La co-registración robusta y sin marcadores de modalidades de imagen preclínica aborda un cuello de botella crítico en la investigación traslacional al permitir la integración reproducible y cuantitativa de conjuntos de datos multimodales. Esta capacidad mejora la confianza predictiva en los modelos de enfermedad y apoya una validación de objetivos más confiable y una reducción de riesgos mecanicistas a lo largo del proceso de descubrimiento. Los flujos de trabajo optimizados y listos para automatización reducen la variabilidad manual y facilitan estudios de imagen escalables y multi-sitio para carteras empresariales de I+D.
Aplicaciones Estratégicas en I+D de Biotecnología Farmacéutica
Descubrimiento Temprano y Validación de Blancos
- Permite la evaluación cuantitativa y no invasiva de cambios biológicos en modelos de animales pequeños.
- Apoya la validación funcional de dianas mediante la integración de datos de imágenes anatómicas y moleculares.
- Reduce la ambigüedad mecanicista mediante la correlación espacial precisa de señales multimodales.
- Facilita la selección de carteras al mejorar el valor predictivo de los hallazgos preclínicos.
Desarrollo de Pruebas y Tamizaje
- Prepara conjuntos de datos de imágenes validados para análisis cuantitativos y flujos de trabajo de cribado posteriores.
- Normaliza la fusión de imágenes y la co-registración, mejorando la reproducibilidad entre estudios.
- Posibilita flujos de trabajo escalables y compatibles con automatización para ensayos de imágenes de alto rendimiento.
- Facilita la evaluación confiable de los efectos de compuestos en modelos relevantes para enfermedades.
Investigación Traductacional y Preclínica
- Alinea los resultados de imagen con estrategias de biomarcadores traslacionales mediante la integración de datos funcionales y estructurales.
- Asegura la continuidad desde el descubrimiento hasta la validación preclínica al facilitar la integración de datos de diferentes modalidades.
- Reduce los riesgos en las decisiones de avance al proporcionar puntos finales de imagen cuantitativos y robustos.
- Mejora la caracterización de los modelos de enfermedad para una mayor relevancia traslacional.
Integración de la tubería y flujo de trabajo
Este flujo de trabajo de co-registro sin marcadores conecta el descubrimiento inicial, la identificación de compuestos activos y la validación preclínica mediante la integración fluida de datos de imágenes procedentes de múltiples modalidades y dispositivos.
- Biología de Descubrimiento: Apoya la comprobación de hipótesis y la clarificación de vías mediante análisis de imágenes integrado.
- Selección: Proporciona resultados de imágenes cuantitativos y reproducibles para la evaluación de compuestos.
- Análisis: Ofrece matrices de transformación y formatos de archivo curados para comparaciones estadísticas rigurosas.
- Investigación Traslacional: Facilita la alineación de biomarcadores y la validación de modelos de enfermedades en distintas plataformas de imágenes.
- Reutilización Empresarial: Ofrece una solución escalable e independiente del dispositivo para la integración de imágenes multimodales en diferentes centros de I+D.
Impacto Operativo y Empresarial
- Valor científico: Aumenta la confianza predictiva y reduce el riesgo biológico en estudios preclínicos de imágenes.
- Valor operativo: Estandariza y automatiza la fusión de imágenes, minimizando errores y variabilidad manuales.
- Valor estratégico: Permite tomar decisiones más informadas de avance/no avance y una gestión eficiente del portafolio en términos de capital.
- Impacto en el portafolio: Apoya la priorización ajustada al riesgo y el avance de programas de descubrimiento.
Consideraciones de Implementación
- Requiere experiencia en imágenes preclínicas y análisis cuantitativo.
- Depende de dispositivos de imagen compatibles y de una infraestructura de software para la integración de datos.
- Necesita la estandarización entre equipos de los protocolos de imagen y del manejo de metadatos.
- Adaptable a diversas combinaciones de modalidades de imagen y flujos de trabajo específicos de cada sitio.
- La calibración basada en fantomas y la generación de matrices de transformación son esenciales para la configuración inicial.
Preguntas frecuentes sobre biofármacos
Chapters in this video
0:00
Introduction
2:01
Calculation of the Differential Transformation for Cross‐Device Co‐Registration of Two Preclinical Imaging Modalities
6:10
Application of the Differential Transformation for Cross‐Device Co‐Registration of Two Preclinical Imaging Modalities
