Sistema de recomendación para la detección de zonas en la aplicación de radioterapia en neoplasias malignas basado en análisis de tomografías computarizadas
Plataforma: Python, DICOM y Procesamiento de Imágenes Tipo: Proyecto de Titulación USACH Fecha: 2019 Enlace: https://usach.primo.exlibrisgroup.com/permalink/56USACH_INST/1lh50nt/alma991885587706116
Resumen
Este proyecto de titulación de la Universidad de Santiago de Chile (USACH) abordó uno de los desafíos más importantes en la planificación de tratamientos de radioterapia: la delineación de órganos de riesgo sobre tomografías computarizadas.
Tradicionalmente, esta tarea es realizada manualmente por especialistas, requiriendo una inversión considerable de tiempo y presentando variaciones entre distintos profesionales debido a la naturaleza subjetiva del proceso.
El objetivo del proyecto fue desarrollar un sistema de recomendación capaz de asistir en la segmentación de órganos de riesgo utilizando técnicas de procesamiento de imágenes médicas y morfología matemática, permitiendo generar regiones candidatas para ser posteriormente revisadas por especialistas.
El trabajo fue desarrollado en colaboración con el Instituto Nacional del Cáncer utilizando datos clínicos anonimizados y contó con aprobación ética formal para su ejecución.
Referencias Visuales
Imágenes Médicas DICOM
Las imágenes DICOM constituyen el estándar utilizado en entornos médicos para almacenar estudios radiológicos, incluyendo tomografías computarizadas utilizadas en planificación de radioterapia.
Contexto
La planificación de tratamientos de radioterapia requiere identificar con precisión tanto la zona a tratar como los órganos que deben protegerse durante la aplicación de radiación.
En muchos casos esta tarea es realizada manualmente por especialistas que delinean las regiones de interés directamente sobre las tomografías computarizadas.
Este proceso presenta varios desafíos:
- Requiere una cantidad importante de tiempo.
- Depende de la experiencia del especialista.
- Puede generar variabilidad entre distintos médicos.
- Debe realizarse manteniendo altos estándares de precisión.
Ante esta necesidad surgió la oportunidad de desarrollar una herramienta de apoyo que ayudara a acelerar y estandarizar parte del proceso de segmentación.
Aprobación Ética y Datos Clínicos
Debido a la naturaleza médica del proyecto, fue necesario obtener autorización formal para trabajar con información clínica.
El trabajo fue desarrollado utilizando datos previamente anonimizados y contó con aprobación del Comité de Ética de la Investigación del Servicio de Salud Metropolitano Norte.
La utilización de datos clínicos reales permitió validar la solución en un contexto representativo de la práctica médica.
Problema
El objetivo consistía en generar automáticamente una segmentación inicial de órganos de riesgo que pudiera ser comparada con las delineaciones realizadas por especialistas.
La solución debía ser capaz de:
- Trabajar sobre imágenes DICOM provenientes de tomografías computarizadas.
- Reducir ruido presente en las imágenes.
- Adaptarse a distintos órganos.
- Generar segmentaciones consistentes.
- Obtener resultados competitivos frente a software comerciales utilizados en el sector.
Arquitectura General
La arquitectura fue diseñada utilizando técnicas clásicas de procesamiento de imágenes médicas, priorizando interpretabilidad y control sobre los resultados obtenidos.
Solución
La solución fue construida utilizando un conjunto de técnicas de procesamiento de imágenes aplicadas de manera secuencial.
El flujo general consistía en:
- Obtención de la tomografía computarizada.
- Conversión y normalización de la imagen.
- Eliminación de ruido mediante filtro bilateral.
- Aplicación de umbralización Niblack.
- Aplicación de morfología matemática binaria.
- Segmentación mediante contornos activos geodésicos morfológicos.
- Comparación contra segmentaciones realizadas por especialistas.
Los parámetros utilizados fueron ajustados según el órgano analizado, permitiendo optimizar el comportamiento del algoritmo para distintos escenarios clínicos.
Validación
La evaluación fue realizada utilizando segmentaciones de distintos pacientes y comparando los resultados obtenidos con las delineaciones manuales realizadas por especialistas.
La validación consideró métricas ampliamente utilizadas en la literatura científica:
Coeficiente Sørensen-Dice
Mide el grado de coincidencia entre dos segmentaciones.
Un valor cercano a 1 indica una alta similitud entre ambas regiones.
Distancia de Hausdorff
Mide la distancia máxima entre los contornos de ambas segmentaciones.
Valores menores indican una mejor correspondencia geométrica.
Comparación con Software Comerciales
Uno de los aspectos más interesantes del proyecto fue la comparación directa con soluciones comerciales utilizadas en la industria.
| Recto | Vejiga | Cab. Fem. Izq. | Cab. Fem. Der. | |
|---|---|---|---|---|
| Proyecto | 0.90±0.03 | 0.84±0.07 | 0.91±0.09 | 0.91±0.09 |
| WFB (Miranda Medical) | 0.73±0.07 | 0.76±0.12 | 0.89±0.05 | 0.91±0.03 |
| MiM | 0.75±0.07 | 0.80±0.14 | 0.89±0.08 | 0.92±0.02 |
| ABAS (Elekta) | 0.75±0.09 | 0.81±0.13 | 0.91±0.04 | 0.92±0.05 |
| SPice (Philips) | 0.68±0.12 | 0.76±0.26 | 0.70±0.05 | 0.72±0.03 |
| RayStation | 0.49±0.12 | 0.59±0.15 | 0.91±0.03 | 0.92±0.02 |
Los resultados mostraron un desempeño competitivo e incluso superior en algunos órganos respecto de las referencias consideradas.
Mi Participación
Este proyecto fue desarrollado como trabajo de titulación para optar al grado de Ingeniero Civil en Informática en la Universidad de Santiago de Chile.
Mis responsabilidades incluyeron:
- Investigación bibliográfica.
- Procesamiento de imágenes médicas.
- Desarrollo del algoritmo de segmentación.
- Parametrización por órgano.
- Diseño de métricas de evaluación.
- Comparación con literatura científica.
- Validación de resultados.
- Coordinación con especialistas clínicos.
El proyecto requirió además comprender conceptos médicos asociados a radioterapia y planificación de tratamientos para poder traducir adecuadamente el problema clínico a una solución computacional.
Desafíos Técnicos
Uno de los principales desafíos fue trabajar con imágenes médicas DICOM sin experiencia previa significativa en procesamiento avanzado de imágenes.
Fue necesario aprender desde cero conceptos relacionados con:
- Procesamiento digital de imágenes.
- Segmentación médica.
- Morfología matemática.
- Métricas de validación clínica.
- Manejo de imágenes DICOM.
Otro desafío importante fue obtener resultados competitivos sin utilizar técnicas modernas de inteligencia artificial, apoyándose exclusivamente en procesamiento de imágenes y reglas heurísticas cuidadosamente diseñadas.
Resultados
El proyecto logró cumplir su objetivo principal al generar segmentaciones competitivas para múltiples órganos de riesgo.
Entre los resultados más destacados se encuentran:
- Incremento del índice DICE del recto desde aproximadamente 0.75 hasta 0.90.
- Resultados competitivos para cabeza femoral izquierda y derecha.
- Mejora general al incorporar morfología matemática.
- Distancias de Hausdorff superiores a diversas referencias bibliográficas.
- Validación mediante especialistas clínicos.
Aunque inicialmente se esperaba trabajar con reconstrucciones tridimensionales, el alcance final se concentró en análisis bidimensionales, obteniendo aun así resultados destacados frente a múltiples referencias.
Impacto
Más allá de los resultados específicos obtenidos, el proyecto demostró que técnicas clásicas de procesamiento de imágenes pueden alcanzar resultados altamente competitivos cuando son correctamente adaptadas al dominio clínico.
La solución permitió explorar mecanismos para asistir a especialistas en tareas repetitivas de delineación, contribuyendo potencialmente a reducir tiempos de planificación y aumentar la consistencia entre segmentaciones.
Lo que Aprendí
Este proyecto representó un punto de inflexión en mi formación profesional.
Hasta ese momento mi experiencia estaba principalmente orientada al desarrollo de software, bases de datos y procesamiento de información estructurada.
El trabajo con imágenes médicas me obligó a aprender desde cero conceptos relacionados con:
- Procesamiento digital de imágenes.
- Segmentación.
- Análisis espacial.
- Morfología matemática.
- Formato DICOM.
Lo que comenzó como un proyecto de titulación terminó convirtiéndose en mi puerta de entrada al análisis avanzado de imágenes utilizando Python.
Muchos de los conocimientos adquiridos durante este trabajo fueron posteriormente reutilizados en proyectos relacionados con visión computacional, análisis de imágenes térmicas, OCR y procesamiento documental.
Viéndolo en Retrospectiva
Mirando el proyecto años después, considero que fue uno de los trabajos más influyentes de mi etapa universitaria.
Además de permitirme participar en una investigación aplicada con impacto potencial en el ámbito de la salud, marcó mi primer acercamiento serio al procesamiento de imágenes médicas y al análisis de archivos DICOM.
Gran parte de los conocimientos adquiridos durante este proyecto terminaron siendo reutilizados posteriormente en iniciativas relacionadas con visión computacional, inteligencia artificial, análisis de imágenes térmicas y procesamiento documental.
Lo que inicialmente comenzó como una tesis terminó convirtiéndose en una base técnica que influiría en múltiples proyectos desarrollados durante los años siguientes.
Referencia Académica
Universidad de Santiago de Chile (USACH)
Sistema de recomendación para la detección de zonas en la aplicación de radioterapia en neoplasias malignas basado en análisis de tomografías computarizadas.
Disponible en:
https://usach.primo.exlibrisgroup.com/permalink/56USACH_INST/1lh50nt/alma991885587706116