Caracterização de nódulos pulmonares em imagens de tomografia computadorizada para fins de auxílio ao diagnóstico

Abstract

Atributos morfológicos, de intensidade e textura são essenciais para o auxilio ao diagnóstico de nódulos em imagens de tomografia computadorizada de pulmão. Para melhorar a acurácia do diagnóstico, assim como a interpretação da imagem radiológica, são utilizados sistemas de diagnóstico auxiliado por computador, que ajudam a diminuir a variabilidade de interpretação. O objetivo geral deste estudo foi avaliar a utilização de dados de pacientes e atributos quantitativos de nódulos pulmonares em imagens de tomografia computadorizada de pulmão para a construção de um modelo de classificação em termos de malignidade. O estudo foi baseado em uma análise das imagens de tomografia computadorizada de pulmão de 51 pacientes, sendo 33 pacientes diagnosticados com lesões malignas e 18 pacientes com lesões benignas, todos confirmados por meio do laudo anatomopatológico do tecido pulmonar. O estudo contou com uma etapa de interpretação diagnóstica realizada a partir de um estudo cego com médicos radiologistas e a utilização da regressão logística para análise do poder preditivo de variáveis qualitativas e quantitativas extraídas das imagens de tomografia computadorizada de pulmão. Os atributos quantitativos dos nódulos foram constituídos de: doze atributos morfológicos (volume, área, perímetro, compacidade, irregularidade e os momentos invariantes de ordem 1 a 7), cinco atributos de intensidade (massa, densidade, média do número TC, índice de gordura e índice de calcificação) e três atributos de textura (homogeneidade, entropia e variância).Os resultados mostraram que na interpretação visual dos radiologistas, apenas o médico com maior experiência apresentou uma concordância com o laudo anatomopatológico (64,5%), quando se excluem os acertos devido ao acaso. Concluiu-se que o modelo que melhor classifica a malignidade dos nódulos incluiu um atributo qualitativo de localização, um atributo de intensidade relacionado ao índice de calcificação, desenvolvido neste trabalho, e um atributo morfológico relacionado à compacidade do nódulo. O valor preditivo do modelo (86,3%) foi muito maior do que o valor preditivo baseado na avaliação visual do médico mais experiente (65,3%), sem considerar o acaso, estando próximo da acurácia desse mesmo médico (85,1%), incluído o acerto devido ao acaso. Este fato revela a importância deste tipo de pesquisa na busca de um modelo quantitativo, baseado em imagens de tomografia computadorizada, que permita a classificação dos nódulos pulmonares.

Morphological attributes, intensity and texture, are essential to aid the diagnosis of pulmonary nodules. To improve the accuracy of diagnosis, as well as the interpretation of radiological imaging, computer-aided diagnostic systems are used, which help to reduce the interpretation variability. The aim of this study was to evaluate the use of patient data and quantitative attributes of pulmonary nodules in lung computed tomography to build a classification model in terms of malignancy. The study was based on the analysis of 51 patients computed tomography images of lung, 33 patients diagnosed with malignant lesions and 18 patients with benign lesions, all confirmed through anatomo-pathological report of lung tissue. The study included a diagnostic interpretation stage made from a blind study with radiologists and the use of logistic regression to analyze the predictive power of qualitative and quantitative variables extracted from computed tomography lung images. The quantitative attributes of the nodules consisted of twelve morphological attributes (volume, area, perimeter, compactness, roughness and invariant moments of order 1 to 7), five intensity attributes (mass, density, CT number average, fat and calcification indexes) and three texture attributes (homogeneity, entropy and variance).The results showed that in the visual interpretation of radiologists, only the most experienced doctor showed a correlation with the pathology report (64. 5%), when excluding the hits due to chance. The model which better predicts the nodules malignancy included a quantitative attribute of localization, the intensity attribute ‘calcification index’ developed in this work, and the compactness, a morphological attribute related to the nodule form. The predictive value of the classification model (86. 3%) was much higher than the predictive value based on the visual assessment of the most experienced doctor (65. 3%), regardless of the chance, being close to the accuracy of the same doctor (85. 1%). This emphasizes the importance of this type of research in the search for a quantitative model that allows the classification of pulmonary nodules.