Sviluppo di un algoritmo per la segmentazione di reni pediatrici in immagini ecografiche

Le malformazioni congenite del rene e delle vie urinarie (CAKUT) sono delle anomalie morfologiche a carico dei reni e delle vie urinarie. Il loro impatto è molto forte: infatti colpiscono l’1% dei nati, costituiscono il 23% dei difetti riscontrati alla nascita e causano elevata mortalità se si manifestano nel primo anno di vita. Le conseguenze che provocano sono molto eterogene e in alcuni casi gravi tanto che se non si agisce in tempo i casi di CAKUT potrebbero sfociare nella malattia renale cronica. Dunque l’identificazione precoce della malattia e soprattutto l’individuazione del grado di severità sono fondamentali per poter agire in tempo e in modo adeguato, prevedendo i danni peggiori e soprattutto migliorando la qualità di vita dei bambini. La valutazione dello stato funzionale dei reni viene fatto di routine tramite ecografie post natali, immagini particolarmente rumorose, generalmente difficili da analizzare e che possono essere facilmente soggette ad errori medici di interpretazione e valutazione. Per l’effettiva quantificazione della gravità della patologia si sfruttano alcuni indici: ad oggi vengono spesso effettuate misure su plasma ed urine che però possono essere difficili da interpretare in bambini che non hanno ancora i reni completamente sviluppati. Nasce quindi il bisogno di indagare nuovi parametri: uno di questi è l’area parenchimale, che si è già dimostrata efficacie nella diagnosi di alcune patologie renali: reflusso vescicoureterale, l'ostruzione giunzionale ureteropielica, idronefrosi. Inoltre è già stata dimostrata essere correlata alla velocità di filtrazione glomerulare in pazienti pediatrici con CAKUT e quindi permette di individuare il grado di severità della malattia. Da tutto ciò deriva l’argomento di studio di questa tesi: lo sviluppo di un algoritmo automatico per la segmentazione di reni pediatrici a partire da immagini ecografiche. Si è ottenuto il contorno del rene e del sistema collettore per derivare di conseguenza il parenchima, il quale potrebbe essere un utile indicatore di CAKUT. Per sviluppare l’algoritmo si sono usate 161 ecografie nefrologiche pediatriche fornite dall’Ospedale di Padova ed ottenute mediante l’utilizzo di due diverse sonde. Per eseguire la segmentazione dei reni sono state testate due tecniche che sono state confrontate: filtraggio match e reti neurali convoluzionali; per quella del sistema collettore si sono usate delle tecniche tradizionali dell’elaborazione di immagini. I risultati sono stati presentati in termini di coefficiente di Sørensen–Dice calcolato tra la segmentazione automatica e la ground truth. In particolare, le reti neurali convoluzionali si sono dimostrate in grado di ottenere una segmentazione ben corrispondente a quella manuale, nonostante il numero limitato di immagini a disposizione. Lo sviluppo di un algoritmo automatico potrebbe essere molto utile per poter rendere più veloce, oggettiva e riproducibile la diagnosi, in modo da agevolare la diagnosi precoce ed evitare che la malattia progredisca ulteriormente e quindi per poter migliorare la qualità di vita dei pazienti che ne sono affetti.