• adenocarcinoma duttale
• modelli 3D
• pancreas
• planning chirurgico
• region growing
• segmentazione

Questo lavoro di tesi si colloca all’interno di uno dei numerosi progetti portati avanti nel centro di ricerca per la chirurgia assistita EndoCAS.
Il progetto di cui sopra si basa sulla realizzazione di un software di segmentazione di immagini diagnostiche (Tomografia Computerizzata) per la ricostruzione di modelli tridimensionali degli organi interni.
Con segmentazione delle immagini si intende la partizione della stessa nelle sue parti “costituenti”, ovvero la delimitazione di regioni, “segmenti”, dal contenuto correlato. In ogni fetta 2D dell’immagine TC, quindi, sulla base dell’intensità relativa di livelli grigio di ogni singolo pixel, vengono segmentate zone considerate relative a un singolo organo o distretto; da ogni segmento poi, tramite algoritmi di ricostruzione, si estrapola l’informazione tridimensionale sui voxel e si ricostruisce l’organo in 3D.
Il programma di ricostruzione utilizzato è ITKSnap per il quale è stato sviluppato, proprio a EndoCAS, un toolbox apposito: l’EndoCAS Segmentation Pipeline. Tale toolbox ne migliora le potenzialità e velocizza il processo di ricostruzione tridimensionale. I modelli ricostruiti possono poi essere destinati alle più diverse applicazioni: dall’utilizzo per scopi didattici per il semplice studio dell’anatomia ma anche per il training dei chirurghi inesperti, a scopi diagnostici, dalla possibilità di un planning di un’operazione chirurgica fino al più pretenzioso e stimolante obiettivo di un navigatore chirurgico per la realtà aumentata in laparoscopia.
In questo ampio e ambizioso scenario questo lavoro si concentra su uno studio di effettiva applicabilità clinica del software. Dopo una fase di assessment del problema, necessaria per decidere un distretto anatomico sul quale concentrarsi, si è orientato sull’ottimizzazione del software e sullo sviluppo di un protocollo ottimo di segmentazione per migliorare la visibilità del pancreas e delle relative patologie tumorali ai fini di un miglior planning chirurgico preoperatorio.
I tumori del pancreas, in particolare l’adenocarcinoma duttale, non sono facilmente rilevabili e visibili in CT a occhi non esperti; questo tipo di tumore, in particolare, è particolarmente sfumato e tende inoltre ad infiltrarsi nel tessuto adiposo circostante e nel sistema vascolare; una corretta e precisa individuazione del grado di coinvolgimento di queste strutture è fondamentale per determinare i limiti di resecabilità e operabilità del tumore stesso, ma è estremamente difficile a un occhio inesperto accorgersi e discriminare tra diversi livelli di infiltrazione. Proprio questa peculiarità dell’adenocarcinoma duttale rende difficile la comunicazione tra radiologo e chirurgo che, pur trovandosi con il referto davanti, non sempre riesce a immaginare e ricostruire mentalmente l’anatomia del tumore e il rapporto dello stesso con le strutture anatomiche che lo circondano così da pianificare efficacemente un intervento chirurgico, se il caso, tentare anche un approccio laparoscopico che oggi è raro nella chirurgia pancreatica.
Nell’ottica di migliorare e ottimizzare le prestazioni del software, per adattarlo alla segmentazione del distretto pancreatico e delle sue patologie neoplastiche, si è dovuto affrontare il problema della registrazione dei dataset diagnostici per migliorare la segmentazione delle immagini e la successiva ricostruzione del modello tridimensionale. Nella pratica clinica di acquisizione delle immagini TC viene somministrato al paziente un mezzo di contrasto iodato di enhancement del segnale che, in tempi diversi e sulla base della dinamica di distribuzione dello stesso, va a distribuirsi in tutti gli organi addominali. Vengono quindi effettuate più scansioni in momenti precisi per assicurarsi di cogliere così tutti gli organi nel momento di massimo assorbimento del mezzo di contrasto e, quindi, di massimo segnale e visibilità.
Durante tutto il tempo di acquisizione della CT al paziente viene chiesto di non muoversi e di effettuare una serie di respiri sincronizzati con i tempi di scansione delle singole fasi.
Questo protocollo di acquisizione delle immagini, nonostante sia studiato appositamente per garantire la maggiore immobilità possibile del paziente, porta comunque con sè il problema del disallineamento tra le immagini prelevate in scansioni successive a causa di artefatti da movimento. Per un software che effettua la ricostruzione basandosi su un algoritmo e senza l’elasticità del cervello umano, la stabilità del voxel, inficiata dai movimenti del paziente, è fondamentale per ottenere un buon risultato e non perdere informazioni a causa di movimenti più o meno volontari non solo nella singola scansione, ma anche tra una scansione e la successiva. Gli artefatti da movimento più critici sono quelli respiratori, poiché, se è possibile ridurre al minimo o eliminare i movimenti volontari del paziente, non è altrettanto facile controllare i movimenti dovuti alla respirazione e il conseguente spostamento relativo dei voxel. Per ottenere, quindi, un riallineamento delle immagini a posteriori sto indirizzando un secondo canale di studio sull’analisi degli strumenti software esistenti per la registrazione di dataset diagnostici e in particolare sulla realizzazione di uno strumento realizzato ad-hoc per ottenere un allineamento ideale ai fini della segmentazione ottima. A questo scopo si è indagata sia la possibilità di un allineamento rigido che di una registrazione non rigida, cercando di guardare criticamente ai pro e contro di entrambi gli approcci e si è infine realizzato un tool in ambiente MeVisLab che consente una registrazione manuale efficace, intuitiva e veloce.
Una volta ottenuto lo strumento di registrazione dei dataset si è sviluppato un protocollo di segmentazione semiautomatica per il pancreas e lo si è arricchito inoltre di un codice di falsi colori per la segmentazione dei conivolgimenti delle strutture anatomiche circostanti.
Seguendo tale protocollo il radiologo può proporre al chirurgo, insieme al referto scritto e al dataset TC, un modello tridimensionale dell’organo di facile e più intuitiva interpretazione, che si può forse considerare come l’anello mancante per rendere completamente trasparente la catena di scambio di informazioni tra radiologi e chirurghi. Con il modello 3D il quale il chirurgo può interagire liberamente, visualizzando più o meno organi della cavità addominale, girando intorno agli stessi e rendendoli trasparenti per visualizzare la vascolarizzazione, ai fini di effettuare un’efficace pianificazione chirurgica e decidere sull’operabilità o meno anche dei casi borderline.