 |
O dia a dia da atividade médica é marcado por uma busca constante de um diagnóstico preciso e da avaliação da terapêutica, para esse fim o médico serve-se de uma grande variedade de técnicas de produção de imagens, entre eles destacando-se os métodos radiológicos (raios X simples e contrastado, CT, MRI, imagens de medicina nuclear, tomografia PET; ultrassonografia, ecocardiografia), micrografias, exames anatomopatológicos, endoscopias, análises cromossomiais, fotografias e exames relacionados a especialidades em particular, como a oftalmologia.
A medicina estava inicialmente atrasada na adoção dos computadores, mas o manejo e manipulação das informações em larga escala e as altas velocidades venceram os médicos e administradores hospitalares. O trabalho com imagens médicas pode ser dividido em quatro categorias: geração de imagens, análise de imagens, gerenciamento de imagens, e gerenciamento de informações. Em cada uma destas tarefas é possível o uso do computador.
O processamento de imagens por computador é no momento um dos ramos da computação que mais tem crescido, baseado em técnicas digitais que tem suas origens nos projetos espaciais da NASA. Atualmente, o desenvolvimento deve-se fundamentalmente à produção de componentes eletrônicos mais potentes, baratos e menores, que permitem o aumento das investigações nesse campo, que antes estavam limitados a grandes instituições de países do primeiro mundo. O objetivo deste artigo é discorrer sobre o processamento digital de imagens médicas, dando ênfase as técnicas radiológicas, e abordando os princípios básicos da digitalização de imagens, análise, arquivamento e comunicação através de redes das imagens médicas.
Evolução das Técnicas Radiológicas
Em 1895, o físico alemão Wilhelm Conrad Roentgen descobriu os raios X, que revolucionaram o meio cientifico, e em especial a Medicina, de tal forma que por volta de 1900 a radiologia já existia como especialidade médica. Por volta de 1940 novas tecnologias como a televisão e intensificadores de imagens permitiram a realização de fluoroscopias de ótima qualidade e em tempo real, as quais foram os únicos métodos existentes até a década de 70. O desejo de separar estruturas superpostas também levou ao desenvolvimento de uma variedade de técnicas tomográficas analógicas, especialmente a tomografia axial (seções transversais), mas que davam maus resultados. Os pesquisadores reconheceram, então, que um computador seria necessário para realizar a limpeza dos borrões, e métodos matemáticos para reconstrução de imagens foram desenvolvidos, principalmente por Cormack. Por volta de 1970, Hounsfield e sua equipe da EMI Corporation desenvolveu o primeiro tomógrafo computadorizado comercialmente viável, que permitiu pela primeira vez a visualização de estruturas internas do corpo através de seções transversais, trabalho pelo qual ambos pesquisadores receberem o prêmio Nobel de Medicina em 1979.
Após a invenção do tomógrafo computadorizado, vários métodos de produção de imagens foram desenvolvidos, como a MRI (tomografia de ressonância magnética), que produz cortes tomográficos a partir de campos magnéticos, a ultrassonografia, e a cintilografia, com o uso de isótopos radioativos que além de gerar imagens de estruturas anatômicas, presta-se á avaliação da função orgânica; e entre as quais se conta o SPECT e o PET (tomógrafo de emissão positronica).
Podemos atribuir a muitos fatores a multiplicação das modalidades de produção de imagens médicas, tais como a melhor compreensão dos princípios básicos da captação de imagens, aperfeiçoamento de técnicas matemáticas de reconstrução, a evolução dos computadores com desenvolvimento de equipamentos mais baratos e mais seguros. Esta melhoria na tecnologia da computação levou a uma tendência para a geração de imagens digitais, e os exames tradicionais de raios X podem agora ser adquiridos e processados pelo computador. A aquisição e análise de imagens digitais de raios X formam a base de um novo campo chamado radiologia digital.
Conceitos Básicos de Imagem Digital
O que é, e o que faz da digitalização de imagens algo tão importante? A resposta está na forma com que a imagem é representada. O computador não pode guardar em sua memória ou modificar em seus circuitos qualquer imagem na forma analógica, que é a como o olho humano a enxerga, porque o computador trabalha com números discretos, não podendo representar diretamente tons de cinza ou cores contínuas. Para que o computador possa operar com imagens, elas precisam primeiro ser convertidas para uma grande lista de números.
Numa radiografia simples do tórax, as variações nas áreas claras e escuras são codificadas como um conjunto de números, por exemplo, nas áreas claras do filme (correspondentes a regiões que absorvem uma grande porção do feixe de raios X), pode ser dado o valor numérico de 0 (zero), enquanto que nas áreas escurecidas (que são causadas por baixa absorção de raios X) poderá ser atribuído algum valor alto, tal como 255 para o negro total. Aos níveis de cinza intermediários podemos atribuir algum valor entre 0 e 255, por exemplo. Para fazer essa conversão de imagem em números, a imagem é subdividida em uma grade, contendo milhões de quadrados de igual tamanho, sendo cada um dos mesmos associado a um valor numérico da intensidade de raios X naquele ponto. A essa grade de quadrados chamamos de "imagem matriz", e cada quadrado na imagem é chamado de "pixel" (do inglês "picture element"). Cada pixel carrega a informação sobre o nível de cinza que ele representa.
Vale a pena lembrar que este nível de cinza em si mesmo é o análogo de alguma propriedade do corpo na imagem que nos interessa, ou seja, a grandeza física que eles representam. Por exemplo, na imagem radiográfica, o valor numérico representa a atenuação de raios X no tecido, mas em uma imagem de medicina nuclear, esse valor é o número de contagem dado pelo composto radioativo.Os computadores usam uma forma de representação numérica chamada de "notação binária".
Em vez do uso de números do sistema decimal (0 a 9), os computadores usam somente 0 e 1. Qualquer número no sistema decimal pode ser representado no binário e vice versa. Os computadores usam a base binária para aritmética, porque dois valores, tais como 0 e 1, são facilmente representados eletronicamente, por exemplo, sendo um circuito desligado para 0 e ligado para 1. O número de arranjos possíveis para números binários é simplesmente: 2 elevado a n, onde n é o número de opções possíveis. Essa regra também é válida para o número de níveis de cinza que nós queremos representar. Com 2 dígitos binários (ou bits) na memória do computador, nos poderemos então ter 4 tons de cinza, com 3 dígitos teremos 8 tons de cinza e com 4 dígitos, 16 tons e assim por diante. Cada pixel, então, tem um certo número de bits a ele associado, assim podendo representar não somente o local na imagem (a localização do pixel na imagem matriz) com também o nível de cinza deste local. O número de bits associado com cada pixel é chamado de bit de intensidade e é usualmente igual para toda a matriz.
A Resolução da Imagem
Todas as imagens podem ser caracterizadas por diversos parâmetros de qualidade de imagem. Os mais úteis desses parâmetros são a resolução espacial, a resolução de contraste e a resolução temporal. Esses parâmetros foram largamente usados para caracterizar imagens de raios X tradicionais; eles também proveem os meios para comparação de imagens formadas por modalidades de imagens digitais. A resolução espacial está relacionada à aspereza da imagem; ou seja a capacidade de exibir separação física entre duas imagens. Para a imagem digital, a resolução espacial é determinada pelo número de pixels por área de imagem. A resolução de contraste é a medida da capacidade para distinguir pequenas diferenças de intensidade, como mudanças nos parâmetros mensuráveis, tais como atenuação de raios X. para imagens digitais, o número de bits por pixel determina a resolução de contraste da imagem.
Finalmente, a resolução temporal é a medida de tempo necessária para formar a imagem. Nós consideramos um processamento de imagens para aplicações em tempo real se ela pode gerar imagens a uma taxa de 30 por segundo, pelo menos. A esta taxa é possível produzir imagens de batimento cardíacos sem borrões. Uma inadequada resolução resulta na impossibilidade de distinguir estruturas; duas estruturas parecem uma só (baixa resolução espacial) ou a lesão não apresenta limites precisos (baixa resolução de contraste).Outros parâmetros que são especificamente relevantes para a produção de imagens médicas são os que quantificam o risco do paciente, os graus de invasibilidade, a dosagem de radiações ionizantes, o grau de desconforto do paciente, o tamanho (portabilidade) do instrumento, a capacidade de descrever as funções fisiológicas bem como as estruturas anatômicas, e o custo do procedimento.
Uma modalidade de produção de imagens perfeita deverá produzir imagens com altas resoluções espacial de contraste e temporal; deverá ser de baixo custo, ser portátil, livre de risco, indolor, e não invasiva; não deverá usar radiações ionizantes; e ter capacidade de descrever as funções fisiológicas bem como as estruturas anatômicas. A primeira razão para a proliferação de modalidades de produção de imagens é que nenhuma única modalidade satisfaz todos estes requerimentos - cada uma é poderosa para uma ou mais dessas dimensões e fraca para outras.
A seleção da modalidade mais apropriada para um particular diagnóstico requer a renuncia entre essas várias dimensões. A resolução espacial é o problema mais frequentemente questionado da imagem digital. A fim de igualar a resolução espacial típica do filme, uma imagem de 14 X 17 polegadas poderá ter aproximadamente 2000 X 2500 pixels, e para capturar todas as informações de níveis de cinza, cada pixel deve carregar 10 bits (1024 tons de cinza). Por este método o tamanho da imagem chegaria a 6,5Mb. Para dobrar-se a qualidade da resolução espacial é necessário quadruplicar o número de pixels. Já a resolução de contraste varia linearmente com o número de bits requeridos. A imagem matriz frequentemente tem valores de 512 X 512 pixels, por exemplo, tornando as imagens fáceis de serem manipuladas no computador.
Desde o começo deste artigo a frase "níveis de cinza" tem sido enfatizada. Na geração de imagens digitais, cores podem ser usadas para representar os tons de cinza das imagens, o que se denomina "falsa cor". Em vez de atribuir um diferente valor de cinza para cada valor binário no pixel, uma diferente saturação da cor primária é usada. Contudo, três cores primárias são necessárias para produzir todas as outras cores, deste modo, em imagens coloridas, cada pixel tem três componentes, uma para cada cor primária usada (tipicamente vermelho, verde e azul, ou RGB). Esses métodos para imagens coloridas requerem 3 vezes mais espaço para armazenagem que os tons de cinza.
Análise de Imagens
Depois de a imagem ter sido gerada, é preciso ser analisada. Usualmente o exame radiológico é requisitado por quatro razões básicas: visualização, quantificação, localização e triagem. O radiologista escolhe o método de melhor indicação para manipular imagens, permitindo assim uma melhor visualização da doença. Por exemplo, pode-se ajustar os níveis de cinza de uma imagem tomográfica para exibir as regiões de maior interesse.
Muitos dos procedimentos de enriquecimento de imagens desenvolvidos pelo programa espacial da NASA foram ou serão usados para esse propósito. Por exemplo, técnicas de filtragens digitais podem ser aplicadas para remover ruídos, para detecção de bordas, e para limpar imagens borradas. Atualmente o enriquecimento de imagens para uma melhor visualização é o principal uso do computador para a análise de imagens.
O computador também pode ser utilizado para quantificar parâmetros mensuráveis, tal como o volume do coração ou o tamanho do feto. Nos sistemas mais modernos, esses parâmetros podem ser medidos nos instrumentos da tela com calibradores eletrônicos. O computador registra as medidas e executa os cálculos,. melhorando a sua consistência e acurácia, e a produtividade dos radiologistas. Além disso, a disponibilização de imagens tridimensionais torna o cálculo de volumes mais acurado, principalmente quando são feitas automaticamente (volumetria)
Para certos propósitos, tais como cirurgias ou radioterapia, a localização precisa da lesão é a principal razão para estudo. A localização também é crucial para procedimentos radiológicos intervencionistas, tais como biópsias aspirativas com agulha e drenagem de abscessos. Os radiologistas analisam as imagens para determinar o melhor local para chegar á lesão, e para determinar o ângulo de aproximação e a profundidade. Dados de imagens tridimensionais são Inestimáveis para localização, porque estas devem ser relacionadas a pontos de referência externos no corpo (como 3 cm acima do umbigo). Esta informação também é usada no planejamento de radioterapia onde o oncologista deve examinar o volume da zona de tratamento precisamente.
Reconhecimento de Imagens
Como a interpretação cuidadosa de imagens radiográficas consome tempo, e é caro treinar radiologistas para processar grande número de imagens, alguns pesquisadores tem trabalhado no desenvolvimento de sistemas de ajuda á interpretação de imagens por computador. Esses sistemas, podem ser particularmente utilizados com o propósito de triagem - por exemplo, exame do tórax em pré-operatório e mamografias periódicas. Como na condição de triagem a probabilidade de positivo verdadeiro é, relativamente baixa, e usam leitura manual além de tediosa é demorada, o sistema de análise automática de imagens pode sinalizar imagens anormais ou questionáveis para posterior interpretação pelo radiologista. Esta noção de triagem automatizada já foi analisada com sucesso para a interpretação de registros de ECG. O problema da interpretação de imagens é baseado em técnicas de Inteligência Artificial. Apesar de ser improvável que o desenvolvimento de interpretação completamente automatizada ocorra brevemente, sistemas que oferecem interpretação parcialmente automatizada são viáveis. Esses sistemas resolvem sub tarefas de uma tarefa de interpretação global.
O padrão de reconhecimento e análise de imagens pode ser dividido em quatro sub tarefas: processamento global, segmentação, detecção de características, e classificação. Essas sub tarefas são análogas ao processo que os cientistas acreditam que o cérebro humano realize com o processo sensorial.
O processamento global envolve a computação com a imagem inteira, sem levar em consideração o conteúdo local especifico. O propósito é realçar a imagem para a visualização humana ou para posterior análise pelo computador. O processamento global é o mais ativo e mais próspero campo de pesquisa de análise de imagens, porque se aplicam princípios fiscos de geração de imagens desenvolvidos pela indústria espacial para realçar imagens do espaço exterior. Um exemplo comum de processamento global é a janela de níveis de cinza da imagem tomográfica. O tomógrafo produz números na faixa de -1000 a ~1000 (-3000 a ~4000 no equipamentos mais modernos). Nós, contudo, não somos capazes de distinguir mais do que cerca de 100 matizes de cinza. Para apreciar a máxima precisão disponível da imagem de tomografia computadorizada, o operador pode ajustar o ponto médio e o gama de exibição dos valores de CT. Deste modo o radiologista consegue perceber melhor pequenas mudanças na resolução de contraste dentro da sub-região de interesse, porém ao mesmo tempo eles sacrificam a resolução em outras áreas da imagem.
Outro exemplo do processamento global aplicado a imagens tomográficas é a equalização por histograma, no qual a distribuição estatística de níveis de cinza é tornado uniforma, muitas vezes melhorando a resolução de contraste da imagem. Uma variedade de algoritmos de filtragem pode ser aplicado no processamento da imagem para remover chuviscos da imagem, para acrescentar margens ou bordas, ou para tornar mais nítidas imagens borradas.
Durante a fase de segmentação, as regiões de interesse são extraídas da imagem total. As regiões usualmente correspondem a estruturas significativas anatomicamente, tal como órgãos ou partes de órgãos. A estrutura pode ser delineada pelas suas bordas, nesse caso técnicas de detecção de bordas (tais como algoritmo de aproximação de bordas) são usadas. Nenhum desses tipos de tecnologias tem sido completamente bem sucedido, pois regiões frequentemente tem bordas descontínuas ou não distinguíveis da composição interna. Além disso, as regiões contíguas frequentemente sobrepõe-se.
A detecção de características é o processo de extração de parâmetros úteis para as regiões segmentadas. Esses parâmetros podem por si próprios serem informativos. Eles também podem ser usados aplicados dentro de um processo de classificação automatizado, o qual determina o tipo de objeto construído. Por exemplo, pequenas regiões redondas na imagem de raios X do tórax, podem ser classificadas como tumores, dependendo de fatores como intensidade, perímetro e área.
Modelos matemáticos são frequentemente utilizados para ajudar na execução de sub tarefas de análise de imagens automatizadas. Alguns pesquisadores estão aplicando técnicas de Inteligência Artificial para imitar interação entre sub tarefas. O computador é programado com alguns dos conhecimentos anatômicos que o radiologista usa quando interpreta imagens. Assim, um bom modelo orgânico dá uma referência de alto nível para que o processo de segmentação funcione a contento.
Fusão de Imagens
Grande parte da imagem radiológica é estrutura. E possível fazer ótimas interpretações anatômicas com estudos radiográficos, mas isto pode não revelar muito sobre a doença que ainda não alterou anatomicamente mas apenas mudou a função do órgão. Muitas vezes a Imagem funcional de medicina nuclear é preferível a trabalhar somente com imagens anatômicas, por sua capacidade de marcar moléculas de interesse com isótopos radioativos, e então acompanhar a sua distribuição espacial e temporal. Também, CT, MRI e imagens vasculares, podem produzir dados funcionais. Alguns métodos de combinações entre imagens funcionais e anatômicas parecem ideais. Embora seja bastante problemático, especialmente em alinhar precisamente duas imagens onde uma tem poucos pontos de referência, os computadores podem executar esta tarefa, pois o método de alinhamento é matemático. A combinação de PET com CT já deu informação sobre esquizofrenia, e imagens biomagneticas são promissoras na produção de informações sobre o cérebro em tempo real.
Gerenciamento de Imagens e Informação
No manejo de informação dentro do hospital por meio de uma rede de computadores, surgiu inicialmente o conceito de Sistemas de Informação Radiológica - RIS (Radiology Information Systems) e que demonstraram que é possível utilizar sistemas computadorizados para melhorar o gerenciamento dos pacientes, a geração e distribuição de relatórios, as facilidades de utilização dos recursos disponíveis, a localização dos filmes, e as rotinas de funcionamento do setor de radiologia. Frequentemente eles são integrados ao Sistema de Informação Hospitalar (HIS - Hospital Information Systems). Como o RIS faz tudo menos trabalhar com as próprias imagens, na década dos 80 este conceito foi ampliado para incluir o que chamamos de PACS (Picture Archiving and Communication System, ou sistemas de arquivamento e comunicação de imagens). É um sistema que permite, como o nome diz, a armazenagem e recuperação das imagens em uma rede de computadores.
Atualmente, a maior parte das imagens são registradas e armazenadas em filme. Igualmente imagens como CT e MRI, as quais são inerentemente digitais, são transferidas para o filme depois que os técnicos a tenham otimizado para a visualização. Ocasionalmente como no caso de estudos ultrassonográficos, as imagens são transferidas para vídeo- tapes para posterior revisão e interpretação.
O armazenamento de filmes requer um grande espaço no departamento de radiologia. Os departamentos tem a capacidade de armazenar filmes somente para pacientes que tenham sido estudados nos últimos 6 a 12 meses. Estudos antigos, são retidos por no mínimo 7 anos e estocados em um porão por exemplo. A aquisição digital de todas as imagens dentro de um hospital oferece um excitante panorama de redução do espaço físico requerido, custo de material, redução do trabalho manual tradicional de manuseio de filmes, rápida recuperação de imagens via pedido de informação á base de dados, e alta velocidade de transmissão de imagens através de redes.
O desenvolvimento dos sistemas PACS é uma área ativa de pesquisa em informática médica. Um número de complexos problemas tiveram que ser resolvidos antes de por em prática, incluindo padronização de transmissão de imagens e formatos de armazenagem. Armazenar todos os dados de imagens médicas digitais pode criar um grande problema de gerenciamento, que não pode ser resolvidos por métodos que não envolvam computação. Por exemplo, um hospital de 600 leitos que realiza 125.000 procedimentos de imagens médicas por ano pode gerar centenas ou até milhares de gigabytes de dados de imagens por ano. Afortunadamente, a eletrônica digital permite o manejo de tão grande soma de dados, e existem técnicas de computação que podem comprimir informações, como a compressão de dados, que geralmente aproveita a a redundância na informação. A máxima compressão para imagens é geralmente na faixa de 2 ou 3 para 1. Algumas técnicas de alta compressão de dados, conhecidas como "com perda", conseguem proporções de até 10 para 1, mas podem desfocar e alterar a imagem e prejudicar o diagnóstico em caso de estruturas muito pequenas na imagem (bordas, microcalcificações, etc.)
A tecnologia de discos óticos é o meio mais utilizado para armazenamento on-line de dados de imagens. Cada disco armazena cerca de 2,5 gigabytes, e são disponibilizados através de um equipamento robótico de manipulação e leitura, chamado de "jukebox". Existem equipamentos deste tipo com capacidade de 100 discos ou mais, o que permite o armazenamento on-line de um ano inteiro de dados de um hospital de grande porte. Os discos óticos são baratos e os preços continuam em queda. Além disso os novos discos permitem que sejam gravados e regravados várias vezes. Existem vários outros meios para armazenagem a longo prazo (sem disponibilidade on-line), incluindo fita magnética, discos óticos e cartões a laser.
Redes
O gerenciamento de informação em um hospital envolve a transmissão de imagens em redes. A integração de estações de visualização distribuídas, bases de dados on-line, sistemas de gerenciamento de imagens, e redes locais de larga escala permitem que os dados de imagens sejam partilhados entre profissionais de saúde e que seja feita a visualização local e remota. Além disso, os dados podem ser vistos em múltiplos locais simultaneamente.
Os principais meios de transmissão em redes são os cabos coaxiais e fibras óticas. Cabos coaxiais são usados em TV a cabo, e suportam uma variedade de topologias de redes. Redes coaxiais são relativamente baratas e confiáveis, apesarem de serem susceptíveis a interferência elétrica e de rádio- frequência. Redes de fibra ótica oferecem um alto grau de confiança sem problemas com interferência. A capacidade máxima de transmissão de dados deve ser suficiente para suportar as necessidades do departamento ou clínica.
O hardware necessário para o trabalho em redes deve estar de acordo com o sistema PACS desenvolvido e com o protocolo de comunicação de redes. Padronização de protocolos de redes usando convenções tais como o ISO OSI é importante para garantir que uma larga variedade de equipamentos possam ser interfaceados com a rede e que os dados possam ser reconhecidos e interpretados corretamente em todos os nodos da rede. Para esse fim, o National Equipament Manufacturers Association (NEMA) e o American College of Radiology (ACR) cooperaram para criar um formato padrão de dados de imagens, chamado ACR-NEMA e foi o primeiro passo para conseguir a adesão dos fabricantes de equipamentos de imagem digital, facilitando a sua interconexão direta em rede. Atualmente o ACR-NEMA evoluiu para um novo padrão, amplamente adotado, chamado DICOM.
Atualmente, existem diversas superposições de funções entre o HIS, o RIS e o PACS. Um dos mais significativos desenvolvimentos no futuro será a integração desses sistemas,, o que exigirá esforços de padronização e de desenvolvimento paralelo em outras áreas da ciência da computação. Dirigindo muitos destes esforços sempre estão a crescente demanda do administrador hospitalar e dos médicos por informações.
Referências Bibliográficas
Horii. Steven. C. Computer appllcations in diagnostic imaging. Clinics in Chest Medicine, 1991, Mar, 12(1):1-17.
Shortliffe, E. H.; Perreault, L. E; Wiederholt G.; Fagan, L. M. Medical lnformatics. Computer Applications in Health Care. Addison Wesley, Reading, Mass.; USA, 1990.
Abad, O. M.; Blanco, A. N.; Somonte, E. E.; Processamiento de imagenes por computadora. Su aplicacion en la medicina. Rev. Ata Médica 3(2):245-250, 1989.
Dawan, A. P. A review on biomedical image processing and future trends. Comput Methods Programs Bíomed 1990 mar-apr, 31(3-4)141-83
Wells. W A.; Rainer. R., Menoli. U.A. Equipment, standardization, and applications of image processing. AM J Clln Pathol. 1993 jan;99(1):4a-56
Basic Principles of Image Processing. AM J Clin Pathol. 1992 nov, 98(5)493-501
Gillespie, T. 3rd.; Rowberg, A. N. Displaying radiologic images on personal computer: image storage and compression. Part 2. Digital Imaging, 1994, Feb;7(1):1-12.
