BRPI0806785A2 - ferramentas para auxiliar no diagnóstico de doenças neurodegenerativas - Google Patents

Abstract

FERRAMENTAS PARA AUXILIAR NO DIAGNóSTICO DE DOENçAS NEURODEGENERATIVAS. é descrito um sistema (100) e método para avaliação clínica de doença neurodegenerativa presente em um indivíduo. O sistema (100) compreende um módulo de aquisição de imagem (122), operável para adquirir dados de imagem representativos do cérebro de um indivíduo, e um analisador de imagem (124). O analisador de imagem (124) é operável para determinar o valor quantitativo dos dados de imagem, que são indicativos donível da doença neurodegenerativa no cérebro do individuo. Várias formas de realização da invenção suprem uma ferramenta que auxilia no diagnóstico e monitoramento prematuros aperfeiçoados de doenças neurodegenerativas, tais como, por exemplo, mal de alzheimer (AD).

Description

"FERRAMENTAS PARA AUXILIAR NO DIAGNÓSTICO DE DOENÇAS NEURODEGENERATIVAS"

Campo da Invenção

A presente invenção refere-se a ferramentas para auxiliar no diagnóstico de doenças neurodegenerativas. Em particular, a presente invenção refere-se a aparelho e métodos para aplicar técnicas de análise de imagem em dados de imagem cerebral, para auxiliar no diagnóstico de doenças neurodegenerativas, tais como, por exemplo, mal de alzheimer (AD). Fundamentos da Invenção

Várias doenças neurodegenerativas, tais como, por exemplo, mal de alzheimer, são sabidas serem de difícil diagnóstico definitivamente in vivo. Por exemplo, embora seja possível identificar indivíduos que possam ter uma predisposição genética para o desenvolvimento da AD [1,2], com freqüência é somente possível prover um diagnóstico provisório baseado em dados derivados de laboratório, estudos clínicos e de neuroformação de imagem de estágio tardio, quando vários sintomas característicos tornam-se evidentes para o clínico hábil.

Várias técnicas têm sido usadas para auxiliar na preparação de tal diagnóstico provisório para AD. Estas técnicas incluem vários testes avaliação física, tais como, por exemplo, o teste óptico planejado por Newman [3], em que uma técnica óptica é usada para determinar se o olho do paciente tem perda de célula ganglionar sustentada, consistente com o avanço da AD.

Tais diagnósticos provisórios são úteis. Entretanto, recentemente, evidência crescente emergiu de que o processo patológico da AD pode começar décadas antes mesmo da possibilidade de qualquer diagnóstico provisório ser feito, no chamado estágio preclínico da doença. Este estágio preclínico pode ser dividido em duas principais fases, a saber: uma "fase latente" inicial, em que sintomas não observáveis estão presentes e uma subsequente "fase prodrômica", em que sintomas suaves, insuficientes para diagnóstico clínico provisório, estão presentes.

Várias tentativas, portanto, foram também feitas para tentar prover diagnósticos de estágio mais prematuro, tentando-se identificar vários sinais do processo patológico durante as duas fases preclínicas. Até hoje duas principais técnicas foram usadas para identificar quaisquer variações anormais que pudessem ser associadas com patologia de estágio prematuro da AD, a saber: a) formação de imagem por ressonância magnética (MRI) e formação de imagem por ressonância magnética funcional (fMRI) do cérebro [4,7]; e b) avaliação de mudanças metabólicas no cérebro, pelo monitoramento da absorção 18F-2-fluoro-2-desoxi-D-glicose (FDG) radioativa, utilizando-se um escâner de tomografia de emissão de pósitron (PET) [2,5,6].

Embora tais técnicas ajudem realmente no diagnóstico da AD, há uma limitação pelo fato de que todos os métodos acima mencionados medirem efeitos secundários da doença e haver necessidade de prover um meio aperfeiçoado de rápida e precisamente avaliar pacientes para detecção do processo patológico da AD, em todas as três das fases preclínica, provisoriamente diagnosticada e diagnosticada da doença. Isto é particularmente importante no estágio preclínico, onde identificação precoce do processo doentio e tratamento é aconselhável para evitar ou diminuir o avanço da doença. Além disso, também existe uma necessidade de um meio melhor para avaliar o progresso da AD, incluindo qualquer resposta ao tratamento, naqueles pacientes em qualquer uma das três fases da doença.

Sumário da Invenção

Vários aspectos e formas de realização da presente invenção foram desenvolvidos para fornecer ferramentas para auxiliar no diagnóstico e monitoramento de doenças neurodegenerativas (tais como, por exemplo, AD) com as desvantagens supracitadas de técnicas convencionais tidas em mente.

De acordo com um primeiro aspecto da presente invenção, é provido um sistema para avaliação clínica de doença neurodegenerativa presente em um indivíduo. O sistema compreende um módulo de aquisição de imagem, que é operável para adquirir dados de imagem representativos de um cérebro de um indivíduo, e um analisador de imagem. O analisador de imagem é operável para determinar um valor quantitativo dos dados de imagem, em que o valor quantitativo é indicativo do nível de doença neurodegenerativa presente no cérebro do indivíduo.

De acordo com um segundo aspecto da presente invenção, é provido um método para avaliação clínica de doença neurodegenerativa presente em um indivíduo. 0 método compreende adquirir dados de imagem representativos do cérebro de um indivíduo e analisar os dados de imagem, para determinar um valor quantitativo dos dados de imagem. O valor quantitativo é indicativo do nível de doença neurodegenerativa presente no cérebro do indivíduo.

De acordo com um terceiro aspecto da presente invenção, é provido um produto de programa de computador, compreendendo código de computador operável para configurar um aparelho de processamento de dados, de modo que seja capaz de implementar uma ou mais das etapas de vários métodos, de acordo com aspectos e formas de realização da presente invenção.

Várias formas de realização dos sistemas, métodos e produtos de programa de computador, de acordo com estes aspectos da presente invenção, têm a vantagem de o valor quantitativo representar um valor preciso (p. ex., um valor numérico), que pode ser usado por vários profissionais de cuidados da saúde, para auxiliar em seus diagnósticos. O valor quantitativo pode assim ser usado para medir se ou não vários indicadores para doenças neurodegenerativas particulares estão presentes, bem como para prover uma indicação de qualquer severidade de doença. Além disso, em razão de tal valor ser quantitativo, ele pode também ser usado para auxiliar os profissionais de cuidados da saúde em rastrear quaisquer mudanças na condição do paciente durante vários períodos de tempo, desse modo assegurando que tais sistemas, métodos e produtos de programa de computador encontrem uso em auxiliar a monitorar o progresso de qualquer doença (p. ex., deterioração/remissão), a eficácia de quaisquer tratamentos administrados etc.

Breve Descrição dos Desenhos

Vários aspectos e formas de realização da presente invenção serão agora descritos com referência aos desenhos acompanhantes, em que:

A Figura 1 mostra um sistema para avaliação clínica de doença neurodegenerativa presente em um indivíduo de acordo com uma forma de realização da presente invenção.

A Figura 2 mostra um método para auxiliar na avaliação clínica de doença neurodegenerativa presente em um indivíduo, de acordo com várias formas de realização da presente invenção;

A Figura 3 mostra um fluxo de trabalho compreendendo vários métodos de acordo com aspectos da presente invenção;

A figura 4 mostra padronização anatômica de dados PET utilizando um gabarito MRI de um único indivíduo que foi tornado suave empregando-se um filtro anisotrópico;

A Figura 5 mostra a extração de aspectos diagnósticos empregando-se uma relação de substância cinzenta/branca, de acordo com um aspecto da presente invenção;

A Figura 6a mostra o uso de um perfil de intensidade, como um aspecto diagnóstico de uma imagem tomada de um indivíduo com AD, de acordo com um aspecto da presente invenção;

A Figura 6b mostra o uso de um perfil de intensidade, como um aspecto diagnóstico de uma imagem tomada de um indivíduo de controle normal (NC), de acordo com um aspecto da presente invenção; A Figura 7a mostra um visor gráfico tridimensional (3 D) de resultados para um volume de interesse (VOI) de cérebro e medições de substância cinzenta/branca derivadas de acordo com um aspecto da presente invenção;

A Figura 7b mostra um visor gráfico de resultados para uma análise de perfil de intensidade de cérebro, derivada de acordo com um aspecto da presente invenção;

A Figura 7c mostra um visor gráfico de resultados para uma análise de aspectos baseados em voxel de cérebro, derivada de acordo com um aspecto da presente invenção;

A Figura 8a mostra um visor gráfico 3D de resultados para uma análise de perfil de intensidade de cérebro, de acordo com um aspecto da presente invenção, para um indivíduo com AD; e

A Figura 8b mostra um visor gráfico 3D de resultados para uma análise de perfil de intensidade de cérebro, derivado de acordo com um aspecto da presente invenção para um indivíduo normal sem AD. Descrição Detalhada

A Figura 1 mostra um sistema 100 para avaliação clínica de doença neurodegenerativa presente em um indivíduo, de acordo com a presente invenção. O sistema 100 inclui um aparelho de processamento de dados 120, que é configurado para prover várias interfaces 123, 126, um módulo de aquisição de imagem 122 e um analisador de imagem 124. As interfaces 123, 126, módulo de aquisição 122 e analisador de imagem 124 podem ser logicamente acoplados juntos por meio de um barramento de dados 125, sob o controle de uma unidade de processamento central (não mostrada) .

O aparelho de processamento de dados 120 provê uma primeira interface para fins gerais 126, para interfacear o aparelho de processamento de dados 120 com componentes externos. Nesta forma de realização, os componentes externos incluem: uma ligação de dados de entrada 127, acoplada a um dispositivo de entrada de usuário 128 (p. ex., um mouse/teclado/etc.), uma ligação de dados de rede 143, acoplada à internet 142 e uma ligação de dados de visor 129 acoplada a um visor 130. Adicionalmente, a interface para fins gerais 126 também provê uma interface de usuário gráfica (GUI) 123, através da qual o usuário do sistema 100 pode introduzir dados, comandos etc. e receber informações visuais olhando o visor 130.

A GUI 123 pode ser operável para gerar uma representação bi e/ou tridimensional de pelo menos parte do cérebro do indivíduo. Tais representações podem incluir codificação de cor de regiões de acordo com a absorção de uma substância no cérebro, nas respectivas daquelas regiões. Isto provê facilidade de visualização para usuários do sistema 100. Além disso, nas várias formas de realização, o usuário pode também girar as imagens e/ou fatiar imagens 3D manipulando a GUI 123 empregando o dispositivo de entrada 128.

A GUI 123 pode também ser ainda operável para ligar dados em forma tabular com a representação tridimensional. Por exemplo, o usuário poderia clicar valores de dados em uma tabela exibida e correspondente região de uma imagem do cérebro iluminado, ou vice-versa. Isto possibilita ao usuário rapidamente acessar valores quantitativos de uma imagem exibida.

Em várias formas de realização, o aparelho de processamento de dados 120 pode ser provido por um computador de uso geral, tal como, por exemplo, um computador pessoal (PC). Tal computador de uso geral pode utilizar módulos de software para prover tanto o módulo de aquisição de dados 122 como o analisador de imagens 124 e, em conseqüência, pode ser implementado atualizando-se a capacidade funcional do equipamento existente, empregando-se atualizações de software. Por exemplo, um produto de programa de computador 144, compreendendo código de computador, pode ser transmitido de um servidor remoto (não mostrado), via a Internet 142, para o aparelho de processamento de dados 120, através da ligação de dados de rede 143.

O sistema 100 também compreende um escâner de tomografia de emissão de pósitron opcional (PET) 140, acoplado ao aparelho de processamento de dados 120 por uma ligação de dados 139, e um armazenamento de dados opcional 132, acoplado ao aparelho de processamento de dados 120 por uma ligação de dados 131. O escâner de PET 140 e/ou o armazenamento de dados 132 podem ser configurados para prover dados de imagem para o módulo de aquisição de dados 122. Por exemplo, onde nenhum escâner PET é provido, os dados de imagem poderiam ser fornecidos pelo armazenamento de dados 132, que pode conter dados de imagem previamente gerados armazenados nele. Tais dados de imagem previamente gerados poderiam ser gerados remotamente pelo sistema 100 (p. ex., em um hospital remoto etc., onde instalações de geração de dados de imagem adequadas são disponíveis) e subseqüentemente transferidos para o armazenamento de dados 132 de onde eles podem ser recuperados pelo módulo de aquisição de imagem 122. O módulo de aquisição de dados 122 é ainda operável para transferir dados de imagem gerados pelo escâner PET 140 para o armazenamento de dados 132, para fins de arquivamento.

O analisador de imagens 124 é operável para determinar um valor quantitativo dos dados de imagem, em que o valor quantitativo é indicativo do nível de doença neurodegenerativa presente no cérebro do indivíduo. O valor quantitativo pode ser um número que seja determinado com base na presença de várias variações anatômicas e/ou químicas de um conjunto de dados de imagem normal. Em um modo preferido de operação, o analisador de imagens 124 utiliza dados de imagem do escâner PET 140, para determinar um valor quantitativo dos dados de imagem, determinando a concentração de placas amilóides no cérebro do indivíduo. A formação de imagem da concentração de placas amilóides no cérebro humano é uma técnica promissora para obterem-se medições que sejam diretamente acopladas ao processo doentio de AD e métodos para avaliação quantitativa dos dados de formação de imagem de amilóide são em conseqüência importantes.

A determinação do conteúdo amilóide, p. ex., β-amilóide, é particularmente importante para diagnóstico de AD e para monitorar o efeito da terapia. Diversos rastreadores radioativos para formação de imagem de conteúdo amilóide utilizando PET ou SPECT estão sob desenvolvimento e um aspecto da presente invenção é relacionado com a análise automatizada de tais dados. Além disso, este aspecto da presente técnica pode também reduzir a complexidade da aquisição de dados, permitindo que um protocolo simplificado seja usado e, em conseqüência, reduz o tempo necessário para obter-se um valor quantitativo indicativo do nível de qualquer doença neurodegenerativa, ao evitar os tempos de aquisição mais longos requeridos para técnicas de múltipla formação de imagem.

Embora o sistema 100 preferivelmente opere utilizando pelo menos um modo que detecta a presença de amilóide para analisar o teor amilóide do cérebro, deve ser entendido que o sistema 100 não precisa, necessariamente, ser limitado a este modo de operação. Por exemplo, vários modos de operação do sistema 100 poderiam combinar um ou mais de: formação de imagem de PET de conteúdo amilóide, formação de imagem de FDG do metabolismo cerebral, MRI, fMRI etc. Tais modos, particularmente quando combinados, podem ser usados para obter-se formação de imagem precisa e, assim, métrica de valor quantitativo mais preciso, por exemplo, às custas de tempo de aquisição de dados de imagem, tempo de processamento de dados de imagem etc., de acordo com qualquer aplicação clínica desejada particular do sistema 100.

A Figura 2 mostra uma forma de realização de um método 200 para auxiliar na avaliação clínica da doença neurodegenerativa presente em um indivíduo. O método 200 pode ser implementado utilizando-se várias formas de realização do aparelho produzido de acordo com a presente invençao, tais como, por exemplo, o sistema 100 ilustrado na Figura 1.

O método 200 compreende adquirir dados de imagem de cérebro 220. Esta etapa pode ela própria compreender ainda meramente obter os dados de imagem, p. ex., de um dispositivo de armazenagem de dados ou pode compreender realizar uma varredura de PET de pelo menos parte do cérebro do indivíduo. No último caso, um rastreador radioativo pode ser administrado a um paciente. Por exemplo, o rastreador radioativo poderia compreender uma entidade química que seletivamente se ligue à proteína amilóide, tal como radiofarmacêuticos como a família de rastreadores GE® Pittsburgh Compound B (PiB), como descrito no WO 02/16333 e W02004/083195, ou o rastreador FDDNP e análogos, como descrito no WO 00/10614. Portanto, um valor quantitativo pode ser determinado pela concentração de amilóide no cérebro do indivíduo, que é útil para auxiliar no diagnóstico da doença neurodegenerativa.

O método 200 compreende as etapas de analisar dados de imagem 240 e determinar o valor quantitativo 260. A combinação destas duas etapas 240, 260 pode compreender uma variedade de técnicas, diversos exemplos das quais são descritos mais detalhadamente abaixo. Por exemplo, analisar dados de imagem 240 pode compreender um ou mais de: definir regiões de referência em uma imagem definida pelos dados de imagem, determinar o valor quantitativo de absorção de uma substância como uma relação de uma absorção de substância cerebral cinzenta para uma absorção de substância de matéria branca, determinar o valor quantitativo como uma taxa de mudança da magnitude dos dados de imagem ao longo de uma projeção predeterminada do cérebro, etc.

Em várias formas de realização do método 200, é feita provisão para fazer uso máximo das informações de imagem disponíveis para a análise de uma varredura de PET do indivíduo. Por exemplo, se uma varredura MRI for disponível, a padronização anatômica pode ser acionada pela varredura MRL Se dados PET/CT foram disponíveis, o componente CT pode ser usado. Este esquema ajuda a assegurar que a máxima precisão seja obtida, dadas as informações disponíveis na ocasião da análise. Tal método é descrito mais detalhadamente abaixo.

A Figura 3 mostra um fluxograma 300, compreendendo vários métodos 320, 350, 380 de acordo com certos aspectos e formas de realização da presente invenção. Por exemplo, um ou mais dos métodos 320, 350, 380 podem ser implementados pelo sistema 100 da Figura 1 ou ser incluídos como parte do método 200 da Figura 2.

Um primeiro aspecto do fluxograma 300 provê um método 320 para obter-se uma base de dados de imagem normal (NID). A NID é usada para fornecer um conjunto de dados de controle que possa subseqüentemente ser usado para identificar indicadores de dados fisiológicos, químicos ou anatômicos anormais, que possam indicar a presença de doença neurodegenerativa. A NID pode ser obtida uma vez, p.ex., em uma instalação médica central, e distribuída ou poderia ser provida localmente em um ou mais sistemas baseados em teste de indivíduos normais.

Em várias formas de realização da invenção, a NID pode ser constantemente atualizada escaneando-se indivíduos normais em um local particular, para melhorar a precisão dos dados ali. Tais dados NID poderiam também ser compartilhados através de muitos sistemas providos em diferentes locais, a fim de melhorar a precisão total global dos dados na NID em todos os locais. Isto é particularmente útil onde, por exemplo, um pequeno hospital é provido com um sistema de acordo com uma forma de realização da invenção, porém que sozinho pode não ter um número suficiente de indivíduos/pacientes utilizando-o para ser capaz de prover um conjunto de dados NID localmente derivado e estatisticamente útil. As varreduras de um grande número de indivíduos normais podem ser processadas e incluídas na NID nas etapas 322, 322'. Somente duas varreduras 322, 322' são mostradas para clareza, porém obviamente N pode corresponder a qualquer número inteiro positivo, com N preferivelmente sendo tão grande quanto praticamente possível, a fim de obter-se uma NID otimizada.

Na etapa 324, o processamento dos dados de imagem obtidos pelas varreduras nas etapas 322, 322' é realizado. O processamento dos dados de imagem consiste de três etapas: 1) padronização anatômica; 2) normalização de intensidade; e 3) extração de aspectos. Várias maneiras de implementar estes três processos são descritas abaixo, abaixo dos respectivos títulos.

Padronização anatômica

A finalidade da padronização anatômica (também às vezes referida como uma normalização espacial) é transformar dados de diferentes indivíduos em um espaço anatômico padrão, tais como, por exemplo, o espaço Talairach e MNI (Montreal Neorological Institute). A padronização anatômica é conseguida aplicando-se uma transformação espacial a um conjunto de imagens (que pode ser referida como a imagem flutuante), a fim de que ele iguale o segundo conjunto de imagens (que pode ser referido como a imagem de referência). A maioria dos métodos origina-se iterativamente ajustando-se a transformação, a fim de maximizar alguma medida de similaridade computada entre a imagem flutuante transformada e a imagem de referência correspondente. Encontrar uma transformação adequada usualmente envolve o uso de um algoritmo de otimização. O tipo de transformação e o número de parâmetros que são usados determinam a precisão da padronização anatômica. Em geral, a padronização anatômica utilizando-se imagens anatômicas de alta resolução (p. ex., MRI) pode ser realizada com mais elevada precisão do que quando utilizando-se imagens funcionais tais como PET e SPECT.

A padronização anatômica permite uma comparação direta de dados de diferentes indivíduos, uma vez que uma estrutura anatômica específica ocupa o mesmo local do espaço padronizado. A padronização anatômica também, por exemplo, permite a criação da base de dados de imagem normal e o uso de um gabarito de volume de interesse (VOI) para quantificação automatizada da absorção em diferentes regiões, por exemplo, onde vários rastreadores são administrados a um indivíduo.

A padronização anatômica precisa é importante e em geral o processo é mais preciso onde imagens anatômicas são usadas em conjunto com dados de formação de imagem derivada de PET. Entretanto, uma vez que imagens anatômicas não são sempre disponíveis, é importante ter-se um método que possa realizar padronização anatômica precisa diretamente utilizando-se os dados PET. Em razão disto, pode ser empregado um método para automaticamente selecionar um modo de análise de imagens dependendo da classe/classes dos dados de imagem, como mencionado anteriormente. Tais técnicas de seleção podem incluir:

a) Onde dados de MRI do indivíduo foram disponíveis, a MRI do indivíduo é co-registrada com a varredura de PET. A imagem MRI é espacialmente normalizada empregando-se um registro não-rígido que maximize a similaridade entre a MRI do indivíduo e um gabarito de MRI no espaço padronizado. Isto resulta em uma transformação que mapeia a MRI no espaço de padronização. A transformação obtida na etapa anterior é então usada para transformar a varredura de PET em espaço padronizado.

b) Onde nenhum dado de MRI for disponível, porém uma imagem PET tiver sido obtida usando-se PET e um escâner de tomografia computadorizada (CT) (PET/CT), os dados de imagem da varredura CT e da varredura de PET normalmente já estariam em registro. Entretanto, esta suposição é verificada e, se os dados de imagem não estiverem alinhados, os dados de imagem CT são co-registrados com os dados de imagem PET. O componente CT dos dados de imagem PET/CT é espacialmente normalizado empregando-se um registro não rígido que maximize a similaridade entre a CT dos indivíduos e um gabarito do espaço padronizado. Isto resulta em uma transformação que mapeia os dados CT no espaço padronizado. A transformação obtida na etapa anterior é então usada para transformar os dados de imagem de varredura de PET em espaço padronizado.

c) Onde somente os dados de imagem PET forem disponíveis, os dados de imagem de varredura de PET são espacialmente normalizados empregando-se um registro não rígido, que maximize a similaridade entre os dados PET e um gabarito no espaço padronizado. Para os dados amilóides (p. ex., PIB) há uma diferença característica no padrão de imagem, quando comparando-se imagens de um indivíduo de Alzheimer com aquele de um controle normal. Isto pode resultar em erros sistemáticos se um método padrão para padronização anatômica de dados PET for empregado. Além disso, para os dados amilóides é especialmente importante ter-se bom registro da área em torno da região de referência (vide abaixo). Para superar estas dificuldades, o seguinte método é empregado. Como um gabarito de referência, um cérebro MRI de um único indivíduo é registrado no espaço MNI é usado (vide Fig. 4, por exemplo). Para reduzir o risco de obterem-se mínimas locais na função de similaridade, o gabarito de referência é filtrado com um filtro anisotrópico, que torna o gabarito mais suave, enquanto ainda preservando os limites de tecido.

Para o registro de uma varredura de PET com o gabarito de referência, uma função de similaridade, baseada em informações mútuas normalizadas, é usada. Além disso, o registro é realizado em duas etapas. Na primeira etapa, a varredura de PET é globalmente registrada com o gabarito de referência utilizando-se uma transformação polinominal com 18 parâmetros. Na segunda etapa, um registro local em torno da região de referência é realizado. Uma caixa de ligação definida por um formato 3D interno e um externo (caixa, esfera ou irregular) é colocada em torno da região de referência e um registro local dos dados dentro do formato interno é realizado utilizando-se uma transformação rígida. Os dados dentro da área entre o formato interno e o externo são interpolados a fim de assegurar uma transição suave entre os dados dentro e fora da caixa de ligação. Este método assegura bom registro total do cérebro do indivíduo com uma precisão aumentada de dados nas vizinhanças da região de referência (isto é, dentro da caixa de ligação). A Figura 4 mostra uma caixa de ligação 410 para uma região de referência em torno da Ponte, porém é entendido que outras regiões de referência podem ser usadas (p. ex., o Cerebelo).

Observa-se que o gabarito usado no procedimento b) pode ser baseado em MRI ou CT, enquanto o gabarito usado na etapa c) é baseado em MRL O método de registro usado pode ser um método baseado na maximização de uma medida de similaridade incluindo correlação, informação mútua, informação mútua normalizada e a transformação usada para espacialmente normalizar os dados, incluindo, por exemplo, transformação afim, polinomial, co-seno distinta (DCT) etc. Normalização de intensidade (região de referência)

A fim de permitir uma comparação dos dados de imagem através de vários indivíduos, os dados podem ser escalados em intensidade para serem responsáveis pela atividade injetada, peso de diferentes indivíduos etc. Uma técnica que pode ser empregada é escalar os dados de acordo com a absorção em uma região que se supõe ser inafetada por qualquer que seja a doença neurodegenerativa de interesse que esteja sendo investigada.

Em várias formas de realização da presente invenção, é definida uma região de referência de uma imagem definida pelos dados de imagem para determinar o nível da doença neurodegenerativa presente no indivíduo. A região de referência pode, por exemplo, corresponder a uma sub- área do cérebro, tal como, por exemplo: Ponte, tálamo, cerebelo etc. O uso de tal área de referência relativamente pequena aumenta a necessidade de ter-se uma definição robusta desta área.

Por exemplo, para formação de imagem de amilóide (p. ex., usando-se Cl 1-PIB) a região usada podem ser as áreas de substância cinzenta do cerebelo. Tipicamente, esta região é manualmente resumida na MRI co- registrada. Entretanto, pra um método automatizado, a região de referência deve ser definida no espaço padronizado. Para tornar esta etapa robusta, uma máscara de probabilidade máxima pode também ser aplicada. Na descrição que segue, são descritos exemplos quanto a: a) como tal máscara pode ser criada; e b) como a máscara pode ser usada.

a) Criação de uma máscara de probabilidade de região de referência: a máscara de substância cinzenta de probabilidade máxima foi criada de acordo com a seguinte técnica: 1) para indivíduos N, os dados de imagem foram co-registrados entre MRI e uma varredura de PET; 2) um técnico foi usado para resumir a região de referência do cerebelo nos dados MRI co-registrados; 3) todos os dados foram transformados em espaço padronizado, empregando-se o método resumido na seção anterior; e 4) um mapa de probabilidade foi computado que, para cada voxel, mostrou a probabilidade daquele voxel estar presente em todas as regiões de referência dos indivíduos N. Em conseqüência, um voxel que fosse parte da região de referência de todos os indivíduos recebia um dado valor numérico de 1,0, um voxel que fosse parte de todos exceto um recebia um valor (N-1)/N e assim em diante. A mesma abordagem foi também aplicada a outras regiões a fim de criar máscaras de referência de probabilidade para regiões de referência, tais como, por exemplo, Pontes e substância branca sub-cortical.

b) Utilizando-se a máscara de probabilidade da região de referência para os dados de normalização de intensidade: a máscara foi aplicada utilizando-se a seguinte técnica: a máscara de probabilidade foi aplicada aos dados de imagem PET padronizados anatômicos; 2) o valor de voxel médio de todos os voxéis definidos pela máscara foi computado e os voxéis receberam a contribuição relativa de acordo com a correspondente probabilidade da máscara; 3) a inteira imagem foi dividida com a média computada. Uma imagem de relação foi assim obtida, por meio da qual a absorção do rastreador foi escalada em relação à região de referência.

Observamos que o uso de tal máscara de probabilidade, em combinação com uma técnica de padronização anatômica, que tenha elevada precisão na área em torno da região de referência, permite uma extração robusta de um valor de referência e, em conseqüência, aumenta a precisão das varreduras através de comparações. Extração de aspecto

A finalidade da extração de aspecto é extrair informações que sejam características de uma doença neurodegenerativa particular, que está sendo investigada. Diferentes medições (ou aspectos) são complementares e podem ser usados para prover informações diagnosticas, para prover medições precisas para acompanhamento longitudinal e também para aumentar a interpretação visual de vários dados de imagem.

Várias técnicas podem ser usadas para identificar aspectos de interesse, quatro exemplos dos quais serão agora descritos mais detalhadamente:

a) os VOIs podem ser aplicados aos dados a fim de determinar a região alvo para as relações de região de referência. Uma maneira de fazer isto é: 1) aplicando-se um atlas VOI à imagem de relação (isto é, uma varredura anatomicamente padronizada e normalizada em intensidade), em que o atlas VOI inclui definições de regiões anatômicas, tais como lobos cerebrais, áreas de Brodmann etc.; e 2) computar estatísticas dentro dos VOFs definidos pelo atlas. O atlas VOI pode ser armazenado em diferentes formatos, incluindo um volume rotulado ou polígonos. Em seguida deve existir um mapeamento do atlas para o espaço padronizado. Em sua forma mais simples, este é um mapeamento um-para-um, de modo que cada voxel do volume rotulado corresponde a um voxel do espaço padronizado. Qualquer estrutura do atlas VOI pode então ser usada como um VOI que pode ser aplicado a uma imagem em espaço padronizado e diferentes propriedades dos voxéis dentro do VOI podem ser computadas, tais como o meio, variância e desvio padrão de todos os valores voxel definidos pelo VOI.

b) Observa-se que os dados amilóides PET exibem padrões caracteristicamente diferentes, dependendo de se o indivíduo tam mal de alzheimer ou não. Uma varredura amilóide PET de um paciente AD mostra elevado sinal nas áreas corticais, enquanto que um indivíduo saudável mostra elevado sinal nas regiões de substância branca e baixo sinal nas regiões corticais. Em razão disto, um aspecto baseado em VOI, que é particularmente útil para análise de dados amilóides, é o uso de uma relação de substâncias cinza-branca. Esta pode ser obtida: 1) aplicando-se um atlas VOI à imagem de relação (isto é, uma varredura anatomicamente padronizada e normalizada em intensidade), em que o atlas VOI inclui definições de regiões anatômicas, tais como lobos cerebrais, áreas de Brodmann etc. e onde, além disso, o atlas define áreas de substância cinzenta e substância branca do cérebro; 2) para VOI's tais como lobos cerebrais, computando-se a absorção na região de substância cinzenta, mas somente considerando-se os voxéis definidos pelo VOI e a máscara de substância cinza; 3) para os mesmos VOI's, computando- se a absorção na região de substância branca, porém somente considerando-se os voxéis definidos pelo VOI e a máscara de substância branca; e 4) computando-se as relações cinza-branca para cada VOI.

Em várias formas de realização, um valor quantitativo é determinado como uma relação de uma absorção de substância do cérebro cinzenta para a absorção de substância da substância cerebral branca. A substância pode, por exemplo, ser qualquer uma cuja relação mude quando doença neurodegenerativa esteja presente: p. ex., FDG para formação de imagem de PET, rastreadores amilóide com formação de imagem de PET etc. Uma vantagem de tal técnica é que ela significa que a normalização da área de referência não é necessariamente necessária.

Uma maneira de utilizar-se tal relação de substâncias cinzenta/branca é descrita abaixo em mais detalhe com relação à Figura 5.

c) Podem ser usados aspectos de perfil de intensidade. Uma maneira de fazer isto é: 1) definindo-se um número de pontos e raios de superfície ao longo de uma superfície normal no espaço de padronização, e um rótulo definindo a que VOI do atlas de VOI (isto é, região anatômica) cada ponto de superfície pertence; 2) utilizando-se a imagem de relação (isto é, varredura anatomicamente padronizada e normalizada em intensidade) para calcular os perfis de intensidade para os VOI' s predefinidos, empregando-se traços perpendiculares à superfície do cérebro (vide, por exemplo, Figuras 5 a e 5B); 3) computando-se uma propriedade descrevendo a distribuição de intensidade ao longo de cada raio); e 4) calculando-se a média da propriedade computada (p. ex., os valores de gradiente) para todos os raios dentro de cada VOI em um número que possa ser usado para definir um valor quantitativo, indicativo do nível de doença neurodegenerativa presente no cérebro do indivíduo.

Em várias formas de realização, o valor quantitativo é determinado como a taxa de mudança da magnitude dos dados de imagem ao longo de uma projeção predeterminada do cérebro. Isto permite a determinação de se doença neurodegenerativa está presente e sua quantificação para subsequentes estudos/testes/varreduras do indivíduo.

Uma maneira de utilizar tais aspectos de perfil de intensidade é descrito abaixo mais detalhadamente com relação às Figuras 6a e 6b.

d) Podem ser usados aspectos baseados em Voxel. Uma maneira de fazer isto é utilizando-se a intensidade do voxel no cérebro total ou quando mascarados por regiões anatômicas definidas pelo atlas VOI, como aspectos diagnósticos e de monitoração.

e) Para dados amilóides, é desejável combinarem-se aspectos computados em um "índice amilóide". Isto pode ser feito computando-se uma média ponderada dos valores VOI, como computado por análise VOI e/ou análise do perfil de intensidade e dividindo-se com o correspondente valor em uma ou diversas regiões de referência.

Tendo determinado os dados de imagem para NID, de acordo com uma ou mais técnicas referidas acima, os dados de imagem normal são então armazenados em uma base de dados 326, juntamente com várias informações estatísticas, tais como, por exemplo, médias e variâncias de aspectos extraídos para grupos de indivíduos igualados em idade.

A Figura 3 também mostra um segundo aspecto do fluxograma 300. Este aspecto do fluxograma 300 provê um método 350 para avaliação clínica de doença neurodegenerativa presente em um indivíduo, por meio da determinação de um valor quantitativo dos dados de imagem, que é indicativo do nível de qualquer doença neurodegenerativa presente no cérebro do indivíduo.

O método 350 compreende realizar uma varredura de um indivíduo/paciente 352. A varredura pode ser uma ou mais de uma varredura de PET, uma varredura MRI, varredura CT etc. Em um modo preferido de operação, a varredura compreende uma varredura de PET do conteúdo amilóide do cérebro do paciente. Os dados da imagem da(s) varredura(s) é/são processados na etapa 354 para extrair informações clinicamente relevantes.

Por exemplo, o processamento da etapa 354 pode prover um valor quantitativo dos dados de imagem. Na etapa 356, o resultado do processamento da etapa 354 é comparado com aquele de um indivíduo normal, para determinar se ou não quaisquer anormalidades indicativas de doença neurodegenerativa estão presentes no cérebro do indivíduo. Os resultados desta comparação são apresentados na etapa 358 e então um relatório é gerado na etapa 360.

No exemplo ilustrado, o processamento da etapa 354 pode utilizar qualquer uma das técnicas referidas acima, com relação ao processamento da etapa 324 usada para prover NID. Entretanto, aqueles hábeis na arte reconhecerão que aspectos e formas de realização da presente invenção não precisam ser assim limitados.

Várias maneiras de comparar os aspectos extraídos da varredura 352 com os NID são possíveis na etapa 356. Uma maneira é por comparação de vários aspectos diagnósticos. Por exemplo: a) aspectos VOI podem ser usados em que o valor médio dentro de diferentes VOI's é comparado com a faixa normal, como definido pelos NID e desvios incluindo classificações-Z são computados; b) a relação de substâncias cinzenta/branca pode ser usada em que as relações para os diferentes VOFs são comparados com a faixa normal, como definida pelos NID e desvios incluindo classificações-Z são computados; c) os aspectos de perfil de intensidade podem ser usados em que os valores correspondendo a propriedades de intensidade, juntamente com cada raio (intensidade máxima, gradiente máximo e outros aspectos) são comparados com a faixa normal, como definido pelos dados NID e os desvios incluindo classificações-Z são computados; e/ou d) os aspectos baseados em voxel podem ser usados em que os dados voxel são comparados com dados de desvio médio e padrão nos NID, as imagens de escore-Z são computadas e um método de análise de agrupamento é então aplicado aos dados e todos os agrupamentos abaixo de um certo tamanho são descartados.

Uma vez a varredura tenha sido comparada com os NID na etapa 356, o resultado pode então ser apresentado na etapa 358. As Figuras 7a — 7c e 8a e 8b, abaixo, mostram vários exemplos, tanto em duas como em três dimensões, de como isto pode ser conseguido. Naturalmente, tais resultados poderiam ser melhor apresentados em cores, para intensificar mais a presença de quaisquer desvios de varredura de um indivíduo normal.

Em uma forma de realização, onde os aspectos VOI ou relação cinza/branca são usados, os dados são apresentados em tabelas e graficamente com uma superfície convertendo-se de uma imagem cerebral em espaço padronizado com definições VOI resumidas. Os VOI's e/ou substância cinza/branca são codificados em cores, de acordo com a significância. Para aspectos de perfis de intensidade, os dados podem ser apresentados como projeções de superfície, com o valor ao longo de cada raio (intensidade máxima, gradiente máximo e outros aspectos) (Figs. 8a e 8b) e/ou os dados de escore-z dos aspectos de perfil de intensidade comparados com os dados normais projetados em fatias 2D e em uma conversão 3D de um cérebro em espaço padronizado (Figs. 7a - 7c). Para aspectos baseados em voxel, imagens de desvio e mapas de escore-z podem também ser exibidos sobrepostos sobre dados MRL

Nesta forma de realização, é também provida a geração de relatório 360. Este pode ser arquivado para futuro uso e/ou transmitido para um local remoto (hospital etc.) para estudo por pessoal interessado. O relatório pode conter as seguintes informações: a) informação de paciente, data etc.; b) imagens mostrando a varredura original do paciente; c) imagens processadas mostrando os resultados; d) tabelas com medições (p. ex., os resultados VOI); e uma declaração indicando se os achados de uma investigação situam-se dentro de uma faixa normal ou não.

A Figura 3 mostra também um terceiro aspecto do fluxograma 300. Este aspecto do fluxograma 300 provê um método 380 para monitorar o progresso de qualquer doença neurodegenerativa presente em um indivíduo.

O método 380 compreende realizar uma varredura de acompanhamento de um indivíduo/paciente 384, tendo anteriormente realizado uma varredura de linha de referência de paciente 382. As varreduras podem ser uma ou mais de uma varredura de PET, varredura MRI, varredura CT etc. Em um modo de operação preferido, a varredura compreende uma varredura de PET do teor amilóide do cérebro do paciente.

Similarmente à varredura diagnostica 350, os dados de imagem da(s) varredura(s) são processados na etapa 386 para extrair informações clinicamente importantes. Por exemplo, o processamento da etapa 386 pode prover um valor quantitativo dos dados da imagem. Na etapa 388, o resultado do processamento da etapa 386 é comparado com os resultados da varredura de linha de referência anterior 382, para quantificar o progresso da doença neurodegenerativa presente no cérebro do indivíduo. Os resultados desta comparação são apresentados na etapa 390 e então um relatório é gerado na etapa 392. A maneira pela qual os resultados são apresentados 390 e o relatório gerado 392 podem ser similares aos das etapas 358 e 360 para o fluxograma de diagnóstico, respectivamente, como referido acima.

No exemplo ilustrado, o processamento da etapa 386 pode utilizar qualquer uma das técnicas referidas acima, com relação ao processamento da etapa 324 usada para prover os NID. Entretanto, aqueles hábeis na arte reconhecerão que aspectos e formas de realização da presente invenção não precisam ser assim limitados.

Na etapa de comparação 388, os aspectos VOI podem ser usados em que o valor médio dentro dos diferentes VOI's para a varredura de acompanhamento é comparado com os correspondentes valores da varredura de linha de referência. As diferenças podem então ser computadas e comparadas com a faixa normal, como definido pelos NDD. A relação cinza/branco pode também ser usada onde as relações para os diferentes VOI's para a varredura de acompanhamento são comparadas com os correspondentes valores da varredura da linha de referência. As diferenças podem então ser computadas e comparadas com a faixa normal, como definido pelos NID. Os aspectos de perfil de intensidade podem ser usados onde o valor ao longo de cada raio (intensidade máxima, gradiente máximo e outros aspectos) para a varredura de acompanhamento é comparado com os correspondentes valores da varredura de linha de referência. As diferenças podem então ser computadas e comparadas com a faixa normal como definido pelos NID. Os aspectos baseados em voxel podem também ser usados onde imagens de diferença e mapas paramétricos estatísticos, mostrando aumentos e diminuições, são computados.

A Figura 4 mostra o registro de uma varredura amilóide PET.

A imagem de referência (fileira inferior) é uma única varredura MRI de um indivíduo definida no espaço MNL A varredura MRI foi embaçada com um filtro anisotrópico, que iguala os dados dentro de uma classe de tecido, porém preserva os limites entre tecidos. Esta figura mostra dados PET antes (fileira superior) e após (fileira média) padronização anatômica. A Figura 4 também ilustra o uso de uma caixa de ligação 410 usada em um registro de duas etapas.

A Figura 5 mostra a extração dos aspectos diagnósticos empregando-se uma relação de substância cinza/branca, de acordo com um aspecto da presente invenção. No espaço padrão usado (p. ex., o espaço MNI) numerosas regiões anatômicas definem os volumes de interesse (VOIs), bem como uma máscara de substância branca 530 e uma máscara de substância cinzenta 540. O VOI específico da Figura 5 corresponde ao Lobo Frontal 520.

A quantificação funciona como segue: o VOI do Lobo Frontal 520 é combinado com a máscara de matéria branca 530, utilizando-se um E lógico para produzir um VOI cobrindo somente a região de substância branca do lobo frontal 535. Este novo VOI é aplicado aos dados de imagem 550 e é usado para extrair os valores da matéria branca do lobo frontal. Similarmente, o VOI de Lobo Frontal 520 é combinado com a máscara de substância cinza 540, empregando-se um E lógico, para produzir um VOI cobrindo somente a região de substância cinzenta do lobo frontal 535. Este VOI é aplicado aos dados de imagem 550 e é usado para extrair os valores da substância cinzenta do lobo frontal. Estes dois valores são então combinados, a fim de produzir uma relação de substância Cinzenta/Branca de Lobo Frontal e a plotagem da caixa 560 mostra como esta relação pode separar entre indivíduos Alzheimer (AD) e controles normais (NC). E óbvio para aqueles hábeis na arte que as regiões de substância cinzenta e branca não precisam necessariamente ser computadas de acordo com o procedimento supracitado, por exemplo, os VOIs de substância cinzenta e branca poderiam igualmente ter sido extraídos interativamente, a fim de produzir um VOI de uma substância cinzenta e uma branca.

A Figura 6a mostra o uso de um perfil de intensidade, como um aspecto diagnóstico de uma imagem tomada de um indivíduo com AD, de acordo com um aspecto da presente invenção.

A Figura 6b mostra o uso de um perfil de intensidade, como um aspecto diagnóstico de uma imagem tomada de um indivíduo de controle normal (NC), de acordo com um aspecto da presente invenção.

Esta forma de realização do método funciona como segue: um cérebro padrão no espaço padronizado (p. ex., MNI) é usado e todos os voxéis faceando o segundo plano são considerados como voxéis de superfície. Para todos os voxéis de superfície, a coordenada (x,y,z) juntamente com a superfície normal naquele ponto é armazenada em uma lista indicada como a lista de pontos de superfície. Além disso, há listas de rótulo associadas com a lista de pontos de superfície indicando a que região anatômica um certo ponto de superfície pertence. Isto é, cada entrada da lista de pontos de superfície tem uma correspondente entrada na lista de rótulos, indicando a que região anatômica o ponto de superfície pertence. Tendo-se múltiplas listas permite-se que múltiplas possessões (um ponto de superfície pode, p. ex., pertencer a tanto ao giro frontal esquerdo como ao lobo frontal esquerdo). Quando uma imagem é analisada, ela deve primeiro ser espacialmente normalizada, de modo que os pontos de superfície definidos pelas coordenadas na lista de pontos de superfície correspondem a pontos na superfície do cérebro na imagem sendo analisada. Em seguida a lista de pontos de superfície é escalonada através de e para cada ponto e um raio 620, 640 ao longo da direção negativa da superfície normal é computado. O raio é atravessado partindo do ponto de superfície (ou mesmo ligeiramente fora, para tornar o método mais robusto) e os valores ao longo do raio são registrados e armazenados em uma formação, enquanto seguindo-se o raio para dentro do cérebro. Os dados são subamostrados e a distância entre cada ponto ao longo do raio, bem como a distância máxima para dentro do cérebro, são parâmetros que podem ser mudados. Este procedimento, para cada ponto de superfície, produzirá um perfil de intensidade 625, 645 ao longo do raio armazenado na formação. O perfil de intensidade é então analisado e aspectos diagnósticos são extraídos. Em um exemplo da invenção, o gradiente máximo computado como uma diferença entre dois pontos em uma certa distância fixada é usado como um aspecto diagnóstico. Em um segundo exemplo da invenção, a intensidade máxima ao longo do raio é computada. Em um terceiro exemplo da invenção, a relação entre pontos em uma certa distância ao longo do raio é computada. Naturalmente, aqueles hábeis na arte reconhecerão que várias outras propriedades do perfil de intensidade podem também ser computadas.

A Figura 7a mostra um visor gráfico tridimensional (3D) de resultados para um volume de interesse do cérebro (VOI) e medições de substância cinzenta/branca, derivadas de acordo com um aspecto da presente invenção.

O cérebro tornado 3D é codificado em cor de acordo com os resultados de análise obtidos com o modo de operação selecionado. Em um aspecto da invenção, os aspectos do perfil de intensidade, tais como o gradiente máximo, têm sua média calculada através de uma certa estrutura cerebral (p. ex., lobo frontal) e a média computada é então comparada com os NID, a fim de produzir um escore-z. Os escores-z obtidos para as diferentes estruturas cerebrais podem então ser usados para o codificar em cor o cérebro tornado 3D. Para isto, uma apropriada escala de cores é usada a fim de salientar áreas com significativas mudanças da normalidade, como determinado pelos NID.

A Figura 7b mostra um visor gráfico de resultados para uma análise de perfil de intensidade de cérebro, derivada de acordo com um aspecto da presente invenção. Neste aspecto da invenção, os aspectos de perfil de intensidade não têm sua média calculada através das regiões cerebrais. Em vez disso, cada ponto de superfície é comparado com os NID, a fim de produzir um escore-z e este escore-z pode ser usado para codificar em cor um padrão MR genérico no espaço padronizado. Um usuário pode ajustar um valor de corte e somente escores-z acima do limiar serão exibidos. Por exemplo, quando o corte padrão é 2,0, um valor deve ser de pelo menos dois desvios padrão afastados da média, a fim de ser exibido. A fim de permitir que o usuário inspecione as áreas corticais internas também, o cérebro padrão é dividido em dois hemisférios e pontos de superfície são também definidos nas superfícies internas.

A Figura 7c mostra um visor gráfico de resultados para uma análise de aspectos baseada em voxel cerebral, derivada de acordo com um aspecto da presente invenção. Esta Figura mostra resultados de uma análise baseada em voxel.

A Figura 8a mostra um visor gráfico 3D de resultados para uma análise de perfil de intensidade de cérebro, derivada de acordo com um aspecto da presente invenção para um indivíduo com AD. Os perfis de intensidade são computados como descrito acima, isto é, a lista dos pontos de superfície é escalonada através de e para cada ponto, um raio ao longo da direção negativa da superfície normal é computado e o raio é atravessado. Os dados ao longo do raio é subamostrado e um perfil de intensidade é computado. Com base no perfil de intensidade, diferentes aspectos podem ser computados, tais como o valor máximo e o gradiente máximo ao longo do perfil. O valor em cada ponto da superfície é então usado para codificar em cor o correspondente ponto do cérebro tornado 3D, empregando-se uma escala de cor predefinida, que pode ser mudada pelo usuário. Esta figura mostra um cérebro AD analisado com o método de Gradiente Máximo.

A Fig. 8b mostra um visor gráfico 3D de resultados para uma análise de perfil de intensidade de cérebro, derivada de acordo com um aspecto da presente invenção para um indivíduo normal sem AD. os princípios dirigindo este visor são os mesmos que aqueles descritos acima com relação à Figura 8a.

Várias formas de realização da invenção podem ser implementadas utilizando-se um ou mais de: hardware, software e/ou firmware. Em uma forma de realização, o código de computador pode ser provido como um produto de software, que é operável para elevar a qualidade de um sistema convencional existente, a fim de prover nova funcionalidade de acordo com vários aspectos e/ou formas de realização da presente invenção. O código de computador pode também, ou adicionalmente, ser provido como um produto de programa de computador que pode, por exemplo, ser provido em um meio portador. Tal meio portador pode, por exemplo, incluir sinais transmissíveis em várias ligações, por exemplo, a Internet, uma ligação sem fio, uma ligação óptica, uma ligação de rádio, uma ligação eletrônica, uma ligação dedicada de dados/telefone, LAN/WAN etc. e pode ser usado para melhorar a qualidade do sistema existente e/ou o meio portador pode incluir código de computador em um meio portador convencional, tal como um disco magnético, uma fita magnética, um disco óptico, um dispositivo semicondutor etc. Aqueles hábeis na arte reconhecerão que várias formas de realização podem ser usadas para melhorar os sistemas existentes. Eles também entenderão que certas formas de realização poderiam ser implementadas utilizando-se um sistema distribuído, com diferentes funções sendo realizadas por diferentes aparelhos de processamento de dados. Por exemplo, em várias formas de realização um módulo de aquisição de imagem pode ser incorporado em um escâner PET e/ou um aparelho de processamento de dados poderia ser uma parte de um escâner PET.

Embora a presente invenção tenha sido descrita com relação a várias formas de realização, aqueles hábeis na arte entenderão que a invenção não é limitada a tais formas de realização e que muitas variações podem ser consideradas que se situem dentro do escopo da invenção, como definido pelas reivindicações anexas. Referências

1.US 2003/0233197, Carlos Ε. Padilha e Valeri I. Karlov

2.US 2005/0283054, Eric Μ. Reiman

3.US 2005/0094099, Richard W. Newman e Corinn C. Fahrenkrug

4.US 2005/0197560, Stephen M. Rao e Catherine L. Elsinger

5.US 2005/0215889, James C. Patterson II

6.US 2005/0273007, Ziad Burbar

7.WO 02/101407, Nicholas Fox e Ilya Charles

8.WO 2006/083378, Vladimir Kepe et ai.

Onde permitido, o conteúdo das referências acima mencionadas é por este meio também incorporado dentro deste pedido por referência em sua totalidade.

Claims (27)

1. Sistema (100) para avaliação clínica de doença neurodegenerativa presente em um indivíduo, caracterizado pelo fato de compreender: um módulo de aquisição de imagem (122), operável para adquirir dados de imagem representativos do cérebro de um indivíduo; e um analisador de imagens (124), em que o analisador de imagens é operável para determinar o valor quantitativo dos dados de imagem, o valor quantitativo sendo indicativo do nível de doença neurodegenerativa presente no cérebro do indivíduo.

2. Sistema (100) de acordo com a reivindicação 1, caracterizado pelo fato de compreender um aparelho de processamento de dados (120), configurado para prover o módulo de aquisição de imagem (122) e o analisador de imagens (124).

3. Sistema (100) de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de compreender ainda um escâner de tomografia de emissão de pósitron (PET) (140), operável para fornecer os dados de formação de imagem para o módulo de aquisição de imagem (122).

4. Sistema (100) de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de o analisador de imagens (124) é ainda operável para determinar o valor quantitativo dos dados de imagem, pela determinação da concentração de placas amilóides no cérebro do indivíduo.

5. Sistema (100) de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de o analisador de imagens (124) ser ainda operável para definir uma região de referência em uma imagem definida pelos dados de imagem para determinar, pelos quais, o nível de doença neurodegenerativa presente no indivíduo.

6. Sistema (100) de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de o analisador de imagens (124) ser ainda operável para determinar o valor quantitativo como uma relação de uma absorção de substância cerebral cinzenta para absorção de substância cerebral branca.

7. Sistema (100) de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de o analisador de imagens (124) ser ainda operável para determinar o valor quantitativo como uma taxa de mudança na intensidade dos dados de imagem, ao longo de uma projeção predeterminada no cérebro.

8. Sistema (100) de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de o analisador de imagens (124) ser ainda operável automaticamente, para selecionar um modo de padronização anatômica e/ou análise de imagem, dependendo da classe/classes dos dados de imagem.

9. Sistema (100) de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de compreender ainda uma interface gráfica de usuário (GUI) (123), operável para gerar uma representação tridimensional do cérebro do indivíduo, em que a representação tridimensional inclui codificação de regiões de acordo com a absorção de uma substância no cérebro em respectivas daquelas regiões.

10. Sistema (100) de acordo com a reivindicação 9, caracterizado pelo fato de a GUI (123) ser ainda operável para ligar dados em forma tabular, com a representação tridimensional.

11. Método (200) para auxiliar na avaliação clínica de doença neurodegenerativa presente em um indivíduo, caracterizado pelo fato de compreender: adquirir dados de imagem (220) representativos do cérebro de um indivíduo; e analisar os dados de imagem (240) para determinar um valor quantitativo (260) dos dados de imagem, o valor quantitativo sendo indicativo do nível de doença neurodegenerativa presente no cérebro do indivíduo.

12. Método (200) de acordo com a reivindicação 11, caracterizado pelo fato de a aquisição de dados de imagem (220) compreende ainda realizar uma varredura de PET de pelo menos parte do cérebro do indivíduo.

13. Método (200) de acordo com a reivindicação 12, caracterizado pelo fato de compreender ainda administrar uma substância rastreadora radioativa no paciente, a substância rastreadora radioativa compreendendo uma entidade química que seletivamente se liga à proteína amilóide.

14. Método (200) de acordo com qualquer uma das reivindicações 11 a 13, caracterizado pelo fato de o valor quantitativo ser determinado como a concentração amilóide no cérebro do indivíduo.

15. Método (200) de acordo com qualquer uma das reivindicações -11 a 14, caracterizado pelo fato de analisar os dados de imagem (240) compreender utilizar uma máscara de probabilidade para definir regiões de referência em uma imagem definida pelos dados de imagem.

16. Método (200) de acordo com qualquer uma das reivindicações 11 a 15, caracterizado pelo fato de analisar os dados de imagem (240) compreender determinar o valor quantitativo da absorção de uma substância, como uma relação de uma absorção de matéria cerebral cinzenta para uma absorção de substância cerebral branca.

17. Método (200) de acordo com qualquer uma das reivindicações 11 a 16, caracterizado pelo fato de analisar os dados de imagem (240) compreender determinar o valor quantitativo como uma taxa de mudança da intensidade dos dados de imagem ao longo de uma projeção predeterminada no cérebro.

18. Método (200) de acordo com qualquer uma das reivindicações 11 a 17, caracterizado pelo fato de compreender ainda automaticamente selecionar um modo de padronização anatômica e/ou análise de imagem, dependendo da classe/classes dos dados de imagem.

19. Método (200) de acordo com qualquer uma das reivindicações 11 a 18, em que um processo de padronização anatômica é realizado empregando-se um método de duas etapas, caracterizado pelo fato de compreender: realizar um registro global; e refinar o registro utilizando-se um registro rígido em uma área limitada por um formato 3D interno e externo, em que o registro final é uma combinação dos registros global e rígido e em que os dados entre o formato -3 D interno e externo é interpolado a fim de gerar uma transição suave entre uma área localmente refinada e dados registrados globais.

20. Método (200) de acordo com qualquer uma das reivindicações 11 a 19, caracterizado pelo fato de compreender realizar padronização anatômica em dados PET amilóides, em que um gabarito de referência é obtido de uma varredura MRI de indivíduo único em espaço padronizado e em que informações mútuas ou informações mútuas normalizadas são usadas para otimização.

21. Método (200) de acordo com a reivindicação 20, caracterizado pelo fato de o gabarito de referência MRI de único indivíduo ser embaçado com um filtro anisotrópico, a fim de preservar os limites do tecido.

22. Método (200) de acordo com qualquer uma das reivindicações 11 a 21, caracterizado pelo fato de compreender ainda computar um índice amilóide como uma média ponderada dos valores computados dentro de um conjunto de regiões anatômicas divididos pelo correspondente valor em pelo menos uma região de referência, onde o valor de cada região é computado utilizando-se análise VOI e/ou análise de perfil de intensidade.

23. Método (200) de acordo com qualquer uma das reivindicações 11 a 22, caracterizado pelo fato de compreender ainda gerar uma representação tridimensional do cérebro do indivíduo, em que a representação tridimensional inclui codificação de cor de regiões de acordo com a absorção de uma substância do cérebro nas respectivas daquelas regiões.

24. Método (200) de acordo com qualquer uma das reivindicações 11 a 23, caracterizado pelo fato de compreender ainda gerar um relatório, o relatório incluindo um ou mais de: uma indicação da presença ou ausência de doença neurodegenerativa presente no indivíduo; o valor quantitativo; uma indicação quantitativa da presença ou ausência de doença neurodegenerativa presente no indivíduo; informações do paciente; data; tempo, imagens de uma varredura de paciente original; imagens processadas dos resultados do método como definido em qualquer uma das reivindicações lia 22; tabelas com medições; resultados VOI; um índice amilóide; e um declaração de se ou não quaisquer achados situam-se dentro de uma faixa paramétrica normal.

25. Produto de programa de computador (144), caracterizado pelo fato de compreender código de computador operável para configurar um aparelho de processamento de dados (120), para implementar uma ou mais das etapas do método (200) como definido em qualquer uma das reivindicações 11 a 24.

26. Produto de programa de computador (144) de acordo com a reivindicação 25, caracterizado pelo fato de ser provido em um meio portador (142).

27. Produto de programa de computador (144) de acordo com a reivindicação 26, caracterizado pelo fato de o meio portador (142) compreender um ou mais de: um disco magnético, uma fita magnética, um disco óptico, um sinal eletrônico, um sinal óptico, um sinal de rádio e um dispositivo semicondutor.