Imaginologia del cancer

Centro de Física Molecular y Médica, Postgrado de Física Médica, Universidad Central de Venezuela

XVI Congreso Integrado Latinoamericano de Cancerología(CILAC), XII Congreso Venezolano de Oncología, VI Congreso Venezolano de Radioterapia Oncológica

IMAGINOLOGÍA DEL CÁNCER

Miguel Martín Landrove

Laboratorio de Física Molecular, Centro de Física Molecular y Médica, Escuela

de Física y Postgrado de Física Médica, Facultad de Ciencias, Universidad

Central de Venezuela, Caracas, Venezuela.



PJ Cassidy, GK Radda, Molecular imaging perspectives, J R Soc Interface, 2005




Diffuse Optical

Tomography




Near-Infrared

Fluorescence Imaging




Bioluminescence

Imaging




Optical Projection

Tomography




Green Fluorescent

Proteins



M Martín-Landrove, F Mayobre, I Bautista, R. Villalta, Brain tumor evaluation and segmentation by in vivo

proton spectroscopy and relaxometry, MAGMA, 18:316-31, 2005.



Doblete

Invertido del

Lactato

(TE=135 ms)





Doblete

Invertido del

Lactato

(TE=135 ms)

Muerte

Neuronal

(bajo NAA)





Doblete

Invertido del

Lactato

(TE=135 ms)

Muerte

Neuronal

(bajo NAA)

Proliferación

celular (alta

Cho)





S Cha, Update on brain tumor imaging: from anatomy to physiology, Am J Neuroradiol, 27:475-87, 2006



Imagen post contraste ponderada en T1.

Astrocitoma de bajo grado




Imagen FLAIR y Espectroscopía in vivo Single Voxel.

Astrocitoma de bajo grado




Espectroscopía Mutivoxel.

Astrocitoma Anaplásico.




Astrocitoma Grado IV.

(9 meses después)





Grado II

Grado III

Grado IV

T1 pc FLAIR ADC




T1 pc

rCBV

Grado II Grado III Grado IV



BP Witwer et al., Diffusion-tensor imaging of white matter tracts in patients with cerebral neoplasm, J

Neurosurg, 97:568-75, 2002



Información

Espectroscópica

Localizada

(Biopsia Virtual)

Imágenes con

Información

Estructural

(Relajación,

Difusión,…)

Imagen

Nosológica Segmentación

Diagnóstico y

Clasificación de

Tumores

Planificación de

Tratamiento

(GTV)

Seguimiento de la

Terapia

P P

M. Martín-Landrove, Nosologic maps of brain tumor images obtained from combination of different MRI

modalities, Proceedings of the 28th IEEE EMBS Annual International Conference, 759-62, 2006.



Clasificación de los tejidos.



Cho




Cho

NAA





Cociente Cho/NAA Clasificación del tejido

> 1.3 Tumor o actividad tumoral

0.8 – 1.3

Indeterminado

(posiblemente infiltración

del tumor)

< 0.8 Normal o no afectado

Si todas las concentraciones de los metabolitos son bajas, entonces el tejido se

clasifica como necrosis o líquido cefalorraquídeo. Tejido edematizado con un

cociente Cho/NAA < 0.8 puede ser clasificado como tejido diferente de normal

para evaluar la extensión del edema en la lesión.



Imágenes estructurales ponderadas en relajación.





Imágenes estructurales ponderadas en relajación.

Multiexponencial

debido al

problema de

volúmenes

parciales





La intensidad del píxel puede

escribirse como:

Algoritmo de Transformada Inversa de Laplace

con:

Procesamiento de datos estructurales. Problema de Volúmenes Parciales.



La intensidad del píxel puede

escribirse como:

Algoritmo de Transformada Inversa de Laplace

con:

Parámetro de optimización:




El tiempo de procesamiento

por voxel depende

linealmente con el número de

réplicas, 3.3 s por replica en

un procesador Pentium IV

2.2 GHz




El tiempo de procesamiento

por voxel depende

linealmente con el número de

réplicas, 3.3 s por replica en

un procesador Pentium IV

2.2 GHz

La información relevante

de la distribución se

alcanza con un número

pequeño de réplicas, 5 o

10




Muestreo sobre la lesión






Muestreo sobre la región no

afectada






LCR ó

necrosis

Tumor






Transversal Relaxation Rate (s-1

)

0 5 10 15 20 25 30

Pro

bab

ilit

y

0.00

0.02

0.04

0.06

0.08

0.10

0.12

0.14

0.16

0.18

0.20

Problema de Volúmenes Parciales. Distribuciones de probabilidad de tejidos






)

0 5 10 15 20 25 30

Pro

bab

ilit

y

0.00

0.02

0.04

0.06

0.08

0.10

0.12

0.14

0.16

0.18

0.20


LCR






)

0 5 10 15 20 25 30

Pro

bab

ilit

y

0.00

0.02

0.04

0.06

0.08

0.10

0.12

0.14

0.16

0.18

0.20

Tumor







)

0 5 10 15 20 25 30

Pro

bab

ilit

y

0.00

0.02

0.04

0.06

0.08

0.10

0.12

0.14

0.16

0.18

0.20

Tejido no afectado






Método 1: Mapas nosológicos obtenidos por regresión lineal.



Método 2: Mapas nosológicos obtenidos por regresión no lineal.



Método 3: Mapas nosológicos obtenidos por ATIL.




3 x 3




Combinados



Gross Tumor Volume (GTV)



Proyecto CANCER in silico

Centro de Física Molecular y Médica

Escuela de Física, Facultad de

Ciencias, Universidad Central de

Venezuela

[email protected]



• La tomografía por difusión óptica (DOT) se basa en la transmisión y

detección de radiación electromagnética en el rango del infrarrojo cercano

(NIR) utilizando un arreglo de fuentes y detectores distribuidos sobre una

región extensa.

Densidad

óptica

corregida por

espesor de

tejido






región extensa.

Segunda

derivada

espacial con

contraste

mejorado






región extensa.

Segunda derivada

espacial usando 4

longitudes de onda.

Mapas de concentración

de hemoglobina.



• Las imágenes por fluorescencia en el infrarrojo cercano (NIR) se basan

en la absorción y emisión de radiación electromagnética con una longitud

de onda entre 700 y 1000 nm. La radiación absorbida excita a moléculas

fluorescentes que emiten radiación electromagnética de una longitud de

onda mayor a la transmitida en el tejido.



• Agentes de contraste externos se pueden dividir en dos categorias: (i)

fluoroforos orgánicos y (ii) nanocristales semiconductores fluorescentes

inorgánicos o “quantum dots”.



• Las imágenes por bioluminiscencia (BLI) se basan en la autoemisión de

luz en longitudes de onda entre el amarillo y el verde debida a la catálisis

producida por enzimas luciferasas en presencia de substrato de luciferina.



• La tomografía por proyecciones ópticas (OPT) se basa en la transmisión y

detección de radiación electromagnética en el rango visible (400 – 700 nm)

por rotaciones de 360º alrededor de un espécimen ex vivo.



• Las imágenes de proteínas fluorescentes en el verde (GFP) se basan en

la absorción y emisión de radiación electromagnética en el rango visible.

Las proteínas fluorescentes en el verde son nativas de algunos organismos

marinos y pueden llevarse a otros organismos por transferencia genética,

actuando como un agente de contraste fluorescente indicativo de la

actividad de una proteína dentro de la célula.

Imaginologia del cancer

Science

Transcript of Imaginologia del cancer