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

Identificación de la erosión en las articulaciones metacarpofalángicas en la artritis reumatoide mediante tomografía computarizada cuantitativa periférica de alta resolución

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

Las erosiones óseas son una característica patológica importante de la artritis reumatoide. El propósito de este trabajo es presentar una herramienta de capacitación para proporcionar a los usuarios orientación sobre la identificación de roturas corticales patológicas en imágenes de tomografía computarizada cuantitativa periférica de alta resolución para el análisis de erosión.

Abstract

Las erosiones óseas son una característica patológica de varias formas de artritis inflamatoria, incluida la artritis reumatoide (AR). El aumento de la presencia y el tamaño de las erosiones se asocian con malos resultados, función articular y progresión de la enfermedad. La tomografía computarizada cuantitativa periférica de alta resolución (HR-pQCT) proporciona una visualización in vivo sin precedentes de las erosiones óseas. Sin embargo, en esta resolución, también son visibles las discontinuidades en la capa cortical (roturas corticales) que se asocian con procesos fisiológicos normales y patología. El estudio de tomografía computarizada xtrEme en la artritis reumatoide utilizó previamente un proceso de consenso para desarrollar una definición de erosión patológica en la TCQ-FC: una rotura cortical detectada en al menos dos cortes consecutivos, en al menos dos planos perpendiculares, de forma no lineal, con pérdida ósea trabecular subyacente. Sin embargo, a pesar de la disponibilidad de una definición consensuada, la identificación de la erosión es una tarea exigente con desafíos en la variabilidad entre evaluadores. El propósito de este trabajo es presentar una herramienta de entrenamiento para proporcionar a los usuarios orientación sobre la identificación de roturas corticales patológicas en imágenes HR-pQCT para el análisis de la erosión. El protocolo que se presenta aquí utiliza un módulo personalizado (Bone Analysis Module (BAM) – Training), implementado como una extensión de un software de procesamiento de imágenes de código abierto (3D Slicer). Con este módulo, los usuarios pueden practicar la identificación de erosiones y comparar sus resultados con las erosiones anotadas por reumatólogos expertos.

Introduction

Las erosiones óseas se producen cuando la inflamación provoca una pérdida ósea localizada en la superficie ósea cortical. Estas erosiones se extienden a la región ósea trabecular subyacente. Son una característica patológica de varias formas de artritis inflamatoria, incluida la artritis reumatoide (AR)¹. La presencia y el tamaño de la erosión se asocian con malos resultados, la función del paciente y la progresión de la enfermedad 2,3,4,5. Si bien la radiografía simple sigue siendo el estándar clínico para la evaluación de la erosión, la tomografía computarizada cuantitativa periférica de alta resolución (HR-pQCT) proporciona imágenes en 3D y una sensibilidad y especificidad superiores para la detección de la erosión ^6,7. En el caso de la artritis inflamatoria, como la artritis reumatoide, la HR-pQCT se realiza comúnmente en la^2ª y^3ª articulaciones metacarpofalángicas, las articulaciones más afectadas de la mano⁸. Debido a que las imágenes HR-pQCT tienen una alta resolución espacial, también se observan interrupciones fisiológicas en la superficie cortical en individuos sanos sin AR⁹. Estas interrupciones corticales a menudo se asocian con canales vasculares o foramen de nutrientes que pasan a través del hueso¹⁰. Por lo tanto, el desafío es distinguir las interrupciones corticales asociadas con un proceso de enfermedad (es decir, erosiones patológicas) de las características no patológicas.

La definición consensuada de erosión ósea patológica fue publicada por el estudio de tomografía computarizada xtrEme en la artritis reumatoide (SPECTRA) como la presencia de una interrupción definida en la capa cortical del hueso que se extiende durante al menos dos cortes consecutivos y es detectable en dos o más planos perpendiculares¹¹. Además, la interrupción debe ser de forma no lineal y debe ir acompañada de una pérdida en la región trabecular. Ejemplos visuales de interrupciones corticales que cumplen y no cumplen con los criterios de erosión se muestran en Klose-Jensen et ^al.12.

Sin embargo, no todas las interrupciones corticales que cumplen con los criterios anteriores se clasifican como erosiones. Las interrupciones a veces son causadas por procesos fisiológicos como los canales vasculares (Figura 1). Estos pueden identificarse y diferenciarse de las erosiones debido a sus ubicaciones anatómicas predecibles, márgenes paralelos y rectos y tamaño submilimétrico¹³. Los quistes son otra forma de interrupción cortical que no se considera una erosión. A menudo tienen una estructura trabecular redondeada con una pared quística clara ¹³. En contraste con las aristas afiladas y la estructura trabecular abierta que muestran las erosiones. Sin embargo, es posible que se formen erosiones dentro de los sitios quísticos, por lo que es ambiguo delinear el volumen de pérdida ósea causada por las erosiones y no por los quistes. Si bien resolver esta ambigüedad con otros criterios no es el propósito de este estudio, es necesario proporcionar ejemplos completos de erosión patológica e interrupciones corticales fisiológicas.

Figura 1: Ejemplo de interrupciones corticales que no fueron causadas únicamente por erosiones. (A) Un dibujo que ilustra la ubicación común de los canales vasculares en la base de la cabeza metacarpiana. Ejemplos de canales vasculares en los planos (B) coronal, (C) sagital, (D) y (E) axial. (F) Ejemplo de una interrupción cortical causada por un quiste. (G) Ejemplo de un volumen vacío dentro de la región trabecular del hueso que involucra tanto quistes como erosiones. Haga clic aquí para ver una versión más grande de esta figura.

A pesar de los desafíos en la identificación de la erosión, actualmente no existen herramientas de capacitación para proporcionar a los usuarios menos experimentados orientación sobre la interpretación de imágenes HR-pQCT para el análisis de la erosión. Recientemente, se desarrolló un módulo de código abierto para el análisis de la erosión llamado módulo de análisis óseo (BAM) – Volumen de erosión, implementado como una extensión de un software de procesamiento de imágenes de código abierto para permitir la visualización de la erosión y los análisis volumétricos¹⁴. El protocolo que aquí se presenta describe el uso de un módulo de entrenamiento agregado a BAM (BAM – Training), que compara los intentos de identificación de erosión de los usuarios comparando la identificación de erosión con erosiones anotadas por reumatólogos expertos. Esta herramienta de capacitación proporciona a los usuarios comentarios sobre la identificación de la erosión para guiar las mejoras en el análisis de la erosión. Las instrucciones de instalación del software se proporcionan en el paso 1. Para la adquisición de nuevos datos, consulte los pasos 3 a 5.3. Para el uso exclusivo del módulo de formación, consulte el paso 2.

Protocol

Todos los métodos de este protocolo siguen las pautas establecidas por el Consejo de Ética de Investigación en Salud Conjunta de la Universidad de Calgary (REB19-0387). 1. Instale 3D Slicer 15 y módulos de análisis óseo Descargue el archivo de instalación de una versión estable de 3D Slicer que sea relevante para el sistema operativo utilizado desde https://download.slicer.org/. Ejecute el archivo de instalación descargado y siga las instrucciones proporcionadas en el asistente. Una vez completada la instalación, proceda con la instalación de los módulos de análisis óseo.Descargue los módulos de análisis óseo de https://doi.org/10.5281/zenodo.7943007 como un archivo zip comprimido y extraiga la carpeta comprimida. Tenga en cuenta el directorio donde se encuentra la carpeta extraída. Inicie 3D Slicer. Cargue los módulos en 3D Slicer haciendo clic en Editar en la esquina superior izquierda de la ventana de 3D Slicer. Haga clic en Editar > configuración de la aplicación para abrir una nueva ventana. Haga clic en Módulos , que es una pestaña ubicada a la izquierda en la ventana de Configuración abierta recientemente. Agregue las rutas a los módulos de análisis óseo en Rutas de módulos adicionales: (Figura 2).Para hacer esto, arrastre y suelte la siguiente lista de carpetas en el cuadro ubicado en Rutas de módulos adicionales:. Estas carpetas se encuentran dentro de la carpeta descargada en el paso 1.3.1: AutoMask, CorticalBreakDetection, ErosionComparison, ErosionVolume, FileConverter, ImageRegistration, Training. La ventana de configuración debe parecerse a la de la Figura 2. Presione OK en la parte inferior derecha de la ventana de Configuración. Es necesario reiniciar para confirmar la instalación de los módulos. Para ello, cierre 3D Slicer y vuelva a iniciarlo.NOTA: La carga de los módulos solo se realiza una vez por instalación de 3D Slicer. Tras nuevas actualizaciones en el repositorio de GitHub de análisis óseo, un simple comando git pull de terminal (o línea de comandos) en el directorio que contiene la descarga anterior de BAM actualizará automáticamente todos los módulos. De nuevo, alternativamente, se puede descargar el repositorio y los módulos antiguos se pueden intercambiar manualmente con los nuevos. Figura 2: Ejemplo de ventana de configuración después de agregar módulos de análisis óseo a una instalación de 3D Slicer. La imagen muestra una captura de pantalla de la ventana de configuración con los módulos resaltados en el cuadro rojo. Haga clic aquí para ver una versión más grande de esta figura. 2. Módulo de formación Inicie el módulo BAM-Training.Haga clic en el menú desplegable ubicado en la barra de herramientas de 3D Slicer. Busque módulos de análisis óseo y coloque el mouse sobre ellos (Figura 3). Haga clic en Entrenamiento. Cargue archivos en el módulo.Al iniciar el módulo de entrenamiento de BAM, todos los archivos necesarios (imágenes en escala de grises, máscaras, segmentaciones de erosión de referencia) se cargarán automáticamente haciendo clic en Continuar, suponiendo que el repositorio de github de BAM se haya descargado como se mencionó anteriormente. Elija un tipo de análisis para los archivos.Elija uno colocando el cursor sobre el menú desplegable con la etiqueta Volumen de entrada: Seleccione un volumen, esto representa la imagen maestra en escala de grises. Elija la máscara (es decir, el archivo que identifica el volumen dentro de la superficie perióstica) en el menú desplegable con la etiqueta Máscara de entrada: Seleccione un volumen. Asegúrese de que esta máscara corresponda al volumen de entrada anterior verificando que el ID de medición y la unión MCP sea la misma en ambas selecciones. Si es la primera vez que se ejecuta el módulo de entrenamiento en esta imagen con este inicio de 3D Slicer, cree una nueva segmentación de salida en el menú desplegable con la etiqueta Erosiones de salida: seleccione una segmentación. Para ello, haga clic en el menú desplegable y seleccione Crear nueva segmentación. Esto creará un nuevo nodo de segmentación de salida etiquetado después de la etiqueta de máscara de entrada + _ER. Para asignar una etiqueta diferente a la salida, seleccione Crear nueva segmentación como… en su lugar e introduzca la etiqueta deseada.NOTA: En 3D Slicer y en este documento, la máscara y la segmentación identifican el volumen dentro de la superficie perióstica del hueso. La máscara se visualiza como una imagen binaria, mientras que la segmentación se refiere a la visualización de la imagen binaria superpuesta con la imagen en escala de grises. Estas distinciones son realizadas por 3D Slicer. En la Figura 4 se ilustra un ejemplo. Coloque los puntos de semilla como se describe a continuación.Para empezar, cree una nueva lista de puntos semilla para añadir puntos semilla. Para ello, haga clic en el menú desplegable Puntos semilla: Ninguno y cree una nueva lista seleccionando Crear nueva lista de puntos. De nuevo, el estándar de etiquetado predeterminado es etiqueta de imagen de entrada + _SEEDS. Para proporcionar su propia etiqueta, seleccione Crear nueva lista de puntos…. Desplácese por las divisiones e identifique los sitios de erosión colocando un punto de semilla en la región de interés. Presione el botón Punto rojo-Gota azul que se muestra en la Figura 5A para agregar un nuevo punto semilla.Coloque el punto de semilla lo más profundo posible (hacia adentro en el hueso trabecular) en el volumen de erosión. Asegúrese de que el punto de inicialización esté colocado en la región más oscura del volumen. Para cambiar el tamaño del punto semilla, modifique el tamaño porcentual en el cuadro de texto Tamaño del punto semilla:. Otros campos de la tabla de puntos semilla, como la interrupción ósea y cortical, son para los registros del usuario y no afectan al algoritmo de cálculo de erosión. Obtenga comentarios como se describe a continuación.Una vez colocados los puntos semilla. Presione el botón titulado Obtener erosiones, resaltado en la Figura 5B, para ejecutar el algoritmo de medición de erosión en las entradas dadas. Una vez completadas las mediciones de erosión, el módulo proporcionará información sobre la ubicación del punto de semilla. La ubicación de cada punto de semilla se compara con la ubicación de las erosiones de referencia para hacer coincidir los puntos de semilla con la erosión que se está tratando de medir. Obtenga erosiones de referencia calculando el volumen de erosión utilizando puntos de semilla colocados por reumatólogos con formación, extensos registros de publicaciones y más de 10 años de experiencia en el uso de imágenes HR-pQCT y análisis de erosión (SF y CF). Figura 3: Menú desplegable de 3D Slicer. El menú desplegable para encontrar los módulos de análisis óseo y seleccionar el módulo de formación. Haga clic aquí para ver una versión más grande de esta figura. Figura 4: Identificación del volumen dentro de la superficie perióstica del hueso. (A) Ejemplo de una máscara. La máscara se visualiza como una imagen binaria. (B) Ejemplo de segmentación. La segmentación se refiere a la visualización de la imagen binaria superpuesta con la imagen en escala de grises. Estas distinciones son realizadas por 3D Slicer. Haga clic aquí para ver una versión más grande de esta figura. Figura 5: Captura de pantalla de ejemplo del módulo de entrenamiento dentro de 3D Slicer. (A) Haga clic para agregar nuevos puntos semilla. (B) Haga clic para calcular los volúmenes de erosión. (C) Haga clic para importar imágenes. (D) Haga clic para revelar los puntos semilla colocados por los expertos. Haga clic aquí para ver una versión más grande de esta figura. 3. Adquisición y exportación de imágenes para su uso en la herramienta de análisis de erosión Adquiera imágenes HR-pQCT utilizando un escáner HR-pQCT de primera o segunda generación. Se utilizó un escáner comercial para adquirir las imágenes para este estudio (ver Tabla de Materiales).NOTA: Las imágenes utilizadas en este estudio son de la2ª y3ª articulaciones metacarpofalángicas y se adquirieron utilizando el protocolo descrito en Barnabe et al.8, sin embargo, las imágenes de cualquier articulación con erosiones son compatibles con BAM. Inspeccione las imágenes en busca de artefactos de movimiento16,17. No utilice imágenes con puntuaciones de movimiento > 3 para el análisis de erosión. Exporte archivos AIM (formato de imagen patentado) o de imágenes digitales y comunicaciones en medicina (DICOM) de cada articulación a un disco local mediante el protocolo de transferencia de archivos (FTP). Los archivos de uniones individuales pueden generarse utilizando la canalización de análisis de ancho de espacio de juntas (JSW) proporcionada por el fabricante18. Cambie el nombre de los archivos desde el formato numérico predeterminado para facilitar su uso. 4. Conversión de archivos y generación de máscaras óseas NOTA: Dependiendo del formato de la imagen, siga el paso 4.1 para las imágenes AIM (formato de imagen propietario HR-pQCT), MHA (formato ITK MetaImage), nii (NIfTI – Neuroimaging Informatics Technology Initiative), NRRD (Nearly Raw Raster Data) o el paso 4.2 para imágenes DICOM. Para importar imágenes con cualquiera de los siguientes formatos de archivo de imagen: MHA, nii, AIM o NRRD, siga los pasos que se describen a continuación.Haga clic en el botón DATA ubicado en la esquina superior izquierda de la ventana de 3D Slicer (Figura 5C). Para agregar archivos de imagen, haga clic en Elegir archivo(s) para agregar, localice y agregue las imágenes. Para agregar un directorio completo de imágenes, haga clic en Elegir directorio para agregar, localice y agregue el directorio. Esto cargará todas las imágenes en ese directorio. Si es necesario importar una máscara de imagen como segmentación de segmentación de segmentación 3D por cualquier motivo, primero conviértala en un archivo NRRD o nii. Esta conversión se puede realizar automáticamente, consulte el paso 4.4.1 para obtener más detalles. Importe los archivos DICOM en 3D Slicer como se describe a continuación.Haga clic en el botón etiquetado DCM ubicado en la esquina superior izquierda de la ventana de 3D Slicer. Haga clic en Importar archivos DICOM, localice y agregue el directorio que contiene los archivos DICOM (la extensión es .dcm). Haga clic en el botón Cargar ubicado en el lado derecho de la ventana. Obtenga la máscara de imagen mediante el Paso 2 – Máscara automática en el módulo BAM – Máscara automática.Haga clic en el menú desplegable ubicado en la barra de herramientas de 3D Slicer. Busque Módulos de análisis óseo y coloque el cursor del mouse sobre él. Haga clic en Máscara automática. En la pestaña Paso 2 – Máscara automática, seleccione un volumen de entrada utilizando el menú desplegable con la etiqueta Volumen de entrada:. Este es el escaneo de entrada. Cree una nueva salida en el menú desplegable con la etiqueta segmentación de salida: y seleccione Crear nuevo LabelMapVolume. Esto creará un nuevo nodo de salida etiquetado después de la etiqueta de máscara de entrada + _MASK. Para asignar una etiqueta diferente a la salida, seleccione Crear nuevo LabelMapVolume como… e introduzca la etiqueta deseada. Introduzca el número de huesos que se van a enmascarar en el cuadro de texto con esa etiqueta. Seleccione Ormir en el menú desplegable con la etiqueta Algoritmo para obtener la segmentación óptima para este análisis19.NOTA: Otras opciones para generar estas máscaras están disponibles y es posible que se agreguen en el futuro. Haga clic en Obtener máscara. Esto ejecutará el algoritmo (~2-3 min) y generará el resultado en el mismo directorio de la imagen de entrada. También guardará una máscara separada para cada hueso si la imagen tenía varios huesos. Realice la corrección manual de la máscara ósea mediante el Paso 3 – Corrección manual en el módulo BAM. A menudo, la máscara generada no es precisa. Realice correcciones manuales para agregar, eliminar o editar componentes específicos de las segmentaciones.Para editar una máscara que se generó a través de otros medios o que se generó en una ejecución anterior de 3D Slicer, utilice este módulo para cargar estas máscaras en 3D Slicer desde un archivo. La extensión del archivo puede ser cualquiera de las siguientes, MHA, nii, NRRD, AIM.Copie las imágenes en el directorio LOAD_MASKS ubicado en la carpeta BAM descargada en el paso 1.3. Regrese a 3D Slicer y presione el botón Cargar en la etapa de corrección manual. Seleccione la segmentación que desea corregir en el menú desplegable con la etiqueta Máscara que se va a corregir:”. Seleccione la imagen original en escala de grises que pertenece a esta segmentación de erosión en el menú desplegable denominado Volumen maestro:. Presione Inicializar. Cada segmentación debe tener su propia entrada en la siguiente tabla. Seleccione la segmentación que se va a corregir en función del color de la segmentación. Para agregar a una segmentación, haga clic en el segundo botón de la primera fila. Para ello se utiliza la función de pintura. Realice adiciones a los volúmenes dibujando sobre las imágenes (mantenga presionado el botón izquierdo del mouse y mueva el mouse). Para eliminar parte de la segmentación, haga clic en el botón debajo de la tabla con la etiqueta Borrar entre sectores. Esta es la función de borrado y funciona como la función de pintura, pero se borra en su lugar. Dibuje adiciones según sea necesario aproximadamente cada 10-25 rebanadas, pero asegúrese de incluir la primera rebanada y la última rebanada donde se necesitó una adición. Si se utilizó la función de pintura, los cambios se pueden interpolar haciendo clic en el primer botón de la quinta fila etiquetada como función Rellenar entre sectores . Haga clic en los botones Inicializar > Aplicar. Si se utilizó la función de borrado, simplemente haga clic en el botón debajo de la tabla con la etiqueta Aplicar borrado. No utilice las funciones de pintar y borrar al mismo tiempo. Aplique primero una función y luego aplique la otra. Una vez completadas las ediciones, pulse Aplicar. 5. Identificación de erosiones Utilice el Paso 4 – Erosiones en el módulo BAM – Volumen de erosión para identificar la erosión. El módulo de volumen de erosión es la herramienta responsable de identificar y medir las erosiones dentro de un escaneo.NOTA: Este módulo es el foco de la herramienta de capacitación detallada anteriormente y tiene un flujo de trabajo casi idéntico. Las diferencias radican en que las erosiones calculadas no se comparan con las anotadas por expertos, aquí es posible exportar estadísticas de erosión y corregir manualmente los volúmenes después de su identificación. Coloque los puntos de semilla y obtenga la erosión como se hizo en el paso 2.4. Al final no se proporcionará ninguna retroalimentación. Corrección manualSi el tamaño y la forma de los volúmenes de erosión detectados automáticamente no son satisfactorios, edítelos en las pestañas etiquetadas Paso 5 – Corrección manual y segmentación de exportación. Siga los pasos descritos en el paso 4.4. Sin embargo, no hay opción para cargar volúmenes de erosión externos. No presione Aplicar después de terminar las correcciones, ya que los cambios ya se han guardado. 6. Estadísticas de erosión Exporte los datos calculados a un archivo de hoja de cálculo (formato CSV) utilizando la pestaña Paso 6 – Estadísticas. Proporcione el volumen de erosión calculado en el paso 4 y, opcionalmente, corregido en el paso 5 en el menú desplegable denominado Erosiones de entrada. Proporcione la imagen en escala de grises en el menú desplegable con la etiqueta Volumen maestro. Proporcione el ancho del vóxel, en mm, de la imagen en el cuadro de texto. Presione Obtener estadísticas. El archivo de hoja de cálculo se ha generado en el directorio denominado EROSIONS_OUTPUT_DATA ubicado en la carpeta BAM descargada en el paso 1.3. Consulte la Tabla 1 para ver un ejemplo de la tabla de salida.

Representative Results

Con la herramienta de capacitación, los usuarios pueden practicar la identificación de sitios de erosión mientras reciben comentarios sobre sus resultados. Este bucle de retroalimentación puede mejorar la capacidad del usuario para identificar erosiones y, potencialmente, utilizar los módulos BAM para identificar erosiones en sus propias imágenes. Los comentarios después de la colocación del punto semilla se basan en los siguientes criterios. 1) Si el número de puntos de inicialización colocados no coincide con el número de erosiones de referencia, se solicita al usuario que elimine o agregue el número adecuado de puntos de semilla. 2) Si la ubicación del punto de semilla no se puede hacer coincidir con una erosión de referencia, se muestra la información que indica que no existe erosión en la ubicación de ese punto de semilla. 3) Si un punto de semilla coincide con una interrupción cortical patológica/fisiológica de referencia, como un quiste o un canal vascular, se informa al usuario sobre el tipo de interrupción cortical que intentó identificar como erosión y se le pide que elimine el punto de semilla. 4) Si la ubicación del punto de semilla se superpone a una erosión de referencia, es posible que el algoritmo aún no detecte la erosión. Esto puede ocurrir cuando el punto de semilla no se ha centrado en la erosión. En estos casos, se solicita al usuario que ajuste la posición del punto de semilla. 5) Si un punto de siembra se coloca demasiado lejos de cualquier erosión, se informa al usuario de su ubicación incorrecta y se le anima a intentarlo de nuevo. 6) Cuando la ubicación de un punto de semilla coincide con la erosión de referencia, se muestra un mensaje que informa al usuario de su intento exitoso de identificar la erosión en ese punto de semilla específico. En la siguiente sección se ilustran ejemplos de cómo funciona el módulo en función de diferentes entradas. Las entradas correctas e incorrectas se demostrarán en los siguientes ejemplos. La Figura 6A muestra la ubicación del punto de siembra que se encuentra dentro de la erosión. Solo existe una erosión dentro de esta imagen, por lo tanto, el cálculo de las erosiones con el punto de semilla arrojará los resultados esperados. La Figura 6B muestra el mensaje que se muestra a los usuarios cuando su intento de identificar las erosiones coincide con la imagen anotada por expertos. El módulo también muestra los resultados como segmentaciones en la imagen en escala de grises (Figura 6C). Si el usuario colocó un punto semilla en una ubicación sin erosión, como la Figura 7A, el módulo mostraría un mensaje de error (Figura 7B) que indica que no existe erosión en esta ubicación y sugiere que el usuario reubique/elimine los puntos semilla. Figura 6: Ejemplo de identificación correcta de la erosión. (A) Ejemplo de un usuario que coloca correctamente un punto de semilla dentro del sitio de erosión. (B) Ejemplo de aviso de retroalimentación cuando todas las erosiones se identificaron correctamente. (C) Ejemplo de segmentación de erosión mostrada cuando una erosión se calcula correctamente. Haga clic aquí para ver una versión más grande de esta figura. Figura 7: Ejemplo de identificación incorrecta de la erosión. (A) Ejemplo de un punto de siembra colocado donde no existe erosión. (B) Ejemplo de una solicitud de error cuando se coloca un punto de semilla en una ubicación que no tiene erosión. Haga clic aquí para ver una versión más grande de esta figura. La ubicación de todos los quistes y canales vasculares en las imágenes de entrenamiento proporcionadas ha sido identificada por un experto. Por lo tanto, es posible detectar cuando un usuario intenta identificar incorrectamente un quiste o un canal vascular. La Figura 8A ilustra un intento de identificar un quiste colocando un punto de semilla en él. La figura 8B es el mensaje de error que se muestra a continuación. Figura 8: Ejemplo de identificación de quistes. (A) Ejemplo de un punto de semilla colocado en un quiste. (B) Ejemplo de un mensaje de error cuando se coloca un punto de semilla en un quiste. Haga clic aquí para ver una versión más grande de esta figura. El módulo también informará al usuario si tiene la cantidad correcta de puntos semilla. Si el usuario colocó un número incorrecto de puntos de semilla, el módulo informaría al usuario de la cantidad exacta de puntos de semilla que faltan o sobran para identificar todas las erosiones en la imagen. El módulo también proporciona información para cada punto de semilla colocado. Por lo tanto, el usuario sabe qué acciones realizar para cada punto de semilla individual. En la figura 9 se muestra un ejemplo en el que un usuario solo colocó un punto de inicialización cuando se esperaban dos. Figura 9: Ejemplo de erosiones calculadas mientras se pierde un punto semilla. En el ejemplo se muestra un ejemplo en el que el usuario solo colocó un punto de inicialización cuando se esperaban dos. Haga clic aquí para ver una versión más grande de esta figura. Si un usuario tiene problemas para encontrar alguna o todas las erosiones, tiene la opción de revelar las ubicaciones anotadas por expertos presionando un botón con la etiqueta Revelar puntos de semilla correctos (Figura 5D). Cuando se presiona, este botón cargará los puntos de inicialización correctos en la ventana actual de 3D Slicer. En resumen, esto demuestra que el módulo de software puede evaluar la exactitud del intento del usuario de identificar erosiones en las imágenes seleccionadas comparando la erosión calculada con las erosiones anotadas por expertos. Además, el módulo proporciona información basada en cada punto de semilla colocado por el usuario para guiarlo hacia la ubicación esperada del punto de semilla y los parámetros de entrada. ID de escaneo Interrupción cortical Hueso Etiqueta Ubicación del centroide Volumen (mm 3) Superficie (mm 2) Redondez Número de vóxeles (vóxeles) 3_Training.nii Erosión Metacarpiano SEEDS_28-1 210, 108, 242 3.321668853 14.46818378 0.74411491 14853 3_Training.nii Erosión Metacarpiano SEEDS_28-3 179, 100, 241 1.100739562 7.121231239 0.7239659 4922 Tabla 1: Ejemplo de un archivo de salida generado (formato csv) que describe las erosiones calculadas y sus estadísticas.

Discussion

Esta herramienta de capacitación brinda la oportunidad de aprender a identificar erosiones utilizando el módulo de análisis óseo. El uso posterior de esta herramienta de análisis de erosión más allá de la capacitación requiere acceso a imágenes de buena calidad, con poco o ningún artefacto de movimiento. La definición de erosión por HR-pQCT basada en la literatura describe características anatómicas asociadas a erosiones patológicas que pueden ser reportadas con razonable reproducibilidad^11,20. Sin embargo, esta definición no tiene en cuenta las localizaciones anatómicas comunes de los canales vasculares, lo que puede dar lugar a su clasificación errónea como erosiones óseas¹⁰.

Los pasos críticos en este protocolo son la generación de la máscara ósea, la colocación de los puntos de siembra y la generación del volumen de erosión. Si bien se implementan métodos automatizados para generar las máscaras y el volumen de erosión, las máscaras a menudo requieren una corrección manual para garantizar resultados satisfactorios. Se proporciona una descripción completa de las herramientas disponibles para realizar las correcciones manuales. La colocación de los puntos semilla se guía por los ejemplos de formación proporcionados por el módulo BAM-Training.

Sobre la base de los datos utilizados hasta la fecha, este protocolo proporciona sugerencias para la resolución de problemas cuando el módulo de análisis de erosión no produce los resultados esperados. En trabajos futuros, se proporcionará acceso a datos de capacitación adicionales. Un estudio previo mostró que los volúmenes de erosión evaluados con este método son comparables con los métodos existentes 14,21,22. El suministro de datos de capacitación permitirá la comparación con las nuevas herramientas de análisis de erosión a medida que se desarrollen²³.

La herramienta de capacitación que se presenta aquí ayuda principalmente con la identificación de la erosión; Sin embargo, el método está actualmente limitado por la falta de consenso sobre la definición de la extensión de una erosión en el hueso trabecular. No obstante, los módulos BAM son de código abierto, por lo que, a medida que cambien las definiciones futuras de la extensión de la erosión, otros investigadores tienen acceso a modificar los módulos para satisfacer sus necesidades.

A medida que se expande el uso de HR-pQCT en la investigación reumatológica, la herramienta de capacitación proporciona a los usuarios sin experiencia orientación sobre la identificación de interrupciones corticales patológicas en las imágenes de HR-pQCT para el análisis de erosión. Esta herramienta será aplicable a los investigadores independientemente del método seleccionado para el análisis de la erosión. Si bien la identificación completamente automatizada de la erosión es deseable para mejorar la reproducibilidad y la velocidad del análisis, se requieren grandes conjuntos de datos de referencia/referencia con anotaciones precisas para entrenar modelos de aprendizaje automático. Como herramienta de código abierto, este módulo ofrece la oportunidad de desarrollar colectivamente grandes conjuntos de datos anotados para su uso futuro en el aprendizaje automático. El uso de esta herramienta de formación permitirá a más investigadores incluir el análisis de la erosión en su investigación sobre HR-pQCT.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Los autores desean agradecer a las siguientes agencias de financiación que apoyaron este trabajo. La SLM está financiada a través de la Sociedad de Artritis (STAR-18-0189) y la Subvención de Planificación y Difusión de la Investigación de los Institutos Canadienses de Salud. JJT tiene una beca del CIHR.

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