Artigo de método

Identificação de Erosões em Articulações Metacarpofalangeanas em Artrite Reumatoide utilizando Tomografia Computadorizada Quantitativa Periférica de Alta Resolução

4.2K visualizações

⸱

DOI:

10.3791/65802

⸱

6 de outubro de 2023

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Radiology, McCaig Institute for Bone and Joint Health, University of Calgary, 2Department of Biomedical Engineering, University of Calgary, 3University Medical Center Freiburg, 4Department of Rheumatology, University of São Paulo, 5Department of Radiology and Biomedical Imaging, University of California, San Francisco, 6Department of Biomedical Engineering, University of Melbourne, 7Department of Medicine and Therapeutics, The Chinese University of Hong Kong

Neste artigo

Resumo

As erosões ósseas são uma importante característica patológica da artrite reumatoide. O objetivo deste trabalho é apresentar uma ferramenta de treinamento para fornecer aos usuários orientação na identificação de quebras corticais patológicas em imagens de tomografia computadorizada quantitativa periférica de alta resolução para análise de erosão.

Resumo

As erosões ósseas são uma característica patológica de várias formas de artrite inflamatória, incluindo a artrite reumatoide (AR). O aumento da presença e do tamanho das erosões está associado a piores desfechos, função articular e progressão da doença. A tomografia computadorizada quantitativa periférica de alta resolução (TCFC-pQCT) fornece visualização in vivo incomparável das erosões ósseas. No entanto, nessa resolução, também são visíveis descontinuidades na concha cortical (quebras corticais) que estão associadas a processos fisiológicos e patologias normais. O estudo grouP para xtrEme Computed Tomography in Rheumatoid Arthritis usou previamente um processo de consenso para desenvolver uma definição de erosão patológica no HR-pQCT: uma ruptura cortical detectada em pelo menos dois cortes consecutivos, em pelo menos dois planos perpendiculares, de forma não linear, com perda óssea trabecular subjacente. No entanto, apesar da disponibilidade de uma definição de consenso, a identificação da erosão é uma tarefa exigente com desafios na variabilidade interobservadores. O objetivo deste trabalho é introduzir uma ferramenta de treinamento para fornecer aos usuários orientação sobre a identificação de quebras corticais patológicas em imagens HR-pQCT para análise de erosão. O protocolo aqui apresentado utiliza um módulo custom-built (Bone Analysis Module (BAM) - Training), implementado como uma extensão de um software de processamento de imagens open-source (3D Slicer). Usando este módulo, os usuários podem praticar a identificação de erosões e comparar seus resultados com erosões anotadas por reumatologistas especializados.

Introdução

As erosões ósseas ocorrem quando a inflamação causa perda óssea localizada na superfície óssea cortical. Essas erosões se estendem para a região óssea trabecular subjacente. São uma característica patológica de várias formas de artrite inflamatória, incluindo a artrite reumatoide (AR)1. A presença e o tamanho da erosão estão associados a piores resultados, função do paciente e progressão da doença 2,3,4,5. Enquanto a radiografia simples continua sendo o padrão clínico para avaliação de erosão, a tomografia computadorizada quantitativa periférica de alta resolução (TCFC-pQT) fornece imagens 3D e sensibilidade e especificidade superiores para detecção deerosão6,7. Para artrite inflamatória, como a AR, o FC-pQCT é comumente realizado nas2ª e3ª articulações metacarpofalangeanas - as articulações mais acometidas da mão8. Como as imagens de FC-pQCT têm alta resolução espacial, interrupções fisiológicas na superfície cortical também são observadas em indivíduos saudáveis sem AR9. Essas interrupções corticais estão frequentemente associadas à passagem de canais vasculares ou forame nutriente através doosso10. Assim, o desafio é distinguir as interrupções corticais associadas a um processo patológico (isto é, erosões patológicas) de características não patológicas.

A definição consensual de erosão óssea patológica foi publicada pelo Study grouP for xtrEme Computed Tomography in Rheumatoid Arthritis (SPECTRA) como a presença de uma interrupção definitiva na camada cortical do osso que se estende por pelo menos dois cortes consecutivos e é detectável em dois ou mais planos perpendiculares11. Além disso, a interrupção deve ser de forma não linear e acompanhada de perda na região trabecular. Exemplos visuais de interrupções corticais que preenchem ou não os critérios de erosões são mostrados em Klose-Jensen et al.12.

No entanto, nem todas as interrupções corticais que atendem aos critérios acima são classificadas como erosões. As interrupções são, algumas vezes, causadas por processos fisiológicos, como canais vasculares (Figura 1). Estas podem ser identificadas e diferenciadas das erosões devido à sua localização anatômica previsível, margens paralelas e retas e tamanho submilimétrico13. Os cistos são outra forma de interrupção cortical que não é considerada uma erosão. Frequentemente apresentam estrutura trabecular arredondada com parede cística clara13. Em contraste com as bordas afiadas e a estrutura trabecular aberta exibida por erosões. No entanto, é possível que erosões se formem dentro de sítios císticos, tornando ambíguo delinear o volume de perda óssea causado pelas erosões e não pelos cistos. Embora resolver essa ambiguidade com critérios adicionais não seja o objetivo deste estudo, há necessidade de fornecer exemplos abrangentes de erosão patológica e interrupções corticais fisiológicas.

figure-introduction-1
Figura 1: Exemplo de interrupções corticais que não foram causadas exclusivamente por erosões. (A) Desenho ilustrativo da localização comum dos canais vasculares na base da cabeça do metacarpo. Exemplos de canais vasculares nos planos (B) coronal, (C) sagital, (D) e (E) axial. (F) Exemplo de interrupção cortical causada por cisto. (G) Exemplo de volume de micção na região trabecular do osso envolvendo cistos e erosões. Clique aqui para ver uma versão maior desta figura.

Apesar dos desafios na identificação da erosão, atualmente não existem ferramentas de treinamento para fornecer aos usuários menos experientes orientação sobre a interpretação de imagens HR-pQCT para análise de erosão. Recentemente, foi desenvolvido um módulo open-source para análise de erosão denominado bone analysis module (BAM) - Erosion Volume, implementado como extensão de um software de processamento de imagens open-source para permitir a visualização da erosão e análises volumétricas14. O protocolo aqui apresentado descreve o uso de um módulo de treinamento adicionado ao BAM (BAM - Training), que compara as tentativas de identificação de erosão de um usuário comparando a identificação de erosão com erosões anotadas por reumatologistas especialistas. Esta ferramenta de treinamento fornece aos usuários feedback sobre a identificação da erosão, a fim de orientar melhorias na análise da erosão. As instruções de instalação do software são fornecidas na etapa 1. Para obter novas aquisições de dados, consulte as etapas 3 a 5.3. Somente para uso do módulo de treinamento, consulte a etapa 2.

Protocolo

Todos os métodos deste protocolo seguem as diretrizes estabelecidas pelo Conjoint Health Research Ethics Committee da Universidade de Calgary (REB19-0387).

1. Instale o 3D Slicer 15 e os módulos de análise óssea

  1. Baixe o arquivo de instalação para uma versão estável do 3D Slicer que seja relevante para o sistema operacional usado a partir do https://download.slicer.org/.
  2. Execute o arquivo de instalação baixado e siga as instruções fornecidas no assistente.
  3. Quando a instalação estiver concluída, prossiga com a instalação dos módulos de análise óssea.
    1. Baixe os módulos de análise óssea do https://doi.org/10.5281/zenodo.7943007 como um arquivo zip compactado e extraia a pasta compactada. Observe o diretório onde a pasta extraída está localizada.
    2. Inicie o 3D Slicer. Carregue os módulos no 3D Slicer clicando em Editar no canto superior esquerdo da janela do 3D Slicer. Clique em Editar > configurações do aplicativo para abrir uma nova janela.
    3. Clique em Módulos , que é uma guia localizada à esquerda na janela Configurações aberta recentemente. Adicione os caminhos aos módulos de análise óssea em Caminhos de módulo adicionais: (Figura 2).
      1. Para fazer isso, arraste e solte a seguinte lista de pastas na caixa localizada em Caminhos de módulo adicionais:. Essas pastas estão localizadas dentro da pasta baixada na etapa 1.3.1: AutoMask, CorticalBreakDetection, ErosionComparison, ErosionVolume, FileConverter, ImageRegistration, Training. A janela Configurações deve ser semelhante à Figura 2.
      2. Pressione OK no canto inferior direito da janela Configurações. Uma reinicialização é necessária para confirmar a instalação dos módulos. Faça isso fechando o 3D Slicer e reiniciando-o.
        NOTA: O carregamento dos módulos é feito apenas uma vez por instalação do 3D Slicer. Após novas atualizações no repositório GitHub de análise óssea, um simples comando git pull de terminal (ou linha de comando) no diretório que contém o download BAM anterior atualizará automaticamente todos os módulos. Novamente, alternativamente, o repositório pode ser baixado, e os módulos antigos trocados com os novos manualmente.

figure-protocol-1
Figura 2: Exemplo de janela de configurações após adicionar módulos de análise óssea a uma instalação do 3D Slicer. A imagem mostra uma captura de tela da janela de configurações com os módulos destacados na caixa vermelha. Clique aqui para ver uma versão maior desta figura.

2. Módulo de treinamento

  1. Inicie o módulo BAM-Training.
    1. Clique no menu suspenso localizado na barra de ferramentas do 3D Slicer. Encontre os módulos de análise óssea e passe o mouse acima dele (Figura 3). Clique em Treinamento.
  2. Carregue arquivos no módulo.
    1. Ao iniciar o módulo de treinamento BAM, todos os arquivos necessários (imagens em escala de cinza, máscaras, segmentações de erosão de referência) serão carregados automaticamente clicando em Continuar, supondo que o repositório github BAM tenha sido baixado conforme mencionado acima.
  3. Escolha um tipo de verificação para os arquivos.
    1. Escolha um passando o mouse sobre o menu suspenso denominado Volume de entrada: Selecione um Volume, isso representa a imagem mestre em escala de cinza.
    2. Escolha a máscara (ou seja, o arquivo que identifica o volume dentro da superfície periosteal) no menu suspenso chamado Máscara de entrada: selecione um volume. Certifique-se de que essa máscara corresponda ao volume de entrada acima, verificando se o ID de medição e a articulação MCP são as mesmas em ambas as seleções.
    3. Se esta for a primeira vez que o módulo de treinamento nesta imagem for executado com este lançamento do 3D Slicer, crie uma nova segmentação de saída no menu suspenso denominado Erosões de saída: selecione uma segmentação. Para fazer isso, clique no menu suspenso e selecione Criar nova segmentação. Isso criará um novo nó de segmentação de saída rotulado após o rótulo da máscara de entrada + _ER. Para dar à saída um rótulo diferente, selecione Criar nova segmentação como... em vez disso e insira o rótulo desejado.
      NOTA: No 3D Slicer e neste documento, a máscara e a segmentação identificam o volume dentro da superfície periosteal do osso. A máscara é visualizada como uma imagem binária, enquanto a segmentação refere-se à visualização da imagem binária sobreposta com a imagem em escala de cinza. Essas distinções são feitas pelo 3D Slicer. Um exemplo é ilustrado na Figura 4.
  4. Coloque os pontos de semente conforme descrito abaixo.
    1. Para começar, crie uma nova lista de pontos de semente para adicionar pontos de semente. Para fazer isso, clique no menu suspenso rotulado Pontos de semente: Nenhum e crie uma nova lista selecionando Criar nova lista de pontos. Novamente, o padrão de rotulagem é rótulo de imagem de entrada + _SEEDS. Para fornecer seu próprio rótulo, selecione Criar nova lista de pontos....
    2. Percorra as fatias e identifique os locais de erosão colocando um ponto de semente na região de interesse. Pressione o botão Red Dot-Blue Drop mostrado na Figura 5A para adicionar um novo ponto de propagação.
      1. Coloque o ponto de semente o mais profundo (para dentro do osso trabecular) no volume de erosão possível. Certifique-se de que o ponto de semente está colocado na região mais escura do volume.
      2. Para alterar o tamanho do ponto de semente, modifique o tamanho da porcentagem na caixa de texto denominada Tamanho do ponto de semente:. Outros campos na tabela de pontos de semente, como interrupção óssea e cortical, são para os registros do usuário e não afetam o algoritmo de cálculo de erosão.
  5. Obtenha feedback conforme descrito abaixo.
    1. Uma vez que os pontos de semente tenham sido colocados. Pressione o botão denominado Get Erosions, realçado na Figura 5B, para executar o algoritmo de medição de erosão nas entradas fornecidas. Após a conclusão das medições de erosão, o módulo fornecerá feedback sobre a colocação do ponto de semente. A localização de cada ponto de semente é comparada com a localização das erosões de referência para corresponder os pontos de semente à erosão que está tentando medir.
    2. Obter erosões de referência calculando o volume de erosão usando pontos de sementes colocados por reumatologistas com treinamento, extensos registros de publicação e mais de 10 anos de experiência usando imagens HR-pQCT e análise de erosão (SF e CF).

figure-protocol-2
Figura 3: Menu suspenso do 3D Slicer. O menu suspenso para encontrar os módulos de análise óssea e selecionar o módulo de treinamento. Clique aqui para ver uma versão maior desta figura.

figure-protocol-3
Figura 4: Identificação do volume dentro da superfície periosteal do osso. (A) Exemplo de máscara. A máscara é visualizada como uma imagem binária. (B) Exemplo de segmentação. A segmentação refere-se à visualização da imagem binária sobreposta à imagem em escala de cinza. Essas distinções são feitas pelo 3D Slicer. Clique aqui para ver uma versão maior desta figura.

figure-protocol-4
Figura 5: Captura de tela de exemplo do módulo de treinamento no 3D Slicer. (A) Clique para adicionar novos pontos de semente. (B) Clique para calcular os volumes de erosão. (C) Clique para importar imagens. (D) Clique para revelar os pontos de semente colocados pelos especialistas. Clique aqui para ver uma versão maior desta figura.

3. Aquisição e exportação de imagens para uso em ferramenta de análise de erosão

  1. Adquira imagens HR-pQCT usando um scanner HR-pQCT de primeira ou segunda geração. Um scanner comercial foi utilizado para a aquisição das imagens para este estudo (ver Tabela de Materiais).
    OBS: As imagens utilizadas neste estudo são das2ª e3ª articulações metacarpofalangeanas e foram adquiridas utilizando o protocolo descrito em Barnabe et al.8, porém as imagens de quaisquer articulações com erosões são compatíveis com MAB.
  2. Inspecionar imagens em busca de artefatoem movimento 16,17. Não use imagens com escores de movimento > 3 para análise de erosão.
  3. Exporte arquivos AIM (formato de imagem proprietário) ou imagens digitais e comunicações em medicina (DICOM) de cada articulação para um disco local usando o protocolo de transferência de arquivos (FTP). Arquivos de juntas individuais podem ser gerados usando o pipeline de análise de largura de espaço de articulação (JSW) fornecido pelo fabricante18. Renomeie arquivos do formato de número padrão para facilitar o uso.

4. Conversão de arquivos e geração de máscaras ósseas

NOTA: Dependendo do formato da imagem, siga a etapa 4.1 para imagens AIM (HR-pQCT proprietary image format), MHA (ITK MetaImage format), nii (NIfTI - Neuroimaging Informatics Technology Initiative), NRRD (Almost Raw Raster Data) ou a etapa 4.2 para imagens DICOM.

  1. Para importar imagens com qualquer um dos seguintes formatos de arquivo de imagem: MHA, nii, AIM ou NRRD, siga as etapas descritas abaixo.
    1. Clique no botão denominado DATA localizado no canto superior esquerdo da janela do 3D Slicer (Figura 5C).
    2. Para adicionar arquivos de imagem, clique em Escolher arquivo(s) para adicionar, localize e adicione as imagens.
    3. Para adicionar um diretório inteiro de imagens, clique em Escolher diretório para adicionar, localize e adicione o diretório. Isso carregará todas as imagens nesse diretório.
    4. Se uma máscara de imagem precisar ser importada como uma segmentação de segmentação de dados 3D por qualquer motivo, primeiro converta em um arquivo NRRD ou nii. Esta conversão pode ser feita automaticamente, consulte a etapa 4.4.1 para obter detalhes.
  2. Importe arquivo(s) DICOM no 3D Slicer conforme descrito abaixo.
    1. Clique no botão denominado DCM localizado no canto superior esquerdo da janela da segmentação de dados 3D.
    2. Clique em Importar arquivos DICOM, localize e adicione o diretório que contém os arquivos DICOM (extensão é .dcm).
    3. Clique no botão Carregar localizado no lado direito da janela.
  3. Obtenha a máscara de imagem usando a Etapa 2 - Máscara Automática no módulo BAM - Máscara Automática.
    1. Clique no menu suspenso localizado na barra de ferramentas do 3D Slicer. Encontre Módulos de Análise Óssea e passe o cursor do mouse acima dele. Clique em Máscara Automática.
    2. Na guia Etapa 2 - Máscara Automática, selecione um volume de entrada usando o menu suspenso denominado Volume de Entrada:. Esta é a varredura de entrada.
    3. Crie uma nova saída no menu suspenso rotulado segmentação de saída: e selecione Criar Novo LabelMapVolume. Isso criará um novo nó de saída rotulado após o rótulo da máscara de entrada + _MASK. Para dar à saída um rótulo diferente, selecione Criar Novo LabelMapVolume como... e insira o rótulo desejado.
    4. Insira o número de ossos a serem mascarados na caixa de texto com esse rótulo. Selecione Ormir no menu suspenso denominado Algoritmo para obter a segmentação ideal para esta análise19.
      NOTA: Outras opções para gerar essas máscaras estão disponíveis e podem ser adicionadas no futuro.
    5. Clique em Obter máscara. Isso executará o algoritmo (~2-3 min) e produzirá o resultado no mesmo diretório da imagem de entrada. Ele também salvará uma máscara separada para cada osso se a imagem tiver vários ossos.
  4. Realizar a correção manual da máscara óssea utilizando o Passo 3 - Correção Manual no módulo MAS. Muitas vezes a máscara gerada não é precisa. Execute a correção manual para adicionar, excluir ou editar componentes específicos das segmentações.
    1. Para editar uma máscara que foi gerada por outros meios ou gerada em uma execução anterior do 3D Slicer, use este módulo para carregar essas máscaras no 3D Slicer a partir de um arquivo. A extensão do arquivo pode ser qualquer um dos seguintes, MHA, nii, NRRD, AIM.
      1. Copie as imagens para o diretório LOAD_MASKS localizado na pasta BAM baixada na etapa 1.3.
      2. Volte para o 3D Slicer e pressione o botão Load no estágio de correção manual.
    2. Selecione a segmentação a ser corrigida no menu suspenso Máscara a ser corrigida:".
    3. Selecione a imagem original em escala de cinza pertencente a essa segmentação de erosão no menu suspenso denominado Volume mestre:. Pressione Inicializar.
    4. Cada segmentação deve ter sua própria entrada na tabela abaixo. Selecione a segmentação a ser corrigida com base na cor da segmentação.
    5. Para adicionar a uma segmentação, clique no segundo botão na primeira linha. Isso usa a função de pintura. Faça adições aos volumes desenhando nas imagens (mantenha pressionado o botão esquerdo do mouse para baixo e mova o mouse).
    6. Para remover parte da segmentação, clique no botão abaixo da tabela chamada Apagar entre fatias. Esta é a função de apagar e funciona como a função de pintura, mas apaga em vez disso.
    7. Desenhe adições conforme necessário em aproximadamente cada 10-25 fatias, mas certifique-se de incluir a primeira fatia e a última fatia onde uma adição foi necessária.
    8. Se a função de pintura foi usada, as alterações podem ser interpoladas clicando no primeiro botão da quinta linha rotulada função Preencher entre fatias . Clique nos botões Inicializar > Aplicar.
    9. Se a função de apagar foi usada, basta clicar no botão abaixo da tabela rotulada Apply Erase. Não use as funções de pintar e apagar ao mesmo tempo. Aplique uma função primeiro e aplique a outra.
    10. Depois que as edições forem concluídas, pressione Aplicar.

5. Identificação de erosões

  1. Utilize a Etapa 4 - Erosões no módulo BAM - Volume de Erosão para identificação da erosão. O módulo de volume de erosão é a ferramenta responsável por identificar e medir erosões dentro de uma varredura.
    NOTA: Este módulo é o foco da ferramenta de treinamento detalhada acima e tem um fluxo de trabalho quase idêntico. As diferenças são que as erosões computadas não são comparadas com as habilmente anotadas, exportando-se estatísticas de erosão e correção manual dos volumes após sua identificação é possível aqui.
  2. Coloque pontos de semente e obtenha erosão como feito na etapa 2.4. No final, nenhum feedback será fornecido.
  3. Correção Manual
    1. Se o tamanho e a forma dos volumes de erosão detectados automaticamente não forem satisfatórios, edite-os nas guias rotuladas Etapa 5 - Correção Manual e Segmentação de Exportação. Siga as etapas descritas na etapa 4.4. No entanto, não há opção de carregar volumes de erosão externa. Não pressione Aplicar depois de concluir as correções, pois as alterações já foram salvas.

6. Estatísticas de erosão

  1. Exporte os dados computados para um arquivo de planilha (formato CSV) usando a guia denominada Etapa 6 - Estatísticas.
  2. Forneça o volume de erosão calculado na Etapa 4 e, opcionalmente, corrigido na Etapa 5 no menu suspenso denominado Erosões de entrada.
  3. Forneça a imagem em escala de cinza no menu suspenso denominado Volume Mestre. Forneça a largura do voxel, em mm, da imagem na caixa de texto. Pressione Obter estatísticas.
  4. O arquivo de planilha foi gerado no diretório chamado EROSIONS_OUTPUT_DATA localizado na pasta BAM baixada na etapa 1.3. Consulte a Tabela 1 para obter um exemplo da tabela de saída.

Resultados

Usando a ferramenta de treinamento, os usuários podem praticar a identificação de locais de erosão enquanto recebem feedback sobre seus resultados. Esse loop de feedback pode melhorar a capacidade do usuário de identificar erosões e potencialmente usar os módulos BAM para identificar erosões em suas próprias imagens. O feedback após a colocação do ponto de semente é baseado nos seguintes critérios. 1) Se o número de pontos de semente colocados não corresponder ao número de erosões de referência, o usuário é solicitado a excluir ou adicionar o número apropriado de pontos de sementes. 2) Se a localização do ponto de semente não puder ser combinada com uma erosão de referência, o feedback informando que não existe erosão no local desse ponto de semente é exibido. 3) Se um ponto de semente for combinado com uma interrupção cortical patológica/fisiológica de referência, como um cisto ou um canal vascular, o usuário é informado sobre o tipo de interrupção cortical que tentou identificar como erosão e é solicitado a remover o ponto de semente. 4) Se a localização do ponto de semente se sobrepor a uma erosão de referência, o algoritmo ainda pode não detectar a erosão. Isso pode ocorrer quando o ponto da semente não foi centrado na erosão. Nesses casos, o usuário é solicitado a ajustar a posição do ponto de semente. 5) Se um ponto de semente for colocado muito longe de qualquer erosão, o usuário é informado de sua colocação incorreta e encorajado a tentar novamente. 6) Quando a localização de um ponto de semente corresponde à erosão de referência, um prompt é exibido informando o usuário de sua tentativa bem-sucedida de identificar a erosão naquele ponto específico de semente.

A seção a seguir ilustra exemplos de como o módulo funciona com base em diferentes entradas. Entradas corretas e incorretas serão demonstradas nos exemplos a seguir. A Figura 6A mostra a localização do ponto de semeadura que está localizado dentro da erosão. Apenas uma erosão existe dentro desta imagem, portanto, computar as erosões com o ponto de semente produzirá os resultados esperados. A Figura 6B mostra o prompt exibido aos usuários quando sua tentativa de identificar as erosões corresponde à imagem anotada por especialistas. O módulo também exibe os resultados como segmentações na imagem em escala de cinza (Figura 6C). Se o usuário colocasse um ponto de semente em um local sem erosão, como a Figura 7A, o módulo exibiria um prompt de erro (Figura 7B) informando que não existe erosão nesse local e sugerindo que o usuário realocasse/removesse os pontos de semente.

figure-results-1
Figura 6: Exemplo de identificação correta da erosão. (A) Exemplo de um usuário colocando corretamente um ponto de semente dentro do local de erosão. (B) Exemplo de alerta de feedback quando todas as erosões foram identificadas corretamente. (C) Exemplo de segmentação de erosão exibida quando uma erosão é calculada corretamente. Clique aqui para ver uma versão maior desta figura.

figure-results-2
Figura 7: Exemplo de identificação incorreta de erosão. (A) Exemplo de um ponto de semente colocado onde não existe erosão. (B) Exemplo de um prompt de erro quando um ponto de semente é colocado em um local que não tem erosão. Clique aqui para ver uma versão maior desta figura.

A localização de todos os cistos e canais vasculares nas imagens de treinamento fornecidas foi identificada por um especialista. Portanto, é possível detectar quando um usuário tenta identificar incorretamente um cisto ou um canal vascular. A Figura 8A ilustra uma tentativa de identificar um cisto colocando um ponto de semente sobre ele. A Figura 8B é o prompt de erro exibido subsequentemente.

figure-results-3
Figura 8: Exemplo de identificação do cisto. (A) Exemplo de um ponto de semente colocado em um cisto. (B) Exemplo de um prompt de erro quando um ponto de semente é colocado em um cisto. Clique aqui para ver uma versão maior desta figura.

O módulo também informará ao usuário se ele tem a quantidade certa de pontos de semente. Se o usuário colocou um número incorreto de pontos de semente, o módulo informará ao usuário a quantidade exata de pontos de semente que estão faltando ou extra para identificar todas as erosões na imagem. O módulo também fornece feedback para cada ponto de semente colocado. Portanto, o usuário sabe quais ações tomar para cada ponto de semente individual. A Figura 9 demonstra um exemplo em que um usuário colocou apenas um ponto de semente quando dois eram esperados.

figure-results-4
Figura 9: Exemplo de erosões computadas enquanto falta um ponto de semente. O exemplo demonstra um exemplo em que o usuário colocou apenas um ponto de semente quando dois eram esperados. Clique aqui para ver uma versão maior desta figura.

Se um usuário tiver problemas para encontrar alguma ou todas as erosões, ele terá a opção de revelar os locais anotados pressionando um botão chamado Revelar pontos de semente corretos (Figura 5D). Quando pressionado, esse botão carregará os pontos de semente corretos na janela atual da segmentação de dados 3D.

Em resumo, isso mostra que o módulo de software pode avaliar a correção da tentativa do usuário de identificar erosões nas imagens selecionadas, comparando a erosão computada com erosões habilmente anotadas. Além disso, o módulo fornece feedback com base em cada ponto de semente colocado pelo usuário para guiá-los em direção à localização esperada do ponto de semente e aos parâmetros de entrada.

ID da varreduraInterrupção corticalOssoEtiquetaLocalização do CentroideVolume (mm3)Área de superfície (mm2)RedondezaNúmero de voxels (voxels)
3_Training.niiErosãoMetacárpicoSEEDS_28-1210, 108, 2423.32166885314.468183780.7441149114853
3_Training.niiErosãoMetacárpicoSEEDS_28-3179, 100, 2411.1007395627.1212312390.72396594922

Tabela 1: Exemplo de um arquivo de saída gerado (formato csv) descrevendo erosões computadas e suas estatísticas.

Discussão

Esta ferramenta de treinamento oferece uma oportunidade de aprender a identificar erosões usando o módulo de análise óssea. O uso adicional dessa ferramenta de análise de erosão, além do treinamento, requer acesso a imagens de boa qualidade, com pouco ou nenhum artefato de movimento. A definição de erosão HR-pQCT baseada na literatura descreve características anatômicas associadas a erosões patológicas que podem ser relatadas com razoável reprodutibilidade11,20. No entanto, essa definição não leva em conta a localização anatômica comum dos canais vasculares, podendo resultar em sua classificação errônea como erosõesósseas10.

As etapas críticas desse protocolo são a geração da máscara óssea, a colocação dos pontos de semente e a geração do volume de erosão. Enquanto métodos automatizados para gerar as máscaras e o volume de erosão são implementados, as máscaras muitas vezes requerem correção manual para garantir resultados satisfatórios. Uma descrição abrangente das ferramentas disponíveis para realizar as correções manuais é fornecida. A colocação dos pontos de semente é orientada pelos exemplos de treinamento fornecidos pelo módulo BAM-Training.

Com base nos dados utilizados até o momento, este protocolo fornece sugestões para solução de problemas quando o módulo de análise de erosão não produz os resultados esperados. Em trabalhos futuros, será facultado o acesso a dados de formação adicionais. Estudo prévio mostrou que os volumes de erosão avaliados por esse método são comparáveis aos métodos existentes 14,21,22. O fornecimento de dados de treinamento permitirá a comparação com ferramentas de análise de erosão mais recentes à medida que são desenvolvidas23.

A ferramenta de treinamento aqui introduzida auxilia principalmente na identificação da erosão; no entanto, o método é atualmente limitado pela falta de um consenso em definir a extensão de uma erosão no osso trabecular. No entanto, os módulos BAM são de código aberto, portanto, à medida que as definições futuras de extensão da erosão mudam, outros pesquisadores têm acesso para modificar os módulos para atender às suas necessidades.

À medida que o uso do HR-pQCT na pesquisa reumatológica se expande, a ferramenta de treinamento fornece aos usuários inexperientes orientação sobre a identificação de interrupções corticais patológicas em imagens HR-pQCT para análise de erosão. Esta ferramenta será aplicável aos pesquisadores independentemente do método selecionado para análise da erosão. Embora a identificação de erosão completamente automatizada seja desejável para melhorar a reprodutibilidade e a velocidade da análise, grandes conjuntos de dados de referência/benchmark com anotações precisas são necessários para treinar modelos de aprendizado de máquina. Como uma ferramenta de código aberto, este módulo oferece uma oportunidade de desenvolver coletivamente grandes conjuntos de dados anotados para uso futuro em aprendizado de máquina. O uso dessa ferramenta de treinamento permitirá que mais pesquisadores incluam a análise de erosão em suas pesquisas de HR-pQCT.

Divulgações

Todos os autores não têm conflitos de interesse a declarar.

Agradecimentos

Os autores agradecem às seguintes agências de fomento que apoiaram este trabalho. O SLM é financiado pela The Arthritis Society (STAR-18-0189) e pelo Canadian Institutes of Health Research Planning and Dissemination Grant. JJT tem um prêmio CIHR Fellowship.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
3DSlicerOpen SourceN/ADownload at https://www.slicer.org/
BAM Erosion Analysis ModulesOpen SourceN/AVersão usada no manuscrito: download em https://doi.org/10.5281/zenodo.7943007
XtremeCTIIScanco Medical N/A

Referências

  1. Schett, G., Gravallese, E. Bone erosion in rheumatoid arthritis: mechanisms, diagnosis and treatment. Nature Reviews Rheumatology. 8 (11), 656-664 (2012).
  2. Ødegård, S., et al. Association of early radiographic damage with impaired physical function in rheumatoid arthritis: A ten-year, longitudinal observational study in 238 patients. Arthritis & Rheumatism. 54 (1), 68-75 (2006).
  3. Scott, D. L., et al. The links between joint damage and disability in rheumatoid arthritis. Rheumatology. 39 (2), 122-132 (2000).
  4. van Nies, J. A. B., et al. Evaluating processes underlying the predictive value of baseline erosions for future radiological damage in early rheumatoid arthritis. Annals of Rheumatic Diseases. 74 (5), 883-889 (2015).
  5. Versteeg, G. A., et al. Early radiological progression remains associated with long-term joint damage in real-world rheumatoid arthritis patients treated to the target of remission. Scandinavian Journal of Rheumatology. , (2021).
  6. Brunet, S. C., et al. Bone changes in early inflammatory arthritis assessed with High-Resolution peripheral Quantitative Computed Tomography (HR-pQCT): A 12-month cohort study. Joint Bone Spine. 88 (1), 105065(2021).
  7. Finzel, S., et al. Repair of bone erosions in rheumatoid arthritis treated with tumour necrosis factor inhibitors is based on bone apposition at the base of the erosion. Annals of Rheumatic Diseases. 70 (9), 1587-1593 (2011).
  8. Barnabe, C., Feehan, L. High-resolution peripheral quantitative computed tomography imaging protocol for metacarpophalangeal joints in inflammatory arthritis: the SPECTRA collaboration. The Journal of Rheumatology. 39 (7), 1494-1495 (2012).
  9. Peters, M., et al. Assessment of Cortical Interruptions in the Finger Joints of Patients With Rheumatoid Arthritis Using HR-pQCT, Radiography, and MRI. Journal of Bone and Mineral Research. 33 (9), 1676-1685 (2018).
  10. Scharmga, A., et al. Vascular channels in metacarpophalangeal joints: a comparative histologic and high-resolution imaging study. Scientific reports. 7 (1), 8966-8968 (2017).
  11. Barnabe, C., et al. Definition for Rheumatoid Arthritis Erosions Imaged with High Resolution Peripheral Quantitative Computed Tomography and Interreader Reliability for Detection and Measurement. The Journal of Rheumatology. 43 (10), 1935-1940 (2016).
  12. Klose-Jensen, R., et al. High-Resolution Peripheral Quantitative Computed Tomography for Bone Evaluation in Inflammatory Rheumatic Disease. Frontiers in Medicine. 7, 337(2020).
  13. Blavnsfeldt, A. G., et al. Effect of radiographic disease severity in high-resolution quantitative computed tomography assessment of metacarpophalangeal joint erosion and cysts. International Journal of Rheumatic Diseases. 24 (1), 112-119 (2021).
  14. Zhao, M., et al. Open-source image analysis tool for the identification and quantification of cortical interruptions and bone erosions in high-resolution peripheral quantitative computed tomography images of patients with rheumatoid arthritis. Bone. 165, 116571(2022).
  15. Fedorov, A., et al. 3D Slicer as an image computing platform for the Quantitative Imaging Network. Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).
  16. Pauchard, Y., Liphardt, A. -M., Macdonald, H. M., Hanley, D. A., Boyd, S. K. Quality control for bone quality parameters affected by subject motion in high-resolution peripheral quantitative computed tomography. Bone. 50 (6), 1304-1310 (2012).
  17. Sode, M., Burghardt, A. J., Pialat, J. -B., Link, T. M., Majumdar, S. Quantitative characterization of subject motion in HR-pQCT images of the distal radius and tibia. Bone. 48 (6), 1291-1297 (2011).
  18. Stok, K. S., et al. Consensus approach for 3D joint space width of metacarpophalangeal joints of rheumatoid arthritis patients using high-resolution peripheral quantitative computed tomography. Quantitative imaging in medicine and surgery. 10 (2), 314-325 (2020).
  19. Open and Reproducible Musculoskeletal Imaging Research. , https://github.com/SpectraCollab/ORMIR_XCT (2023).
  20. Finzel, S., et al. Reliability and Change in Erosion Measurements by High-resolution Peripheral Quantitative Computed Tomography in a Longitudinal Dataset of Rheumatoid Arthritis Patients. The Journal of Rheumatology. 48 (3), 348-351 (2021).
  21. Töpfer, D., Finzel, S., Museyko, O., Schett, G., Engelke, K. Segmentation and quantification of bone erosions in high-resolution peripheral quantitative computed tomography datasets of the metacarpophalangeal joints of patients with rheumatoid arthritis. Rheumatology (Oxford). 53 (1), 65-71 (2014).
  22. Peters, M., et al. The Reliability of a Semi-automated Algorithm for Detection of Cortical Interruptions in Finger Joints on High Resolution CT Compared to MicroCT. Calcified tissue international. , 1-9 (2017).
  23. Zhang, X., et al. Automatic 3D joint erosion detection for the diagnosis and monitoring of rheumatoid arthritis using hand HR-pQCT images. Computerized Medical Imaging and Graphics. 106, 102200(2023).

Reimpressões e permissões

Etiquetas

Eros es sseasTC de Alta Resolu oM dulo de An lise ssea3D SlicerFraturas CorticaisSegmenta o de ImagemMedi o de Eros o
Identificação de Erosões em Articulações Metacarpofalangeanas em Artrite Reumatoide utilizando Tomografia Computadorizada Quantitativa Periférica de Alta Resolução
Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.