Erosion Identification in Metacarpophalangeal Joints in Rheumatoid Arthritis using High-Resolution Peripheral Quantitative Computed Tomography

Yousif Al-Khoury; Stephanie Finzel; Camille Figueiredo; Andrew J. Burghardt; Kathryn S. Stok; Lai-Shan Tam; Isaac Cheng; Justin J. Tse; Sarah L. Manske

doi:10.3791/65802

JoVE Journal > Medicine

Please note that all translations are automatically generated. Click here for the English version.

Medicine

Identificazione dell'erosione nelle articolazioni metacarpo-falangee nell'artrite reumatoide utilizzando la tomografia computerizzata quantitativa periferica ad alta risoluzione

Published: October 06, 2023

doi:

10.3791/65802

Yousif Al-Khoury^1,2, Stephanie Finzel³, Camille Figueiredo⁴, Andrew J. Burghardt⁵, Kathryn S. Stok⁶, Lai-Shan Tam⁷, Isaac Cheng⁷, Justin J. Tse¹, Sarah L. Manske¹

¹Department of Radiology, McCaig Institute for Bone and Joint Health,University of Calgary, ²Department of Biomedical Engineering,University of Calgary, ³University Medical Center Freiburg, ⁴Department of Rheumatology,University of São Paulo, ⁵Department of Radiology and Biomedical Imaging,University of California, San Francisco, ⁶Department of Biomedical Engineering,University of Melbourne, ⁷Department of Medicine and Therapeutics,The Chinese University of Hong Kong

Summary

Le erosioni ossee sono un’importante caratteristica patologica dell’artrite reumatoide. Lo scopo di questo lavoro è quello di introdurre uno strumento di formazione per fornire agli utenti una guida sull’identificazione delle rotture corticali patologiche su immagini di tomografia computerizzata quantitativa periferica ad alta risoluzione per l’analisi dell’erosione.

Abstract

Le erosioni ossee sono una caratteristica patologica di diverse forme di artrite infiammatoria, tra cui l’artrite reumatoide (AR). L’aumento della presenza e delle dimensioni delle erosioni è associato a scarsi risultati, funzionalità articolare e progressione della malattia. La tomografia computerizzata quantitativa periferica ad alta risoluzione (HR-pQCT) fornisce una visualizzazione in vivo senza precedenti delle erosioni ossee. Tuttavia, a questa risoluzione, sono visibili anche discontinuità nel guscio corticale (rotture corticali) che sono associate ai normali processi fisiologici e alla patologia. Lo studio grouP per la tomografia computerizzata xtrEme nell’artrite reumatoide ha precedentemente utilizzato un processo di consenso per sviluppare una definizione di erosione patologica nella HR-pQCT: una rottura corticale rilevata in almeno due fette consecutive, in almeno due piani perpendicolari, di forma non lineare, con sottostante perdita di osso trabecolare. Tuttavia, nonostante la disponibilità di una definizione consensuale, l’identificazione dell’erosione è un compito impegnativo con sfide nella variabilità tra valutatori. Lo scopo di questo lavoro è quello di introdurre uno strumento di formazione per fornire agli utenti una guida sull’identificazione delle rotture corticali patologiche sulle immagini HR-pQCT per l’analisi dell’erosione. Il protocollo qui presentato utilizza un modulo personalizzato (Bone Analysis Module (BAM) – Training), implementato come estensione di un software di elaborazione delle immagini open source (3D Slicer). Utilizzando questo modulo, gli utenti possono esercitarsi a identificare le erosioni e confrontare i loro risultati con le erosioni annotate da reumatologi esperti.

Introduction

Le erosioni ossee si verificano quando l’infiammazione provoca una perdita ossea localizzata sulla superficie ossea corticale. Queste erosioni si estendono nella regione ossea trabecolare sottostante. Sono una caratteristica patologica di diverse forme di artrite infiammatoria, tra cui l’artrite reumatoide (AR)¹. La presenza e le dimensioni dell’erosione sono associate a scarsi risultati, alla funzione del paziente e alla progressione della malattia 2,3,4,5. Mentre la radiografia semplice rimane lo standard clinico per la valutazione dell’erosione, la tomografia computerizzata quantitativa periferica ad alta risoluzione (HR-pQCT) fornisce immagini 3D e una sensibilità e specificità superiori per il rilevamento dell’erosione ^6,7. Per l’artrite infiammatoria, come l’artrite reumatoide, la HR-pQCT viene comunemente eseguita sulla 2a^e 3a articolazione metacarpo-falangea, le articolazioni più colpite della mano⁸. Poiché le immagini HR-pQCT hanno un’elevata risoluzione spaziale, si osservano interruzioni fisiologiche nella superficie corticale anche in individui sani senza AR⁹. Queste interruzioni corticali sono spesso associate a canali vascolari o forame nutritivo che passano attraverso l’osso¹⁰. Pertanto, la sfida consiste nel distinguere le interruzioni corticali associate a un processo patologico (cioè le erosioni patologiche) dalle caratteristiche non patologiche.

La definizione di consenso di un’erosione ossea patologica è stata pubblicata dallo studio grouP for xtrEme Computed Tomography in Rheumatoid Arthritis (SPECTRA) come la presenza di una decisa interruzione nello strato corticale dell’osso che si estende su almeno due fette consecutive ed è rilevabile in due o più piani perpendicolari¹¹. Inoltre, l’interruzione deve essere di forma non lineare e accompagnata da una perdita nella regione trabecolare. Esempi visivi di interruzioni corticali che soddisfano e non soddisfano i criteri di erosione sono mostrati in Klose-Jensen et ^al.12.

Tuttavia, non tutte le interruzioni corticali che soddisfano i criteri di cui sopra sono classificate come erosioni. Le interruzioni sono talvolta causate da processi fisiologici come i canali vascolari (Figura 1). Questi possono essere identificati e differenziati dalle erosioni grazie alle loro posizioni anatomiche prevedibili, ai margini paralleli e rettilinei e alle dimensioni sub-millimetriche¹³. Le cisti sono un’altra forma di interruzione corticale che non è considerata un’erosione. Hanno spesso una struttura trabecolare arrotondata con una parete cistica chiara ¹³. In contrasto con gli spigoli vivi e la struttura trabecolare aperta mostrata dalle erosioni. Tuttavia, è possibile che si formino erosioni all’interno dei siti cistici, rendendo ambiguo delineare il volume della perdita ossea causata dalle erosioni e non dalle cisti. Sebbene risolvere questa ambiguità con ulteriori criteri non sia lo scopo di questo studio, è necessario fornire esempi completi di erosione patologica e interruzioni corticali fisiologiche.

Figura 1: Esempio di interruzioni corticali che non sono state causate esclusivamente da erosioni. (A) Un disegno che illustra la posizione comune dei canali vascolari alla base della testa del metacarpo. Esempi di canali vascolari nei piani (B) coronale, (C) sagittale, (D) ed (E) assiale. (F) Esempio di un’interruzione corticale causata da una cisti. (G) Esempio di un volume vuoto all’interno della regione trabecolare dell’osso che coinvolge sia cisti che erosioni. Fare clic qui per visualizzare una versione più grande di questa figura.

Nonostante le sfide nell’identificazione dell’erosione, attualmente non esistono strumenti di formazione per fornire agli utenti meno esperti una guida sull’interpretazione delle immagini HR-pQCT per l’analisi dell’erosione. Recentemente, è stato sviluppato un modulo open-source per l’analisi dell’erosione chiamato bone analysis module (BAM) – Erosion Volume, implementato come estensione di un software open-source di elaborazione delle immagini per consentire la visualizzazione dell’erosione e le analisi volumetriche¹⁴. Il protocollo qui presentato descrive l’uso di un modulo di formazione aggiunto al BAM (BAM – Training), che confronta i tentativi di identificazione dell’erosione da parte degli utenti confrontando l’identificazione dell’erosione con le erosioni annotate da esperti reumatologi. Questo strumento di formazione fornisce agli utenti un feedback sull’identificazione dell’erosione al fine di guidare i miglioramenti nell’analisi dell’erosione. Le istruzioni per l’installazione del software sono fornite nel passaggio 1. Per l’acquisizione di nuovi dati, vedere i passaggi da 3 a 5.3. Solo per l’uso del modulo di formazione, vedere il passaggio 2.

Protocol

Tutti i metodi di questo protocollo seguono le linee guida stabilite dal Conjoint Health Research Ethics Board dell’Università di Calgary (REB19-0387). 1. Installare 3D Slicer 15 e i moduli di analisi ossea Scaricare il file di installazione per una versione stabile di 3D Slicer pertinente al sistema operativo utilizzato da https://download.slicer.org/. Eseguire il file di installazione scaricato e seguire le istruzioni fornite nella procedura guidata. Una volta completata l’installazione, procedere con l’installazione dei moduli di analisi ossea.Scarica i moduli di analisi ossea da https://doi.org/10.5281/zenodo.7943007 come file zip compresso ed estrai la cartella compressa. Si prega di notare la directory in cui si trova la cartella estratta. Avviare 3D Slicer. Caricare i moduli in 3D Slicer facendo clic su Modifica nell’angolo in alto a sinistra della finestra 3D Slicer. Fare clic su Modifica > impostazioni dell’applicazione per aprire una nuova finestra. Fare clic su Moduli che è una scheda situata a sinistra nella finestra Impostazioni aperta di recente. Aggiungere i percorsi ai moduli di analisi ossea in Percorsi aggiuntivi dei moduli: (Figura 2).Per fare ciò, trascina e rilascia il seguente elenco di cartelle nella casella situata in Percorsi moduli aggiuntivi:. Queste cartelle si trovano all’interno della cartella scaricata nel passaggio 1.3.1: AutoMask, CorticalBreakDetection, ErosionComparison, ErosionVolume, FileConverter, ImageRegistration, Training. La finestra delle impostazioni dovrebbe essere simile alla Figura 2. Premere OK in basso a destra nella finestra Impostazioni. Per confermare l’installazione dei moduli è necessario un riavvio. A tale scopo, chiudere 3D Slicer e riavviarlo.NOTA: il caricamento dei moduli viene eseguito una sola volta per installazione di 3D Slicer. Dopo ulteriori aggiornamenti al repository GitHub per l’analisi delle ossa, un semplice comando git pull del terminale (o della riga di comando) nella directory contenente il download BAM precedente aggiornerà automaticamente tutti i moduli. Anche in questo caso, in alternativa, è possibile scaricare il repository e scambiare manualmente i vecchi moduli con quelli nuovi. Figura 2: Esempio di finestra delle impostazioni dopo l’aggiunta di moduli di analisi ossea a un’installazione di 3D Slicer. L’immagine mostra uno screenshot della finestra delle impostazioni con i moduli evidenziati nel riquadro rosso. Fare clic qui per visualizzare una versione più grande di questa figura. 2. Modulo di formazione Avviare il modulo BAM-Training.Fare clic sul menu a discesa situato nella barra degli strumenti di 3D Slicer. Trova i moduli di analisi ossea e posiziona il mouse sopra di essi (Figura 3). Fare clic su Formazione. Carica i file nel modulo.All’avvio del modulo di formazione BAM, tutti i file richiesti (immagini in scala di grigi, maschere, segmentazioni dell’erosione di riferimento) verranno caricati automaticamente facendo clic su Procedi, supponendo che il repository github BAM sia stato scaricato come indicato in precedenza. Scegliere un tipo di scansione per i file.Scegline uno passando il mouse sopra il menu a discesa con l’etichetta Volume di ingresso: seleziona un volume, che rappresenta l’immagine principale in scala di grigi. Scegli la maschera (cioè il file che identifica il volume all’interno della superficie periostale) nel menu a discesa Maschera di input: Seleziona un volume. Assicurarsi che questa maschera corrisponda al volume di ingresso sopra verificando che l’ID di misurazione e il giunto MCP siano gli stessi in entrambe le selezioni. Se è la prima volta che si esegue il modulo di training su questa immagine con questo lancio di 3D Slicer, creare una nuova segmentazione dell’output nel menu a discesa denominato Erosioni di output: selezionare una segmentazione. Per fare ciò, fai clic sul menu a discesa e seleziona Crea nuova segmentazione. In questo modo verrà creato un nuovo nodo di segmentazione dell’output etichettato dopo l’etichetta della maschera di input + _ER. Per assegnare all’output un’etichetta diversa, seleziona Crea nuova segmentazione come… e inserisci l’etichetta desiderata.NOTA: In 3D Slicer e in questo documento, la maschera e la segmentazione identificano il volume all’interno della superficie periostale dell’osso. La maschera viene visualizzata come un’immagine binaria, mentre la segmentazione si riferisce alla visualizzazione dell’immagine binaria sovrapposta all’immagine in scala di grigi. Queste distinzioni vengono effettuate da 3D Slicer. Un esempio è illustrato nella Figura 4. Posizionate i punti di partenza come descritto di seguito.Per iniziare, creare un nuovo elenco di punti testa di serie per aggiungere punti di partenza. A tale scopo, fare clic sul menu a discesa Seed Points: None e creare un nuovo elenco selezionando Crea nuovo elenco di punti. Anche in questo caso, lo standard di etichettatura predefinito è l’etichetta dell’immagine di input + _SEEDS. Per fornire un’etichetta personalizzata, selezionare Crea nuovo elenco di punti. Scorri le sezioni e identifica i siti di erosione posizionando un punto di semina nella regione di interesse. Premere il pulsante Red Dot-Blue Drop mostrato nella Figura 5A per aggiungere un nuovo punto di partenza.Posizionare il punto di semina il più in profondità possibile (verso l’interno dell’osso trabecolare) nel volume di erosione. Assicurarsi che il punto di partenza sia posizionato sull’area più scura del volume. Per modificare la dimensione del punto di partenza, modificare la dimensione percentuale nella casella di testo denominata Dimensione punto di partenza:. Altri campi nella tabella dei punti di inizializzazione, ad esempio l’interruzione ossea e corticale, sono per i record dell’utente e non influiscono sull’algoritmo di calcolo dell’erosione. Ottenere commenti e suggerimenti come descritto di seguito.Una volta che i punti di partenza sono stati posizionati. Premere il pulsante Ottieni erosioni, evidenziato nella Figura 5B, per eseguire l’algoritmo di misurazione dell’erosione sugli input specificati. Al termine delle misurazioni dell’erosione, il modulo fornirà un feedback sul posizionamento del punto di semina. La posizione di ciascun punto di partenza viene confrontata con la posizione delle erosioni di riferimento per far corrispondere i punti di partenza all’erosione che si sta tentando di misurare. Ottenete le erosioni di riferimento calcolando il volume dell’erosione utilizzando i punti di semina posizionati dai reumatologi con formazione, ampi record di pubblicazione e più di 10 anni di esperienza nell’uso dell’imaging HR-pQCT e dell’analisi dell’erosione (SF e CF). Figura 3: Menu a discesa di 3D Slicer. Il menu a tendina per trovare i moduli di analisi ossea e selezionare il modulo di allenamento. Fare clic qui per visualizzare una versione più grande di questa figura. Figura 4: Identificazione del volume all’interno della superficie periostale dell’osso. (A) Esempio di maschera. La maschera viene visualizzata come un’immagine binaria. (B) Esempio di segmentazione. La segmentazione si riferisce alla visualizzazione dell’immagine binaria sovrapposta all’immagine in scala di grigi. Queste distinzioni vengono effettuate da 3D Slicer. Fare clic qui per visualizzare una versione più grande di questa figura. Figura 5: Schermata di esempio del modulo di training all’interno di 3D Slicer. (A) Fare clic per aggiungere nuovi punti seed. (B) Fare clic per calcolare i volumi di erosione. (C) Fare clic per importare le immagini. (D) Fare clic per visualizzare i punti di partenza posizionati dagli esperti. Fare clic qui per visualizzare una versione più grande di questa figura. 3. Acquisizione ed esportazione di immagini da utilizzare nello strumento di analisi dell’erosione Acquisisci immagini HR-pQCT utilizzando uno scanner HR-pQCT di prima o seconda generazione. Per acquisire le immagini di questo studio è stato utilizzato uno scanner commerciale (vedi Tabella dei materiali).NOTA: Le immagini utilizzate in questo studio sono della 2ae 3a articolazione metacarpo-falangea e sono state acquisite utilizzando il protocollo descritto in Barnabe et al.8, tuttavia le immagini di eventuali articolazioni con erosioni sono compatibili con BAM. Ispezionare le immagini per rilevare l’artefatto da movimento16,17. Non utilizzare immagini con punteggi di movimento > 3 per l’analisi dell’erosione. Esporta i file AIM (formato immagine proprietario) o DICOM (Digital Imaging and Communications in Medicine) di ciascuna articolazione su un disco locale utilizzando il protocollo FTP (File Transfer Protocol). I file dei singoli giunti possono essere generati utilizzando la pipeline di analisi della larghezza dello spazio del giunto (JSW) fornita dal produttore18. Rinomina i file dal formato numerico predefinito per un utilizzo più semplice. 4. Conversione di file e generazione di maschere ossee NOTA: A seconda del formato dell’immagine, seguire il passaggio 4.1 per le immagini AIM (formato immagine proprietario HR-pQCT), MHA (formato ITK MetaImage), nii (NIfTI – Neuroimaging Informatics Technology Initiative), NRRD (Nearly Raw Raster Data) o il passaggio 4.2 per le immagini DICOM. Per importare immagini con uno dei seguenti formati di file immagine: MHA, nii, AIM o NRRD, attenersi alla procedura descritta di seguito.Fare clic sul pulsante DATI situato nell’angolo in alto a sinistra della finestra Filtro dei dati 3D (Figura 5C). Per aggiungere file immagine, fare clic su Scegli file da aggiungere, individuare e aggiungere le immagini. Per aggiungere un’intera directory di immagini, fai clic su Scegli directory da aggiungere, individua e aggiungi la directory. Questo caricherà tutte le immagini in quella directory. Se per qualsiasi motivo è necessario importare una maschera immagine come segmentazione del filtro dei dati 3D, convertirla prima in un file NRRD o nii. Questa conversione può essere eseguita automaticamente, vedere il passaggio 4.4.1 per i dettagli. Importare i file DICOM in 3D Slicer come descritto di seguito.Fare clic sul pulsante DCM situato nell’angolo in alto a sinistra della finestra di Slicer 3D. Fare clic su Importa file DICOM, individuare e aggiungere la directory contenente i file DICOM (l’estensione è .dcm). Fare clic sul pulsante Carica situato sul lato destro della finestra. Ottenere la maschera dell’immagine utilizzando il passaggio 2 – Maschera automatica nel modulo BAM – Maschera automatica.Fare clic sul menu a discesa situato nella barra degli strumenti di 3D Slicer. Trova i moduli di analisi delle ossa e passa il cursore del mouse sopra di essi. Fare clic su Maschera automatica. Nella scheda Passo 2 – Maschera automatica, selezionare un volume di ingresso utilizzando il menu a discesa Volume di ingresso:. Questa è la scansione di input. Crea un nuovo output nel menu a discesa con l’etichetta segmentazione dell’output: e seleziona Crea nuovo LabelMapVolume. In questo modo verrà creato un nuovo nodo di output etichettato dopo l’etichetta della maschera di input + _MASK. Per assegnare all’output un’etichetta diversa, selezionare invece Crea nuovo LabelMapVolume come… e immettere l’etichetta desiderata. Immettere il numero di ossa da mascherare nella casella di testo con l’etichetta. Selezionare Ormir nel menu a discesa Algoritmo per la segmentazione ottimale per questa analisi19.NOTA: Sono disponibili altre opzioni per la generazione di queste maschere che potrebbero essere aggiunte in futuro. Fare clic su Ottieni maschera. Questo eseguirà l’algoritmo (~2-3 min) e produrrà il risultato nella stessa directory dell’immagine di input. Salverà anche una maschera separata per ogni osso se l’immagine ha più ossa. Eseguire la correzione manuale della maschera ossea utilizzando il passaggio 3 – Correzione manuale nel modulo BAM. Spesso la maschera generata non è accurata. Esegui la correzione manuale per aggiungere, eliminare o modificare componenti specifici delle segmentazioni.Per modificare una maschera generata con altri mezzi o generata in un’esecuzione precedente di 3D Slicer, utilizzare questo modulo per caricare queste maschere in 3D Slicer da un file. L’estensione del file può essere una delle seguenti: MHA, nii, NRRD, AIM.Copiare le immagini nella directory LOAD_MASKS che si trova nella cartella BAM scaricata nel passaggio 1.3. Tornare a 3D Slicer e premere il pulsante Carica nella fase di correzione manuale. Selezionare la segmentazione da correggere nel menu a discesa Maschera da correggere:”. Selezionare l’immagine originale in scala di grigi appartenente a questa segmentazione dell’erosione nel menu a discesa denominato Volume principale:. Premere Inizializza. Ogni segmentazione deve avere la propria voce nella tabella seguente. Selezionare la segmentazione da correggere in base al colore della segmentazione. Per aggiungere a una segmentazione, fai clic sul secondo pulsante nella prima riga. In questo modo viene utilizzata la funzione di verniciatura. Effettuare aggiunte ai volumi disegnando sulle immagini (tenere premuto il tasto sinistro del mouse e spostare il mouse). Per rimuovere parte della segmentazione, fai clic sul pulsante sotto la tabella denominata Cancella tra le sezioni. Questa è la funzione di cancellazione e funziona come la funzione di disegno, ma cancella. Disegna le aggiunte secondo necessità su circa 10-25 fette, ma assicurati di includere la prima fetta e l’ultima fetta in cui è stata necessaria un’aggiunta. Se è stata utilizzata la funzione di disegno, le modifiche possono essere interpolate facendo clic sul primo pulsante della quinta riga denominata Riempi tra le sezioni . Fare clic sui pulsanti Inizializza > Applica. Se è stata utilizzata la funzione di cancellazione, è sufficiente fare clic sul pulsante sotto la tabella denominata Applica cancellazione. Non utilizzare contemporaneamente le funzioni di pittura e cancellazione. Applicare prima una funzione, quindi applicare l’altra. Una volta completate le modifiche, premere Applica. 5. Identificazione delle erosioni Utilizzare il passaggio 4 – Erosioni nel modulo BAM – Volume di erosione per l’identificazione dell’erosione. Il modulo del volume di erosione è lo strumento responsabile dell’identificazione e della misurazione delle erosioni all’interno di una scansione.NOTA: questo modulo è il fulcro dello strumento di formazione descritto sopra e ha un flusso di lavoro quasi identico. Le differenze consistono nel fatto che le erosioni calcolate non vengono confrontate con quelle annotate da esperti, l’esportazione delle statistiche di erosione e la correzione manuale dei volumi dopo la loro identificazione sono possibili qui. Posiziona i punti di semina e ottieni l’erosione come fatto nel passaggio 2.4. Alla fine non verrà fornito alcun feedback. Correzione manualeSe le dimensioni e la forma dei volumi di erosione rilevati automaticamente non sono soddisfacenti, modificarle nelle schede denominate Passo 5 – Correzione manuale ed esportazione segmentazione. Seguire i passaggi descritti nel passaggio 4.4. Tuttavia, non è possibile caricare volumi di erosione esterni. Non premere Applica dopo aver terminato le correzioni poiché le modifiche sono già state salvate. 6. Statistiche sull’erosione Esportare i dati calcolati in un foglio di calcolo (formato CSV) utilizzando la scheda Passo 6 – Statistiche. Specificare il volume di erosione calcolato nel passaggio 4 e, facoltativamente, corretto nel passaggio 5 nel menu a discesa denominato Erosioni di input. Fornisci l’immagine in scala di grigi nel menu a discesa denominato Master Volume. Specificare la larghezza del voxel, in mm, dell’immagine nella casella di testo. Premere Ottieni statistiche. Il file del foglio di calcolo è stato generato nella directory denominata EROSIONS_OUTPUT_DATA che si trova nella cartella BAM scaricata nel passaggio 1.3. Vedere la tabella 1 per un esempio della tabella di output.

Representative Results

Utilizzando lo strumento di formazione, gli utenti possono esercitarsi a identificare i siti di erosione mentre ricevono feedback sui loro risultati. Questo ciclo di feedback può migliorare la capacità dell’utente di identificare le erosioni e potenzialmente utilizzare i moduli BAM per identificare le erosioni sulle proprie immagini. Il feedback dopo il posizionamento del punto di partenza si basa sui seguenti criteri. 1) Se il numero di punti di partenza posizionati non corrisponde al numero di erosioni di riferimento, all’utente viene richiesto di eliminare o aggiungere il numero appropriato di punti di partenza. 2) Se la posizione del punto di partenza non può essere abbinata a un’erosione di riferimento, viene visualizzato un riscontro che indica che non esiste alcuna erosione nella posizione di quel punto di partenza. 3) Se un punto seme viene abbinato a un’interruzione corticale patologica/fisiologica di riferimento come una cisti o un canale vascolare, l’utente viene informato sul tipo di interruzione corticale che ha tentato di identificare come erosione e gli viene chiesto di rimuovere il punto seme. 4) Se la posizione del punto di partenza si sovrappone a un’erosione di riferimento, l’algoritmo potrebbe ancora non rilevare l’erosione. Ciò può verificarsi quando il punto di partenza non è stato centrato nell’erosione. In questi casi, all’utente viene richiesto di regolare la posizione del punto di partenza. 5) Se un punto di semina è posizionato troppo lontano da qualsiasi erosione, l’utente viene informato del suo posizionamento errato e incoraggiato a riprovare. 6) Quando la posizione di un punto di partenza corrisponde all’erosione di riferimento, viene visualizzato un messaggio che informa l’utente del tentativo riuscito di identificare l’erosione in quello specifico punto di partenza. La sezione seguente illustra esempi di funzionamento del modulo in base a input diversi. Gli input corretti e errati verranno illustrati negli esempi seguenti. La Figura 6A mostra la posizione del punto di semina che si trova all’interno dell’erosione. Esiste solo un’erosione all’interno di questa immagine, quindi il calcolo delle erosioni con il punto di partenza produrrà i risultati attesi. La Figura 6B mostra il messaggio visualizzato agli utenti quando il loro tentativo di identificare le erosioni corrisponde all’immagine annotata da esperti. Il modulo visualizza anche i risultati come segmentazioni sull’immagine in scala di grigi (Figura 6C). Se l’utente posiziona un punto di partenza in una posizione senza erosione, come la Figura 7A, il modulo visualizza un messaggio di errore (Figura 7B) che indica che non esiste alcuna erosione in questa posizione e suggerisce all’utente di spostare/rimuovere i punti di partenza. Figura 6: Esempio di corretta identificazione dell’erosione. (A) Esempio di un utente che posiziona correttamente un punto di semina all’interno del sito di erosione. (B) Esempio di richiesta di feedback quando tutte le erosioni sono state identificate correttamente. (C) Esempio di segmentazione dell’erosione visualizzata quando un’erosione viene calcolata correttamente. Fare clic qui per visualizzare una versione più grande di questa figura. Figura 7: Esempio di identificazione errata dell’erosione. (A) Esempio di un punto di semina posizionato dove non esiste erosione. (B) Esempio di richiesta di errore quando un punto di partenza viene posizionato in una posizione priva di erosione. Fare clic qui per visualizzare una versione più grande di questa figura. Le posizioni di tutte le cisti e dei canali vascolari sulle immagini di allenamento fornite sono state identificate da un esperto. Pertanto, è possibile rilevare quando un utente tenta di identificare in modo errato una cisti o un canale vascolare. La Figura 8A illustra un tentativo di identificare una cisti posizionando un punto seme su di essa. La Figura 8B è il successivo messaggio di errore visualizzato. Figura 8: Esempio di identificazione di una cisti. (A) Esempio di un punto seme posizionato su una cisti. (B) Esempio di richiesta di errore quando un punto di semina viene posizionato su una cisti. Fare clic qui per visualizzare una versione più grande di questa figura. Il modulo informerà anche l’utente se ha la giusta quantità di punti seed. Se l’utente ha posizionato un numero errato di punti di partenza, il modulo informerà l’utente della quantità esatta di punti di partenza mancanti o extra per identificare tutte le erosioni sull’immagine. Il modulo fornisce anche un feedback per ogni punto di partenza posizionato. Pertanto, l’utente sa quali azioni intraprendere per ogni singolo punto di partenza. Nella Figura 9 viene illustrato un esempio in cui un utente ha posizionato un solo punto di inizializzazione quando ne erano previsti due. Figura 9: Esempio di erosioni calcolate mancando un punto di partenza. Nell’esempio viene illustrato un esempio in cui l’utente ha posizionato un solo punto di partenza quando ne erano previsti due. Fare clic qui per visualizzare una versione più grande di questa figura. Se un utente ha difficoltà a trovare una o tutte le erosioni, ha un’opzione per rivelare le posizioni annotate da esperti premendo un pulsante con l’etichetta Rivela punti di semina corretti (Figura 5D). Se premuto, questo pulsante caricherà i punti di partenza corretti nella finestra corrente del filtro dei dati 3D. In sintesi, ciò dimostra che il modulo software è in grado di valutare la correttezza del tentativo dell’utente di identificare le erosioni nelle immagini selezionate, confrontando l’erosione calcolata con le erosioni annotate da esperti. Inoltre, il modulo fornisce un feedback basato su ciascun punto di partenza posizionato dall’utente per guidarlo verso la posizione del punto di partenza prevista e i parametri di input. Scansiona ID Interruzione corticale Osso Etichetta Posizione del centroide Volume (mm3) Superficie (mm2) Rotondità Numero di voxel (voxel) 3_Training.nii Erosione Metacarpo SEEDS_28-1 210, 108, 242 3.321668853 14.46818378 0.74411491 14853 3_Training.nii Erosione Metacarpo SEEDS_28-3 179, 100, 241 1.100739562 7.121231239 0.7239659 4922 Tabella 1: Esempio di un file di output generato (formato csv) che descrive le erosioni calcolate e le loro statistiche.

Discussion

Questo strumento di formazione offre l’opportunità di imparare a identificare le erosioni utilizzando il modulo di analisi ossea. L’ulteriore utilizzo di questo strumento di analisi dell’erosione, oltre alla formazione, richiede l’accesso a immagini di buona qualità, con pochi o nessun artefatto da movimento. La definizione di erosione HR-pQCT basata sulla letteratura descrive le caratteristiche anatomiche associate alle erosioni patologiche che possono essere riportate con ragionevole riproducibilità^11,20. Tuttavia, questa definizione non tiene conto delle comuni posizioni anatomiche dei canali vascolari, con conseguente potenziale errata classificazione come erosioni ossee¹⁰.

Le fasi critiche di questo protocollo sono la generazione della maschera ossea, il posizionamento dei punti di semina e la generazione del volume di erosione. Mentre vengono implementati metodi automatizzati per generare le maschere e il volume di erosione, le maschere spesso richiedono una correzione manuale per garantire risultati soddisfacenti. Viene fornita una descrizione completa degli strumenti disponibili per eseguire le correzioni manuali. Il posizionamento dei punti seed è guidato dagli esempi di formazione forniti dal modulo BAM-Training.

Sulla base dei dati utilizzati fino ad oggi, questo protocollo fornisce suggerimenti per la risoluzione dei problemi quando il modulo di analisi dell’erosione non produce i risultati attesi. Nel lavoro futuro, sarà fornito l’accesso a ulteriori dati di formazione. Uno studio precedente ha dimostrato che i volumi di erosione valutati con questo metodo sono paragonabili ai metodi esistenti 14,21,22. La fornitura di dati di addestramento consentirà il confronto con i più recenti strumenti di analisi dell’erosione man mano che vengono sviluppati²³.

Lo strumento di formazione qui introdotto aiuta principalmente con l’identificazione dell’erosione; Tuttavia, il metodo è attualmente limitato dalla mancanza di un consenso sulla definizione dell’entità di un’erosione nell’osso trabecolare. Ciononostante, i moduli BAM sono open source, quindi, man mano che le future definizioni di estensione dell’erosione cambiano, altri ricercatori hanno accesso per modificare i moduli per soddisfare le loro esigenze.

Con l’espansione dell’uso di HR-pQCT nella ricerca reumatologica, lo strumento di formazione fornisce agli utenti inesperti una guida sull’identificazione delle interruzioni corticali patologiche sulle immagini HR-pQCT per l’analisi dell’erosione. Questo strumento sarà applicabile ai ricercatori indipendentemente dal metodo selezionato per l’analisi dell’erosione. Sebbene l’identificazione completamente automatizzata dell’erosione sia auspicabile per migliorare la riproducibilità e la velocità dell’analisi, per addestrare i modelli di apprendimento automatico sono necessari set di dati di riferimento/benchmark di grandi dimensioni con annotazioni accurate. Essendo uno strumento open source, questo modulo offre l’opportunità di sviluppare collettivamente set di dati di grandi dimensioni e annotati per l’uso futuro nell’apprendimento automatico. L’uso di questo strumento di formazione consentirà a un maggior numero di ricercatori di includere l’analisi dell’erosione nella loro ricerca HR-pQCT.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Gli autori ringraziano le seguenti agenzie di finanziamento che hanno sostenuto questo lavoro. SLM è finanziato attraverso la Arthritis Society (STAR-18-0189) e il Canadian Institutes of Health Research Planning and Dissemination Grant. JJT detiene un premio CIHR Fellowship.

Materials

3DSlicer	Open Source	N/A	Download at https://www.slicer.org/
BAM Erosion Analysis Modules	Open Source	N/A	Version used in manuscript: download at https://doi.org/10.5281/zenodo.7943007
XtremeCTII	Scanco Medical	N/A

References

Schett, G., Gravallese, E. Bone erosion in rheumatoid arthritis: mechanisms, diagnosis and treatment. Nature Reviews Rheumatology. 8 (11), 656-664 (2012).
Ødegård, S., et al. Association of early radiographic damage with impaired physical function in rheumatoid arthritis: A ten-year, longitudinal observational study in 238 patients. Arthritis & Rheumatism. 54 (1), 68-75 (2006).
Scott, D. L., et al. The links between joint damage and disability in rheumatoid arthritis. Rheumatology. 39 (2), 122-132 (2000).
van Nies, J. A. B., et al. Evaluating processes underlying the predictive value of baseline erosions for future radiological damage in early rheumatoid arthritis. Annals of Rheumatic Diseases. 74 (5), 883-889 (2015).
Versteeg, G. A., et al. Early radiological progression remains associated with long-term joint damage in real-world rheumatoid arthritis patients treated to the target of remission. Scandinavian Journal of Rheumatology. , (2021).
Brunet, S. C., et al. Bone changes in early inflammatory arthritis assessed with High-Resolution peripheral Quantitative Computed Tomography (HR-pQCT): A 12-month cohort study. Joint Bone Spine. 88 (1), 105065 (2021).
Finzel, S., et al. Repair of bone erosions in rheumatoid arthritis treated with tumour necrosis factor inhibitors is based on bone apposition at the base of the erosion. Annals of Rheumatic Diseases. 70 (9), 1587-1593 (2011).
Barnabe, C., Feehan, L. High-resolution peripheral quantitative computed tomography imaging protocol for metacarpophalangeal joints in inflammatory arthritis: the SPECTRA collaboration. The Journal of Rheumatology. 39 (7), 1494-1495 (2012).
Peters, M., et al. Assessment of Cortical Interruptions in the Finger Joints of Patients With Rheumatoid Arthritis Using HR-pQCT, Radiography, and MRI. Journal of Bone and Mineral Research. 33 (9), 1676-1685 (2018).
Scharmga, A., et al. Vascular channels in metacarpophalangeal joints: a comparative histologic and high-resolution imaging study. Scientific reports. 7 (1), 8966-8968 (2017).
Barnabe, C., et al. Definition for Rheumatoid Arthritis Erosions Imaged with High Resolution Peripheral Quantitative Computed Tomography and Interreader Reliability for Detection and Measurement. The Journal of Rheumatology. 43 (10), 1935-1940 (2016).
Klose-Jensen, R., et al. High-Resolution Peripheral Quantitative Computed Tomography for Bone Evaluation in Inflammatory Rheumatic Disease. Frontiers in Medicine. 7, 337 (2020).
Blavnsfeldt, A. G., et al. Effect of radiographic disease severity in high-resolution quantitative computed tomography assessment of metacarpophalangeal joint erosion and cysts. International Journal of Rheumatic Diseases. 24 (1), 112-119 (2021).
Zhao, M., et al. Open-source image analysis tool for the identification and quantification of cortical interruptions and bone erosions in high-resolution peripheral quantitative computed tomography images of patients with rheumatoid arthritis. Bone. 165, 116571 (2022).
Fedorov, A., et al. 3D Slicer as an image computing platform for the Quantitative Imaging Network. Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).
Pauchard, Y., Liphardt, A. -. M., Macdonald, H. M., Hanley, D. A., Boyd, S. K. Quality control for bone quality parameters affected by subject motion in high-resolution peripheral quantitative computed tomography. Bone. 50 (6), 1304-1310 (2012).
Sode, M., Burghardt, A. J., Pialat, J. -. B., Link, T. M., Majumdar, S. Quantitative characterization of subject motion in HR-pQCT images of the distal radius and tibia. Bone. 48 (6), 1291-1297 (2011).
Stok, K. S., et al. Consensus approach for 3D joint space width of metacarpophalangeal joints of rheumatoid arthritis patients using high-resolution peripheral quantitative computed tomography. Quantitative imaging in medicine and surgery. 10 (2), 314-325 (2020).
. Open and Reproducible Musculoskeletal Imaging Research Available from: https://github.com/SpectraCollab/ORMIR_XCT (2023)
Finzel, S., et al. Reliability and Change in Erosion Measurements by High-resolution Peripheral Quantitative Computed Tomography in a Longitudinal Dataset of Rheumatoid Arthritis Patients. The Journal of Rheumatology. 48 (3), 348-351 (2021).
Töpfer, D., Finzel, S., Museyko, O., Schett, G., Engelke, K. Segmentation and quantification of bone erosions in high-resolution peripheral quantitative computed tomography datasets of the metacarpophalangeal joints of patients with rheumatoid arthritis. Rheumatology (Oxford). 53 (1), 65-71 (2014).
Peters, M., et al. The Reliability of a Semi-automated Algorithm for Detection of Cortical Interruptions in Finger Joints on High Resolution CT Compared to MicroCT. Calcified tissue international. , 1-9 (2017).
Zhang, X., et al. Automatic 3D joint erosion detection for the diagnosis and monitoring of rheumatoid arthritis using hand HR-pQCT images. Computerized Medical Imaging and Graphics. 106, 102200 (2023).

Play Video

PDF

DOI

DOWNLOAD MATERIALS LIST

Cite This Article

Al-Khoury, Y., Finzel, S., Figueiredo, C., Burghardt, A. J., Stok, K. S., Tam, L., Cheng, I., Tse, J. J., Manske, S. L. Erosion Identification in Metacarpophalangeal Joints in Rheumatoid Arthritis using High-Resolution Peripheral Quantitative Computed Tomography. J. Vis. Exp. (200), e65802, doi:10.3791/65802 (2023).

Automatically Generated