Una nuova immaginografia per i tumori del cervello

L’immaginografia con spettroscopia fosforica a risonanza magnetica (31P MRSI) sta suscitando sempre più interesse come alternativa alla consolidatissima MRI. Fornisce preziose informazioni in vivo sullo stato energetico, il pH e il metabolismo di un’area di interesse, ma la risoluzione è limitata e i rapporti segnale/rumore (SNR) sono bassi.

Con i progressi degli scanner ad alto campo (tre Tesla (3T)) e le bobine multicanali riceventi a radiofrequenza, si profilano numerose applicazioni. Alcuni scienziati finanziati dall’UE si sono proposti di sviluppare le metriche per valutare l’aggressività dei tumori del cervello, attraverso un lavoro nell’ambito del progetto 31P_SPECTRA_3T (“Phosphorus MR spectroscopic imaging of brain tumours at 3T”). Si sono occupati dei picchi spettrali prodotti dai metaboliti oggetto del loro interesse.

Il team ha confrontato le analisi delle serie temporali e spettrali di scansioni cliniche, per ottenere una quantificazione precisa dei dati di 31P MRSI del cervello umano a 3T. I bassi SNR rendono complicate tali operazioni. Le stime di rapporto di picco dei due programmi valutati (Advanced Method for Accurate, Robust and Efficient Spectral fitting (AMARES) e l’open-source Spectroscopic Imaging, VIsualization and Computing (SIVIC)) erano molto simili, anche se AMARES ha fornito risultati migliori per gli spettri rumorosi.

Dopo aver valutato le tecniche di misurazione e quantificazione, il team è passato all’applicazione, analizzando cioè l’eterogeneità spaziale e le caratteristiche dei tumori del cervello, utilizzando 31P MRSI a 3T. Gli scienziati hanno confrontato dati ricavati da 3 volontari sani e 11 pazienti, che avevano tutti fornito il consenso informato previsto dalla legge.

Nonostante le ridotte dimensioni del campione, i risultati hanno confermato la capacità delle due tecniche (macchina a vettori di supporto e regressione logistica) di classificare e distinguere i tumori del cervello dal tessuto normale. La regressione logistica ha prodotto un livello superiore di sensibilità, specificità e precisione.

Infine, i ricercatori hanno elaborato gli spettri di volontari sani e pazienti utilizzando AMARES, a cui hanno fatto seguito regressioni lineari, per adattare le intensità in voxel con un determinato rapporto di metaboliti. Si sono concentrati sui rapporto ottenuti nella precedente valutazione, che si erano dimostrati diversi tra soggetti sani e pazienti.

31P_SPECTRA_3T ha contribuito a un più ampio uso di 31P MRSI, grazie a una comprensione più approfondita e metriche migliori. A sua volta, tali elementi eleveranno la qualità della diagnosi e la pianificazione delle cure, man mano che i database di tessuti sani e patologici si espandono.