BrainFit: Trattografia da risonanza in diffusione per la pianificazione radioterapica e chirurgica (PRIN 2009)

Starting date
October 17, 2011
Duration (months)
24
Departments
Computer Science, Department of Engineering for Innovation Medicine
Managers or local contacts
Menegaz Gloria

Negli ultimi anni la risonanza magnetica (MR) di diffusione ha suscitato notevole interesse sia in ambiente clinico che di ricerca. Questa tecnica, che permette di
rilevare le connessioni anatomiche all'interno del sistema nervoso centrale (SNC) in vivo e in maniera non invasiva, consente di studiare il collegamento tra differenti regioni corticali e subcorticali e la relazione tre informazioni funzionali e strutturali, ottenute tramite differenti modalità di acquisizione di immagini. La trattografia, ovvero la ricostruzione dei percorsi delle fibre nervose, costituisce un supporto alle fasi diagnostiche ed interventistiche quali la pianificazione, la somministrazione di chemio/radio-terapie e il follow-up di interventi chirurgici volti alla resezione di tumorali cerebrali. Ad oggi numerosi studi sono stati dedicati allo sviluppo di algoritmi per la ricostruzione delle fibre nervose in pazienti sani sulla base di differenti modalità di acquisizione allo stato dell'arte in termini di
tecnologia, tra cui la Diffusion Tensor Imaging (DTI) e la maggiormente informativa Diffusion Spectral Imaging (DSI). Diverse problematiche, come l'analisi approfondita delle potenzialità di queste tecniche per l'applicazione nella pratica clinica, rimangono aperte e lasciate a futura investigazione. Gli obiettivi principali sono (i) l'uso di modelli noti per la ricostruzione ottimizzata delle fibre; (ii) l'integrazione e l'impiego delle informazioni fornite da differenti modalità di imaging (come ad esempio la MR funzionale fMRI); l ‘impiego della trattografia per investigare connettività corticali e sub-corticali e (iv) da ultimo ma non di minore importanza, la validazione della trattografia, che al momento costituisce una delle sfide principali.
L'obiettivo di questo progetto è legato ai problemi che presentano un forte impatto sulla pianificazione di interventi chirurgici e della radioterapia, ovvero per i pazienti che presentano lesioni tumorali solide. Più specificatamente, nostra intenzione è occuparci dei casi in cui si riscontrano lesione edematose. In tali condizioni, la percentuale di rumore è significativa nelle regione circostante il tumore limitando fortemente l'utilizzo clinico degli attuali algoritmi di trattografia. Con questo progetto ci poniamo come obiettivo di superare tale ostacolo impiegando altre potenziali sorgenti in informazione, includendo quindi differenti modalità di imaging
(come la fMRI, segnali neurofisiologici registrati durante l'intervento, come nel caso della chirurgia minimamente invasiva) così come l' autosimilarità strutturale tra l'emisfero destro e sinistro. Inoltre, puntiamo alla validazione quantitativa della risultante topologia della rete di fibre allo scopo di renderla utilizzabile nella pratica clinica. Infatti, uno dei limiti principali che impediscono l'impiego della piena potenzialità di queste tecniche nella pratica chirurgica è la mancanza di un termine di paragone per la validazione, il quale permetterebbe di valutare le prestazioni dell'algoritmo di trattografia anche in volontari sani. Relativamente a ciò, il nostro
obiettivo è duplice. Primo, studieremo un modello che permetta (i) di identificare potenziali sorgenti di inaccuratezza nella stima della funzione di distribuzione delle fibre (ODF), la quale è un'informazione grezza ottenuta dai dati nel primo passaggio atto all'estrazione della rete di fibre e (ii) quantificare e predire l'impatto di ogni sorgente sull'inacuratezza. Secondo, valideremo la risultante topologia delle fibre investigando la sua idoneità come substrato neurologico di dati funzionali di specifici pazienti osservati in condizioni predefinite.

Sponsors:

Ministero dell'Istruzione dell'Università e della Ricerca
Funds: assigned and managed by the department
Syllabus: COFIN - Progetti di Ricerca di Interesse Nazionale

Collaboratori esterni

Jean-Philippe Thiran
Signal Processing Lab. EPFL
Share