Clasificación de la esteatosis hepática usando imágenes de ultrasonido.
La esteatosis hepática o hígado grado se describe como la presencia anormal de triglicéridos y otras grasas dentro de las células hepáticas, la acumulación de la grasa en el hígado no es perjudicial si se encuentra por debajo del 10% del total del peso del hígado, sin embargo esta patología se puede asociar con hepatitis y en situaciones extremas puede evolucionar a cirrosis. La enfermedad puede ser reversible si se detecta en estadios iniciales, generalmente esta patología se asocia con obesidad, diabetes mellitus, hipertrigliceridemia y consumo excesivo de alcohol.
Los cambios patológicos de esta enfermedad se pueden evaluar usando las imágenes ultrasonográficas que se caracterizan por atenuación de los ecos, modificación de la ecogenicidad hepática en comparación con el riñón y por la pobre visualización de la vena porta y el diafragma. El uso del ultrasonido para el diagnóstico de esteatosis hepática depende de la percepción visual de quien lo realiza, por lo que para evitar esos problemas, se proponen algunos métodos y herramientas basadas en el diagnóstico asistido por computadora (CAD) para ayudar a los ultrasonografistas a esclarecer las imágenes observadas y reducir la variación entre los observadores.
Actualmente, el sistema CAD ha sido aplicado para ayudar a los ultrasonografistas en la detección temprana y caracterización de varias patologías en órganos como el hígado, mama, tiroides y pulmones. En el caso del hígado, lo más comúnmente usado es la medición de las texturas mediante construcción espacial de la escala de grises, otras mediciones que se utilizan son el poder del espectro y la medida de la textura de la energía, que en conjunto con el concepto de fractales desarrollado por Mandelbrot nos da información sobre la rugosidad de las superficies naturales.
Nicolau fue el primero en introducir la medición de la ecogenicidad, la ecotextura y la superficie hepática utilizando las imágenes ultrasonográficas, también Vehmas realizó una importante contribución para la detección de la esteatosis midiendo el radio de ecogenicidad del hígado y el riñón, más recientemente un nuevo método fue propuesto por Webb en el cual se mide la infiltración grasa utilizando el índice hepatorenal computarizado.
El presente estudio consistió en la adquisición de 177 imágenes ultrasonográficas obtenidas de 36 pacientes, se clasificaron las imágenes como normales y como esteatosis, los parámetros obtenidos de las imágenes ayudaron al proceso de decisión relacionado con análisis estadísticos agrupando los datos con características similares, así el sistema CAD esta compuesto por 3 módulos: características de extracción, características de selección y clasificadores.
Características de extracción: La metodología propuesta para la extracción de características se basa en las diferentes aproximaciones caracterizando la ecogenicidad, varías características se derivan de las primeras comprendiendo en total 325 características. Las primeras características de orden se ocupan de la información extraída de un pixel aislado capaz de describir la ecogenicidad de la textura y las características de variación difusa. El término ejecución significa el total de número de píxeles consecutivos que tienen el mismo nivel de gris y se encuentran en la misma dirección, con esto se extrajeron en total 44 características. El análisis fractal se utiliza en imágenes que presentan un alto nivel de similitud, contiene información sobre la complejidad geométrica y la irregularidad de una imagen.
Características de selección: Algunas características utilizadas están relacionadas entre sí, para reducir la complejidad y la redundancia, en cada paso de una característica se incluye si el valor de p tiene menos de 0.05 y se elimina del modelo si el valor de p es inferior a 0.1, al final todas las características seleccionadas tienen una relación significativa con la condición clínica.
Clasificadores: Se utilizan 3 clasificadores diferentes para proporcionar una representación binaria en las clases en términos de lo normal y la esteatosis.
- La Red Neuronal Artificial (ANN) este clasificador está inspirado en el modelo del sistema nervioso biológico, sus estructuras más simples son neuronas que pueden interconectarse en diferentes configuraciones.
- La máquina de vectores de soporte (SVM) este clasificador tiene como objetivo encontrar el hiperplano en una característica tridimensional que separa mejor las clases.
- El vecino más cercano-k (kNN) este clasificador utiliza una medida de distancia para hacer predicciones acerca de la clase de la nueva muestra de ensayo, asigna una muestra de ensayo a la clase de la mayoría de sus k-vecinos.
Sistema CAD: El rendimiento del sistema CAD se evaluó utilizando la precisión global que expresa el correcto porcentaje de predicciones, también analiza el equilibrio entre la tasa de éxito (tasa de verdaderos positivos) y la tasa de falsas alarmas (tasa de falsos positivos), esto diferencia los datos incorrectamente clasificados entre las condiciones normales y los esteatósicos. El procedimiento se repite hasta que todos los grupos han pasado la prueba.
En este trabajo un total de 325 características fueron extraídas de las imágenes ultrasonográficas, se consideraron los 3 sistemas de clasificación, los valores de precisión fueron muy similares. El método de regresión por etapas se utilizó par ala obtención de las características más relevantes. Como es de esperarse, los resultados incluyeron varias características basura que perjudican la precisión global y aumenta la complejidad de procesamiento, los hígados esteatósicos no se identificaron correctamente debido al número limitado de muestras.
Como conclusión este estudio tuvo como objetivo evaluar el desempeño de los tres clasificadores para el diagnóstico de la esteatosis hepática utilizando varias características extraídas de las imágenes de ultrasonido. Las características de la textura, el histograma y el enfoque de dimensión fractal ha dado lugar a resultados alentadores, dentro de los clasificadores el SVM tuvo el mejor desempeño debido a la buena precisión y cuando se aplicó el sistema de regresión por pasos aumentó la discriminación y el sistema de clasificación mejoró.
Comentario: En este artículo se mencionan los métodos más efectivos para poder homologar la clasificación de esteatosis hepática y así poder emitir un diagnóstico y clasificación correcta, basándose en las características más relevantes y similares en una serie de imágenes ecográficas, ya que mediante procesos computarizados se pueden evaluar las características de extracción, posteriormente las características de selección y finalmente poder clasificarlas en el grupo de hígado normal o hígado con esteatosis, para que de esta manera se logre unificar el diagnóstico y evitar sesgos y variaciones dependientes del observador.
Artículo escrito por el Dr. Carlos Toledo Toral
