Documente Academic
Documente Profesional
Documente Cultură
FACULTATEA DE MEDICINĂ
-REZUMAT-
Conducător ştiinţific,
Prof. Univ. Dr. ION ROGOVEANU
Doctorand,
COSTIN TEODOR STREBA
CRAIOVA
2011
Investeşte în oameni!
FONDUL SOCIAL EUROPEAN
Programul Operaţional Sectorial Dezvoltarea Resurselor Umane 2007-2013
Axa Prioritară: 1. Educaţia şi formarea profesională în sprijinul creşterii
economice şi dezvoltării societăţii
Domeniul Major de Intervenţie: 1.5. Programe doctorale şi postdoctorale în
sprijinul cercetării
Titlu proiect: "Sprijinirea tinerilor doctoranzi cu frecvenţă prin acordarea
de burse doctorale"
Cod Proiect: POSDRU/6/1.5/S/8
Beneficiar: Universitatea de Medicină şi Farmacie din Craiova
CUPRINS
PARTEA GENERALĂ
Lista abrevierilor din text ........................................................................... 5
Introducere ................................................................................................. 7
I. EPIDEMIOLOGIE ȘI FACTORI DE RISC ÎN
HEPATOCARCINOM ............................................................................. 9
II. DIAGNOSTICUL HEPATOCARCINOMULUI ............................. 17
III. ANALIZA FRACTALĂ A IMAGINILOR MEDICALE .............. 47
IV. REȚELELE NEURONALE ÎN DIAGNOSTICUL MEDICAL
51
AL UNOR AFECȚIUNI COMPLEXE ...................................................
V. STADIALIZAREA HEPATOCARCINOMULUI ............................ 54
VI. OPȚIUNI TERAPEUTICE ÎN HEPATOCARCINOM ................. 58
PARTEA SPECIALĂ
OBIECTIVE ............................................................................................... 60
1
INTRODUCERE
Hepatocarcinomul reprezintă aproximativ 75–90% din tumorile maligne
hepatice, cu o frecvență mai mare în rândul bărbaților. Dintre metodele de
tratament, doar rezecţia chirurgicală sau transplantul hepatic pot oferi
posibilitatea vindecării. Diagnosticul precoce şi stabilirea prognosticului
carcinomului hepatocelular sunt extrem de dificile, datorită absenţei unor
markeri serologici adecvaţi şi a dificultăţilor de interpretare a testelor imagistice.
În prezent analiza fractală a imaginilor de anatomie patologică și în
special compararea dimensiunilor fractale ale elementelor studiate joacă un rol
din ce în ce mai important în diagnosticul de certitudine sau stadializarea
diverselor afecțiuni tumorale.
Importanța utilizării agenților de contrast pentru îmbunătățirea ratei
diagnostice pentru tumorile hepatice a fost demonstrată în multiple studii.
Tehnica de analiză a curbelor intensitate–timp este un procedeu relativ nou de
evaluare a formațiunilor focale hepatice care captează agentul de contrast.
Tomografia computerizată (CT) cu agenți de contrast pe bază de iod
reprezintă în momentul de față una dintre cele mai folosite investigații în
stabilirea diagnosticului de certitudine al hepatocarcinomului. Analiza de către
un operator uman a imaginilor CT native și în timpul fazelor de umplere cu
agenți de contrast oferă o imagine suficient de precisă a localizării și
caracteristicilor morfologice ale unei tumori hepatice. Examinarea CT în
dinamică poate oferi informații importante referitoare la gradul de extensie
tumorală, atât locală cât și la distanță.
Rețelele neuronale sunt în prezent sisteme moderne, accesibile din punct
de vedere al tehnicii, suficient de flexibile și cu o dinamică particulară ce le
recomandă ca mijloace diagnostice semi–independente. Ele sunt actualmente
preferate la nivel mondial metodelor clasice de urmărire și modelare statistică
pentru grupe populaționale cu patologii complexe, cum sunt cele cu afecțiuni
neoplazice maligne.
2
STADIUL CUNOAȘTERII
Carcinomul hepatocelular (CHC) este cea mai frecventă tumoră malignă
primară a ficatului, anual fiind diagnosticate în întreaga lume peste 500 000 de
cazuri noi [1–4]. CHC este o cauză majoră de mortalitate la nivel mondial,
reprezentând a treia cauza de deces prin neoplazii și respectiv a doua cauză de
deces în cadrul cancerelor din sfera digestivă [5–8].
Factorii majori de risc pentru CHC (80–90% din cazuri) includ infecția
cu virus hepatitic B (VHB) și C (VHC) [9, 10], existând de asemenea o asociere
cu consumul de alcool, care pare a avea o acțiune sinergică injuriei virale [9–11].
Pacienții cu risc crescut pentru CHC sunt în special bărbații cu vârste
peste 40 de ani și istoric de ciroză hepatică cu VHB sau VHC [3, 4]. Majoritatea
cazurilor noi este descoperită în urma unui examen imagistic, în special
ecografic, ocazie cu care sunt identificate una sau mai multe mase tumorale
hepatice [5, 8, 9]. Cele mai recente criterii de diagnostic pentru hepatocarcinom
sunt cele adoptate de Asociația Americană de Studiu a Afecțiunilor Ficatului
(AASLD, revizuite în 2010) și Societatea Europeană de Studiu a Ficatului
(EASL, revizuite în 2009).
Stadializarea corectă a tumorii este cheia tratamentului corect care să
asigure supraviețuirea pacientului pe o perioadă maximă [5–8]. Cel mai folosit
sistem de stadializare în prezent este cel elaborat de grupul Barcelona de studiu
al ficatului (BCLC – Barcelona Clinic Liver Cancer). Pentru tumori multiple,
aflate în stadii intermediare, problema stadializării este deosebit de importantă,
deoarece tratamentele curative includ alcoolizarea percutană, radioablația,
chemoembolizarea transarterială sau tratamentul sistemic cu agenți
chimioterapici [1–3, 5, 7].
Deşi ecografia nu poate face distincția între CHC și alte tumori solide ale
ficatului, reprezintă o tehnică disponibilă pe scară largă, neinvazivă şi frecvent
utilizată pentru screening-ul CHC [12–15]. Ghidurile curente de diagnostic
recomandă ecografia cu substanţă de contrast (CEUS – Contrast Enhanced
3
UltraSonography), împreună cu alte tehnici imagistice (tomografia
computerizată sau rezonanţa magnetică cu substanţă de contrast) printre tehnicile
care pot fi utilizate pentru diagnosticul non-invaziv al CHC [15, 16].
Analiza de către un operator uman a imaginilor CT native și în timpul
fazelor de umplere cu agenți de contrast oferă o imagine suficient de precisă a
localizării și caracteristicilor morfologice ale unei tumori hepatice. De asemenea,
examinarea CT în dinamică poate oferi informații importante referitoare la
gradul de extensie tumorală, atât locală cât și la distanță, fiind din acest punct de
vedere superioară examinării CEUS care este oarecum limitată ca și dimensiune
a ariei examinate [17].
Deși introdusă în urmă cu mai bine de 30 de ani [18, 19, 21], modelarea
fractală a formelor naturale a căpătat o importanță deosebită în ultimul deceniu,
în principal datorită evoluției rapide a puterii de calcul ale sistemelor
computerizate obișnuite [18, 23]. Combinarea analizei morfometrice nucleare cu
dispunerea markerilor de angiogeneză reprezintă un element de noutate absolută
în domeniul investigațiilor histologice pentru tumori hepatice primare și
secundare [18–23].
Sistemele de diagnostic ajutate de calculator pot oferi noi posibilități în
diagnosticul și stadializarea patologiei tumorale [24–26]. Rețelele neuronale
artificiale (ANN–artificial neural networks) sunt rezultatul cercetărilor în
informatica medicală, reprezentand o forma de inteligență artificială [26, 27].
Rețelele neurale reprezintă translatarea în limbaj informatic a principiilor de
funcționare ale sistemului nervos central uman. Deși conceptul nu este nou,
existând rețele neuronale aplicate în medicină încă de la mijlocul anilor 1990
[28], avansarea tehnicilor moderne de diagnostic a oferit posibilități noi rețelelor,
care în prezent nu se mai bazează doar pe date clinice, anamnestice și teste
simple de laborator, ci integrează parametrii imagistici sau metode de genetică și
biologie celulalară [29, 30].
4
MATERIALE ȘI METODE
Lotul de studiu. Selecția factorilor de risc
Am inclus în acest studiu prospectiv un număr de 112 pacienți (69
bărbați, 43 femei) cu vârste cuprinse între 28 și 87 ani (vârsta medie 61 ± 4,01
ani), care au fost investigați prin metoda ecografiei cu substanță de contrast
(CEUS – Contrast Enhanced UltraSonography) în perioada ianuarie 2009 – Mai
2011, în urma observării unor leziuni focale hepatice în ecografia standard.
Repartiția lotului de studiu a fost făcută în funcție de diagnosticul final
stabilit imagistic prin două metode pe bază de agent de contrast, respectiv CEUS
și examen CT cu substanță de contrast iodată. Pacienții au semnat
consimțamântul informat asupra tuturor procedurilor și tratamentelor primite și
au fost de acord cu folosirea filmelor CEUS și a înregistrărilor CT pentru
prelucrarea computerizată și statistică.
Pacienții au fost intervievați pe parcursul internării cu privire la consumul
de alcool, folosindu-se un chestionar adaptat. Am considerat un aport de alcool
susţinut de peste 70 de grame de etanol pe zi, în ultimii cinci ani ca
"semnificativ". S-a consemnat de asemenea mediul de provenienţă (rural/urban).
La toţi subiecţii s-a recoltat Ag HBs şi anticorpii anti-VHC prin determinări
serologice, realizate folosind testul standard enzime-linked immunosorbent
(ELIZA).
Pentru evaluarea factorilor de risc, am folosit testul t Student pentru a
compara mediile variabilelor continue, împreună cu testul exact al lui Fisher şi
chi-pătrat pentru proporţii. Am calculat riscul relativ (RR), într-un interval de
încredere (CI) de 95% pentru determinarea riscului de dezvoltare a CHC la
pacienţii infectaţi cu VHB şi VHC, precum şi importanţa alcoolului ca un factor
de risc. Semnificaţia statistică a fost atinsă pentru o valoare P <0,05.
5
Analiza fractală a imaginilor histologice
Lotul de pacienți
Grupul de pacienți la care a fost disponibil material bioptic fac parte din
lotul de 112 pacienți studiați imagistic, internaţi în Clinica de Gastroenterologie
a UMF Craiova şi Centrul de Cercetare în Gastroenterologie şi Hepatologie
Craiova în perioada ianuarie 2009 – mai 2011. Aceștia au decedat în timpul
spitalizării ca urmare a stadiilor avansate de boală și a complicațiilor. Toate
materialele de biopsie au fost recoltate post–mortem, în conformitate cu criteriile
şi recomandările Comitetului de Etică al spitalului, numai în urma obținerii
acordul scris de la fiecare pacient (la începutul ultimei internări, unde a fost
posibil) şi al familiilor lor.
6
putere au crescut nivelul de detaliu al structurilor observate. Am capturat o serie
de 100 de imagini pentru fiecare caz studiat. Imaginile au fost prelucrate ulterior
cu software-ul NIS-Elemente de procesare a imaginii (Nikon). O semnătură roşu-
verde-albastru a semnalului DAB a fost creată şi toate imaginile au fost în mod
automat segmentate, măștile obținute fiind apoi salvate ca imagini binare care
conţin informaţii despre textura fiecărei imagini inițiale.
Imaginile binare astfel obținute au fost în continuare analizate cu ajutorul
software-ul Image J (Wayne Rasband, National Institutes of Health, Bethesda)
împreună cu plug-in-ul FracLac (A. Karperien - Charles Sturt University,
Australia).
7
Analiza filmelor de ecografie cu substanță de contrast (CEUS)
8
Studiul imagistic CEUS – Prelucrarea statistică a datelor și
introducerea în rețeaua neuronală
11
Rețelele neuronale aplicate în modelul de diagnostic și predicție
Având la dispoziție setul de parametrii clinici și paraclinici ai unui număr
suficient de mare de pacienți, am continuat prin aplicarea unui model de rețea
neuronală pentru clasificarea, stadializarea și stabilirea indicației terapeutice
optime pentru pacienții cu CHC sau alte tumori focale hepatice, fie maligne, fie
benigne.
Rețelele neuronale pe care le-am folosit pentru clasificarea tumorilor au
fost de tip feed forward back propagation (cu transmisie anterogradă a datelor și
propagare retrogradă a rezultatului), optim pentru rezolvarea problemelor de
clasificare. Rețelele au dispus de un numar de neuroni de intrare egal cu numărul
parametrilor folosiți, un strat ascuns, precum și un neuron de ieșire (care
furnizează încadrarea rezultatului). Fiecărui parametru de intrare, introdus în
formă numerică (ca valori predefinite sau variabile binare, 0/1), i s-a atribuit o
pondere în funcție de care rețeaua calculează importanța fiecăruia pentru
rezultatul final. Nu am definit ponderi stricte pentru datele de intrare, valorile
acestora fiind stabilite automat în baza setului de antrenare. Funcțiile de transfer
au fost echivalentul sinapselor umane, ele permițând legătura între straturile
neuronale.
O parte din totalul cazurilor a fost folosită pentru antrenarea rețelei, în
timp ce restul datelor au fost implicate în procesul de validare a rezultatelor.
Datele introduse au fost stocate în cadrul unei baze de date dedicată. Prin
procesul de antrenare a rețelei neuronale am realizat modificarea iterativă a
ponderilor datelor de intrare în cadrul algoritmului global astfel încât, după un
anumit timp, acestea sa fie convergente spre o soluție care oferă o corelație
logică între datele de intreare și cele de ieșire.
Rețelele neuronale au fost concepute și aplicate în cadrul toolbox-ului
dedicat din cadrul aplicației MatLab (MathWorks, Massachusetts, Statele Unite
ale Americii). Odată cu introducerea parametrilor complecși în rețeaua neuronală
pentru antrenare, aceștia au fost stocați într-o bază de date dedicată.
12
Prin conlucrarea între sistemul de rețele neuronale și modulele de
prelucrare a filmelor CEUS, analiza automată a imaginilor CT și modeulul de
analiză fractală a imaginilor, am populat baza de date cu o serie de valori pentru
aceste investigații (Figura 1).
Într-o ultimă etapă de dezvoltare am adăugat o interfață web accesibilă
din interiorul unui browser Internet, sau local prin accesarea interfeței clasice.
13
REZULTATE
Statistica descriptivă a lotului de studiu
În studiu au fost incluși 112 pacienți, internați în Clinica de
Gastroenterologie a UMF Craiova şi Centrul de Cercetare în Gastroenterologie şi
Hepatologie Craiova în perioada ianuarie 2009 – mai 2011.
Vârstele subiecților au fost cuprinse între 28 și 87 ani, cu o vârsta medie
de 61 ± 4,01 ani (vârstă ± DS – deviația standard). Au predominat subiecții cu
vârste peste 50 de ani (n=82 respectiv 73,2% din întregul lot). Din totalul de 73
pacienți cu tumori hepatice maligne (CHC și metastaze hepatice) un număr de 68
pacienți (93,15%) aveau vârste peste 50 ani. În sublotul pacienților cu
hepatocarcinom s-a observat afectarea preponderentă a bărbaților (n=30, raportul
bărbați : femei fiind de 2,72 : 1).
Riscul relativ (RR) de a dezvolta CHC a fost calculat pentru un interval
de încredere de 95% (CI 95%) la pacienții cu ciroză hepatică, cu VHB, VHC și
consum de alcool. Am observat un risc statistic semnificativ crescut pentru CHC
în cazul pacienților cu ciroză hepatică (RR=6,53; CI95% =3,18 – 13,38), la
pacienții Ag HBs pozitivi (RR=4,51; CI95%=2,48 – 8,21), la pacienții cu Atc
anti-VHC pozitivi (RR=4,91; CI 95% 1,84 – 4,33) și la pacienții consumatori de
alcool (RR=9,165; CI95% 4,43 –18,92). Am identificat o corelaţie între abuzul
de alcool şi pozitivitatea Ag HBs atât la pacienţii cu ciroză hepatică cât şi la cei
cu hepatită cronică (testul chi-pătrat, p <0,001). Ag HBs pozitiv și consumul mai
mare de alcool au fost mai frecvent întâlnite la populația din mediul rural (testul
chi-pătrat, p <0,001).
Factorii de risc identificați în cadrul sublotului cu CHC au fost
reprezentați de VHB (n=17 pacienți, 41,46%), VHC (n=13 pacienți, 31,70%),
asociere VHB și VHC (n=6, 14,63%), consum abuziv de alcool fără patologie
virală asociată (n=5 pacienți, 12,19%). Consumul abuziv de alcool a fost decelat
la 30 pacienți (73,1%) dintre care 15 pacienți cu VHB, 7 pacienți cu VHC, 3
pacienți cu asociere VHB și VHC și 5 pacienți fără patologie virală asociată.
14
Ciroza hepatică a fost prezentă la 36 pacienți din sublotul cu CHC (87,8%)
dintre care 15 pacienți cu VHB, 13 pacienți cu VHC, 6 pacienți cu asociere
VHB+VHC și 5 pacienți cu consum abuziv de alcool și fără infecție virală
cronică (Figura 2).
15
Analiza fractală a imaginilor histologice
Analiza histopatologică
16
Metastazele cancerelor gastrice și de colon au avut aspectul de
adenocarcinoame slab diferenţiate. Metastazele cancerului de colon au afişat un
număr mare de celule tumorale, cu unele microvezicule şi incluziuni intra-
citoplasmatice cu nuclei pleomorfi heterogeni. În toate cele patru cazuri, am
putut observa un proces marcat de angiogeneză (pozitivitate CD34 intensă la
nivel vascular).
Am observat variaţii distincte ale valorii medii pentru fiecare tip specific
de patologie, precum şi variaţiile distincte în vascularizația CHC ce prezenta
diferenţiere neuroendocrină (CHCn). Înregistrarea valorilor minime şi maxime,
precum şi CI 95% ne-a oferit o mai bună imagine de ansamblu a răspândirii
valorilor din fiecare interval.
Astfel, am putut constata faptul că valorile medii pentru fiecare patologie
nu sunt diferite din punct de vedere statistic (p > 0,05) în mediul intratumoral,
atât pentru FD-urile corespunzătoare ariilor nucleare, cât și pentru valorile
obținute pentru ariile de vascularizație imunomarcate cu CD34.
Pentru mediul extratumoral rezultatele au fost similare, neînregistrându-
se diferențe semnificative între valorile medii ale dimensiunilor fractale
corespunzătoare nucleilor dar și vaselor din fiecare pereche de cazuri. Astfel, am
putut folosi în continuare valorile medii dintre seturile corespunzătoare fiecărui
caz dintr-o pereche, simplificând astfel redarea rezultatelor testelor statistice de
comparare multi-grup folosite.
18
6
Figura 3. Repartiția dimensiunilor fractale medii (mean FDs) pentru cele patru
subloturi analizate: (a) – Repartiția intratumorală a cromatinei nucleare; (b) –
Repartiția extratumorală, în parenchimul normal, a cromatinei nucleare; (c) –
Repartiția valorilor medii pentru dimensiunile fractale corespunzătoare ariilor
imunomarcate CD34, respective ariile vasculare de neoformație intratumorale;
(d) – Aceeași repartiție pentru țesutul extratumoral, respectiv în parenchimul
normal înconjurător.
19
Studiul imagistic CEUS
Carcinomul hepatocelular
120000
100000
80000
60000 Tumora
40000 Parenchim
20000
0
101
111
121
131
141
151
161
171
181
191
1
11
21
31
41
51
61
71
81
91
20
încărcarea asemănătoare în faza tardivă a parenchimului tumoral și a celui
hepatic normal.
Am putut observa diferențe semnificative între valorile IMAX
înregistrate în cele două arii de interes (p<0,001). TTP a fost mult mai scăzut în
cazul regiunii tumorale, comparativ cu parenchimul normal, mai slab
vascularizat. MTT a fost similar atât în aria tumorală, cât și în parenchimul
normal. PI a înregistrat valori mai ridicate în interiorul ariei de interes
corespunzătoare tumorii, probabil datorită vascularizației bogate întâlnită în
majoritatea cazurilor de CHC. Rise Time nu a variat semnificativ între cele două
regiuni, arătând că panta curbei de încărcare este similară între cele două arii de
interes.
Metastaze hepatice hipervasculare
250
200
150
100
1 Tumora
50
2 Parenchim
0
105
113
121
129
137
145
153
161
169
177
185
193
1
9
17
25
33
41
49
57
65
73
81
89
97
20000
15000
10000 Tumora
Parenchim
5000
0
101
111
121
131
141
151
161
171
181
191
1
11
21
31
41
51
61
71
81
91
22
În cazul metastazelor hipovasculare (Figura 7), valorile medii au diferit
semnificativ pe parcursul celor trei faze (p<0,001). Variația în fiecare pereche a
fost semnificativă, cu valori pozitive ale coeficienților Spearman, datorate în
principal fenomenului de inversare a curbelor între cele două arii de interes,
parenchimul încărcându-se mai rapid și la valori mai înalte comparativ cu
regiunea tumorală.Variația ariei de sub curbă a evidențiat existența unor
diferențe înalt semnificative între zona de parenchim normal și regiunea tumorală
(p<0,0001).
Hemangioame hepatice
1800000
1600000
1400000
1200000
1000000
Tumora
800000
600000 Parenchim
400000
200000
0
100
109
118
127
136
145
154
163
172
1
10
19
28
37
46
55
64
73
82
91
Steatoză focală
150
100
Tumora
50 Parenchim
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
24
Prin compararea succesivă a celor două seturi pereche de valori ale
intensității în zonele de interes (Figura 9), pe parcursul celor trei faze de acțiune
a agentului de contrast, nu am observat diferențe semnificative în gradul de
umplere (p>0,05). IMAX a avut o valoare ușor crescută pentru zona steatozică,
în comparație cu parenchimul normal, fără a exista însă diferențe semnificative
din punct de vedere statistic (p>0,05). În contrast cu tumorile studiate, TTP a fost
aproximativ egal în cele două zone. MTT a avut și aici valori apropiate în ambele
arii urmărite.
Analiza variabilității parametrilor derivați din curbele CEUS
intensitate–timp
În continuare, am efectuat o analiză a variabilității parametrilor derivați
din TIC-urile corespunzătoare fiecărei patologii, pentru a stabili fezabilitatea lor
în contextul clinic diagnostic (Tabelul 1).
Metastaze hepatice
Tumoră 0,102 0,228 0,121 0,050 0,129 0,261 0,001
Parenchim 0,175 0,123 0,051 0,142 0,055 0,159 0,033
Hemangiom hepatic
Tumoră 0,072 0,140 0,020 0,031 0,123 0,137 0,158
Parenchim 0,065 0,115 0,150 0,031 0,135 0,317 0,033
Steatoză focală
Tumoră 0,171 0,093 0,085 0,065 0,106 0,122 0,012
Parenchim 0,209 0,092 0,106 0,071 0,104 0,110 0.014
Tabelul 1. Variația parametrilor în subloturile studiate. Se poate observa
variabilitatea scăzută a parametrilor, atât pentru zona tumorală cât și în
parenchimul normal.
25
Variabilitatea intra–grup pentru înregistrările succesive a fost scăzută
pentru toate tipurile de leziuni examinate, cel mai mare coeficient de variabilitate
fiind de 0,317 pentru timpul de atingere a 90% din intensitatea maximă, în
parenchimul normal al cazurilor cu metastaze hepatice.
Valoarea maximă a coeficientului de variabilitate pentru intensitatea
maximă a fost de 0,209 pentru parenchimul zonei de steatoză focală. Valori mai
mari de 0,1 au mai fost înregistrate și pentru intensitățile maxime ale
metastazelor hepatice și hepatocarcinom, cea mai omogenă dispoziție având-o
seria de hemangioame hepatice. În ceea ce privește timpul până la atingerea
maximului, metastazele hepatice au înregistrat cea mai mare variabilitate, fapt
așteptat de altfel datorită vascularizației diferite în funcție de tumora de bază.
Timpul de tranzit al agentului de contrast a înregistrat de asemenea variații mari
în unele serii, atât pentru parenchim, cât și pentru zona tumorală, fără a exista o
legătură clară între aceste diferențe. Indexul de perfuzie a avut variații constant
scăzute, dovedind o bună omogenitate a acestui parametru. Parametrul cu valori
constant variabile a fost PI, parametru care este legat de panta curbei de creștere
a intensității în faza de captare arterială. Acest lucru nu este surprinzător, aici
înregistrându-se cele mai multe variații datorate heterogenității tipurilor de
vascularizație arterială. Aria de sub curbă a avut în general o variabilitate
scăzută, rezultat obținut în general și pentru calitatea încadrării în modelele
teoretice. În cazul acestui ultim parametru, a fost înregistrat cel mai mic
coeficient de variație (0,001), pentru curbele asociate intensităților medii ale
zonelor de metastază hepatică. Variabilitatea a fost scăzută pentru toate
categoriile de parametri și în cazul tuturor leziunilor examinate, validând criteriul
de selecție al acestor indicatori.
26
Analiza imaginilor CT
Selecția clasificatorilor
Am observat diferențe semnificative între valorile histogramelor tuturor
elementelor studiate, putând astfel face distincția între fiecare tip de patologie și
moment al substanței de contrast.
În cadrul analizei folosind matrici de co–localizare pe nuanțe de gri
(Gray Level Co-occurrence Matrix – GLCM), am obținut o variabilitate scăzută
în interiorul fiecărui grup de valori, pentru fiecare situație în particular (p<0,05;
coeficienți de variație < 0,3).
Faza arterială a permis clasificarea corectă a 91,6% dintre metastazele
slab vascularizate, crescând de asemenea simțitor numărul cazurilor de
hepatocarcinom clasificate corect (70,73% comparativ cu doar 24,3% în urma
analizei fazei native). Metastazele intens vascularizate și hemangioamele au fost
în continuare greșit clasificate în 45% și respectiv 56,25% din cazuri, procentele
fiind însă mai bune comparativ cu etapa fără agent de contrast.
27
Faza tardivă a ajutat la identificarea corectă a unui procent semnificativ
crescut de hemangioame, în lipsa fenomenului de wash-out (87,5% încadrare
corectă, maximul atins pentru această categorie de formațiuni) (tabel 3).
Clasificare Clasificat ca
corectă CHC Mh MH H SF
CHC 37/41 0 1 0 0
Mh 0 12/12 0 0 0
MH 4 0 16/20 0 0
H 1 0 1 14/16 0
SF 0 0 0 0 23/23
Tabel 3. Clasificarea în urma analizei fazei de echilibru. Se observă
specificitate bună în cazul metastazelor slab vascularizate. De asemenea, se
poate observa atingerea specificității maxime pentru hemangiom.
28
Testarea rețelelor neuronale în diagnosticul de certitudine CHC.
Clasificarea și prognosticul formațiunilor focale hepatice
29
rețea, respectiv diagnosticul probabil indicat de aceasta) a demonstrat de
asemenea o mai bună acuratețe a rețelei neuronale complexe. Reprezentarea
grafică sub formă de histograme de distribuție a evidențiat omogenitatea
repartiției erorilor în jurul valorii -0,037 pentru rețeaua complexă, în timp ce
rețeaua neuronală simplă a înregistrat valori multiple și în afara acestui interval.
Eroarea standard a rețelei simple s-a situat însă în limite admisibile, respectiv în
intervalul -0,3 +0,9.
Din analiza curbelor de performanță (Return Operator Characteristics)
am dedus faptul că rețeaua neuronală complexă este mai eficientă comparativ cu
cea simplă (p=0,0163; interval de încredere 95% 0,0108 – 0,107). Acest rezultat
poate fi tradus prin faptul că un subiect este clasificat corect în aproximativ
97,3% din cazuri pentru rețeaua complexă, respectiv în aproximativ 91,4%
pentru rețeaua simplă (Figura 10 și Tabelul 6). Valorile prag la care rețelele au
înclinat spre un alt diagnostic decât cel corect au fost în majoritatea cazurilor
extrem de scăzute.
30
AUC SE 95% CI
Rețea complexă 0,973 0,0160 0,924 – 0,995
Rețea simplă 0,914 0,0288 0,847 – 0,959
Comparația între cele două ROC-uri
Diferența între arii 0,0590
Eroare standard 0,0246
95% CI 0,0108 – 0,107
Statistică Z 2,401
Nivel de semnificație P = 0,0163
Tabelul 6. Cele două curbe ROC au demonstrat o diferență semnificativă din
punct de vedere statistic, cu un nivel foarte înalt de încredere.
% Rețea simplă Rețea complexă
Sensibilitate 93,2 97,3
Specificitate 89,7 97,4
PPV 94,42 98,6
NPV 87,57 95,06
Tabel 7. Performanța rețelelor neuronale pentru distincția benign / malign. PPV
= positive predictive value, valoare predictivă pozitivă; NPV = negative
predictive value, valoare predictivă negativă.
Clasificare Clasificat ca
corectă CHC Mh MH H SF
CHC 41/41 0 0 0 0
Mh 0 12/12 0 0 0
MH 0 0 18/20 2 0
H 0 0 1 15/16 0
SF 0 0 0 0 23/23
Tabelul 8. Clasificarea efectuată de rețeaua neuronală complexă, folosind
datele imagistice complexe. CHC – Hepatocarcinom; Mh – metastază
hipovasculară; MH – metastază hipervasculară; H – hemangiom; SF – Steatoză
focală.
Rețeaua complexă a demonstrat o performanță superioară celei simple
(Tabelul 7), clasificând corect un total de 109 cazuri din 112, comparativ cu 103
clasificări pozitive pentru rețeaua simplă (Tabelul 8). Pentru toate cele trei
cazuri rețeaua a oferit însă un grad de siguranță scăzut, de sub 80%. Totuși,
rețeaua simplă a dovedit o fiabilitate foarte bună, cu o sensibilitate de peste 93%
în evidențierea tumorilor maligne, având de asemenea o specificitate de aproape
90%.
31
CONCLUZII
32
de posibilitatea evaluării gradului de extensie tumorală. Am folosit o rețea
neuronală pentru selectarea și clasificarea automată a unei serii de
caracteristici particulare, specifice pentru fiecare tip de formațiune focală
hepatică.
• Cele mai bune rezultate au fost obținute în etapele CT care evaluează
dinamica vasculară, unde rețelele neuronale au putut clasifica un număr
semnificativ crescut de formațiuni tumorale (102 din 112 formațiuni corect
clasificate, comparativ cu doar 34 din 112 formațiuni în cazul imaginilor
native).
• Preluarea datelor clinice și paraclinice ale pacienților a antrenat rețeaua
neuronală, care a putut departaja corespunzător afecțiunile maligne de cele
benigne hepatice în 103 cazuri din totalul de 112. Sensibilitatea acestei
metode a fost astfel de 93,2%, cu o specificitate de 89,7%.
• Adăugarea datelor provenite din analiza curbelor intensitate–timp rezultate
în urma analizei înregistrărilor CEUS a sporit considerabil acuratețea
diagnostică a rețelei (sensibilitate și specificitate semnificativ crescute –
97,3% respectiv 97,4%).
• Analiza curbelor ROC a confirmat această observație, fiind obținută o arie
de sub curbă de 0,973 pentru rețeaua complexă, comparativ cu 0,914 pentru
cea simplă. Mai mult, acești parametri au permis încadrarea formațiunilor
focale hepatice în cinci clase distincte, sporind acuratețea diagnostică în
diferențierea CHC.
33
BIBLIOGRAFIE SELECTIVĂ
34
11. Ignee A, Jedrejczyk M, Schuessler G, Jakubowski W, Dietrich CF.
Quantitative contrast enhanced ultrasound of the liver for time intensity
curves-Reliability and potential sources of errors. Eur J Radiol, 2010;
73(1): 153 – 158.
12. Salvatore V, Borghi A, Sagrini E, Galassi M, Gianstefani A, Bolondi L,
Piscaglia F. Quantification of enhancement of focal liver lesions during
contrast-enhanced ultrasound (CEUS). Analysis of ten selected frames is
more simple but as reliable as the analysis of the entire loop for most
parameters. Eur J Radiol, 2011 Feb 21. [Epub ahead of print]
13. Goertz RS, Bernatik T, Strobel D, Hahn EG, Haendl T. Software-based
quantification of contrast-enhanced ultrasound in focal liver lesions--a
feasibility study. Eur J Radiol, 2010; 75(2): e22–26.
14. Singh P, Erickson RA, Mukhopadhyay P, Gopal S, Kiss A, Khan A, Ulf
Westblom T. EUS for detection of the hepatocellular carcinoma: results of
a prospective study. Gastrointest Endosc, 2007; 66:265-273.
15. Albrecht T, Blomley M, Bolondi L, Claudon M, Correas JM, Cosgrove D,
Greiner L, Jäger K, Jong ND, Leen E, Lencioni R, Lindsell D, Martegani
A, Solbiati L, Thorelius L, Tranquart F, Weskott HP, Whittingham T.
EFSUMB Study Group. Guidelines for the use of contrast agents in
ultrasound. Ultraschall Med 2004; 25: 249–256.
16. Lencioni R, Piscaglia F, Bolondi L. Contrast-enhanced ultrasound in the
diagnosis of hepatocellular carcinoma. Journal of Hepatology, 2008; 48:
848–857.
17. Baron RL, Brancatelli G. Computed Tomographic Imaging of
Hepatocellular Carcinoma. Gastroenterology, 2004; 127: S133–S143.
18. Pirici D, Mogoantă L, Mărgăritescu O, Pirici I, Tudorică V, Coconu M,
Fractal analysis of astrocytes in stroke and dementia, Romanian Journal of
Morphology and Embryology, 2009, 50(3):381–390.
19. Antonio Di Ieva. Angioarchitectural morphometrics of brain tumors: Are
there any potential histopathological biomarkers? Microvascular Research,
2010; 80:522–533.
20. Streba CT, Pirici D, Mogoanta L, Comanescu M, Rogoveanu I, Sandulescu
L, Bold A. Fractal Analysis Differentiation Of Nuclear And Vascular
Patterns In Hepatocellular Carcinomas And Hepatic Metastasis. J of
Hepatol, Suppl. 1 (52), 2010: S351.
21. Streba CT, Rogoveanu I, Vere CC, Mogoanta L, Lilea G. Differentiation
between normal hepatic parenchyma, hepatocellular carcinoma and
35
metastasis, on histological images, using image fractal analysis. Journal of
Gastrointestinal and Liver Disease, vol. 29, Suppl. 1. 2010:148-149.
22. Streba CT, Rogoveanu I, Vere CC, Pirici D, Baloseanu C. Correlations
between fractal dimension of vascular axel disposition and dimension in
immunostained images of hepatocellular carcinoma and various liver
metastasis. Journal of Gastrointestinal and Liver Disease, vol. 29, Suppl. 1.
2010:149.
23. Streba CT, Pirici D, Vere CC, Mogoantă L, Comănescu V, Rogoveanu I.
Fractal analysis differentiation of nuclear and vascular patterns in
hepatocellular carcinomas and hepatic metastasis. Rom J Morphol
Embryol, 2011; 52(3):845-854.
24. Jiang J, Trundle P, Ren J.. Medical image analysis with artificial neural
networks. Computerized Medical Imaging and Graphics, 2010; 34:617–
631.
25. Chiu JS, Wang YF, Su YC, Wei LH, Liao JG, Li YC. Artificial neural
network to predict skeletal metastasis in patients with prostate cancer.
Journal of Medical System, 2009; 33: 91–100.
26. Kondo C, Kondo T, Ueno J. Three-dimensional medical image analysis of
the heart by the revised GMDH-type neural network self-selecting
optimum neural network architecture. Artificial Life and Robotics, 2009;
14(2):123–128.
27. Markaki VE, Asvestas PA, Matsopoulos GK. Application of Kohonen
network for automatic point correspondence in 2D medical images.
Computers in Biology and Medicine, 2009; 39:630–635.
28. Guo D, Qiu T, Bian J, Kang W, Zhang L. A computer-aided diagnostic
system to discriminate SPIO-enhanced magnetic resonance hepatocellular
carcinoma by a neural network classifier. Computerized Medical Imaging
and Graphics, 2009; 33(8):588–592.
29. Zhang X, Kanematsu M, Fujita H, Zhou X, Hara T, Yokoyama R, Hoshi H.
Application of an artificial neural network to the computer-aided
differentiation of focal liver disease in MR imaging. Radiol Phys Technol,
2009; 2(2):175–182.
30. Mittal D, Kumar V, Saxena SC, Khandelwal N, Kalra N. Neural network
based focal liver lesion diagnosis using ultrasound images. Comput Med
Imaging Graph, 2011; 35(4):315–323.
36
PUBLICAȚII DIN LUCRAREA DE DOCTORAT
Lucrări in extenso publicate în reviste cotate ISI cu factor de impact:
1 Streba CT, Mogoanta L, Streba LM, Vere CC, Carstea D. Metabolic and
biochemical correlations in nonalcoholic fatty liver disease.
Gut/Enteroscopy, vol. 58, Suppl. II: p A121, 2009
2 Pirici D, Mogoanta L, Oprea B, Streba CT. Fractal analysis of nuclear and
vascular patterns in gastric adenocarcinomas. Gut/Enteroscopy, vol. 58,
Suppl. II: pp A422-423 2009
3 C.T. Streba, D. Pirici, L. Mogoanta, M. Comanescu, I. Rogoveanu, L.
Sandulescu, A. Bold; Fractal Analysis Differentiation Of Nuclear And
Vascular Patterns In Hepatocellular Carcinomas And Hepatic Metastasis. J
of Hepatol, Suppl. 1 (52): pp S351, 2010
37
4 Streba CT, Rogoveanu I, Sandulescu LD, Mogoanta L, Comanescu M,
Vere C, Nita-Stefanescu L, Ciurea T, Predescu D. Immunohistochemical
study of the expression of citokeratines in the embryonic liver, cirrhosis and
hepatocellular carcinoma. Gut/Enteroscopy, vol. 59, Suppl. II: A121, 2010
1 Streba CT, Vere CC, Niță-Ștefănescu Liliana, Salan E, Ionescu AG, Țapu
F. Epidemiology and risk factors of the hepatocellular carcinoma
associated with cirrhosis or viral hepatitis: a retrospective study in a single
Romanian clinic. Volum rezumate: A II-a Sesiune de comunicări științifice
„Victor Babeș” 3-4 iunie, București. Pag. 41-42. 2010
1 Ion Rogoveanu, Larisa Sandulescu, Elena Cioboata, Mihai Ioana, Costin
Teodor Streba, Alexandru Dragos, Ciurea Tudorel. Correlations between
the abl 1 gene expression and the stage of fibrosis in patients with chronic
C hepatitis. Journal of Gastrointestinal and Liver Disease, vol. 29, Suppl. 1:
p 13, 2010
3 Sandulescu Daniela Larisa, Rogoveanu Ion, Comanescu Maria Victoria,
Costin Teodor Streba, Oproaica Alice, Marius Ene, Ciurea Tudorel.
Immunohistochemical study on stellate cells in patients with chronic
hepatitis C. Journal of Gastrointestinal and Liver Disease, vol. 29, Suppl. 1:
p 55. 2010.
4 Costin Teodor Streba, Ion Rogoveanu, Cristin Constantin Vere, Laurentiu
Mogoanta, Georgiana Lilea. Differentiation between normal hepatic
parenchyma, hepatocellular carcinoma and metastasis, on histological
images, using image fractal analysis. Journal of Gastrointestinal and Liver
Disease, vol. 29, Suppl. 1: pp 148-149. 2010.
5 Costin Teodor Streba, Ion Rogoveanu, Cristin Constantin Vere, Daniel
Pirici, Cristina Baloseanu. Correlations between fractal dimension of
vascular axel disposition and dimension in immunostained images of
hepatocellular carcinoma and various liver metastasis. Journal of
Gastrointestinal and Liver Disease, vol. 29, Suppl. 1: p 149, 2010
38