Comparazione della qualità di immagini TC encefalo tra ricostruzioni iterative e basate sul deep-learning

Introduzione: il progresso tecnologico e lo sviluppo delle Intelligenze Artificiali (IA) è approdato, tra i vari campi, anche in quello della medicina; in radiologia, ad esempio, è di grande implementazione nella ricostruzione di immagini TC, permettendo di ottenere immagini di qualità maggiore attraverso l’uso di una minore dose erogata. Le case produttrici si stanno impegnando ad implementare tali algoritmi di ricostruzione, tra queste Philips con l’algoritmo Precision Image. Obiettivo: Lo scopo dello studio è il confronto qualitativo e quantitativo tra la nuova tecnica di ricostruzione basata sul deep learning (Precision Image) e la ricostruzione iterativa (iDose4), usufruendo di un confronto anche con la ricostruzione tramite retroproiezione filtrata (FBP), in immagini TC encefalo. Metodi: sono stati considerati 20 pazienti che si sono sottoposti ad un esame diagnostico di TC encefalo presso la UOC Neuroradiologia dell’Azienda Ospedale Università di Padova per motivi quali trauma cranico, emorragia cerebrale, sospetto di ictus ischemico e altre patologie neurologiche. Retrospettivamente le immagini sono state ricostruite con le tre diverse tecniche in maniera standardizzata per tutti i pazienti presi in considerazione. È stata quindi effettuata l’analisi qualitativa tramite scala Likert, ponendo in esaminazione le immagini a due neuroradiologi esperti; e l’analisi quantitativa tramite software di elaborazione delle immagini capace di determinare i valori di rumore, contrasto e segnale in apposite regioni cerebrali come i gangli della base (BG) e il centro semiovale (CSO). Risultati: I neuroradiologi ne hanno sottolineato il miglioramento da un punto di vista qualitativo, di rumore e di artefatti visivi sull’immagine, in termini di valori della scala Likert; il software ha quantitativamente dimostrato che il rumore è diminuito e conseguentemente il rapporto segnale rumore e il rapporto contrasto rumore sono significativamente aumentati. Qualità dell’immagine su scala Likert: media di 4,5 ± 0,3 per Precision Image che ha superato significativamente (p < 0.05) iDose⁴ (3,8 ± 0,4) e FBP (3,1 ± 0,5); il rapporto contrasto rumore (CNR), Precision Image ha registrato un aumento del CNR del 100-107% rispetto a FBP e del 38-45% rispetto a iDose⁴ (p < 0.05). Conclusioni: sia l’indagine qualitativa che l’indagine quantitativa hanno dimostrato che la ricostruzione basata sul deep learning ha prodotto una qualità d’immagine superiore alle altre due tecniche ricostruttive.