A tomografia axial computorizada, também conhecida como TAC, utiliza processos de sistemas computacionais para combinar múltiplas medidas de raios-X de diferentes ângulos para produzir imagens tomográficas. Este processo não invasivo, que gera uma visão reconstruída tridimensional de órgãos e tecidos, permite que os médicos vejam o interior do corpo sem fazer incisões.

É uma técnica que “ajuda os especialistas a determinar a presença de tumores e a sua exata localização, tamanho e extensão. Também pode ser usada para diagnosticar doenças musculares ou ósseas, infeções ou coágulos sanguíneos, doenças cardíacas, nódulos e massas no fígado”, explica Mohammad Mahdi Dehshibi, investigador de pós-doutoramento no “Scene Understanding and Artificial Intelligence” (SUNAI), da Universidade Aberta da Catalunha, e diretor do “Pattern Research Centre” em Teerão (Irão). “Esta tecnologia está entre as técnicas de imagem mais amplamente usadas para orientar biopsias e terapias de radiação, além de monitorizar a eficácia dos tratamentos contra o cancro e detetar lesões internas”.

No entanto, a tomografia axial computorizada envolve o risco de danificar a estrutura do DNA e, portanto, provocar cancro, devido à exposição do corpo aos raios-X. Por exemplo, a radiação que uma pessoa recebe ao realizar uma tomografia computorizada do abdómen é igual à radiação total à qual o corpo é exposto durante 243 dias de vida normal.

Com o objetivo de reduzir essa radiação, a equipa liderada por Mohammad Mahdi Dehshibi desenvolveu um novo algoritmo de pós-processamento que aumenta a qualidade das imagens de TAC reconstruidas. Enquanto os métodos convencionais de tomografia axial computorizada recolhem apenas uma parte específica do espectro de energia dos raios X, os investigadores testaram uma gama mais ampla dessa energia, divididas em intervalos, para obter mais contraste. Depois de testarem o algoritmo através do software de simulação denominado GATE / GEANT4, descobriram que não só melhora a qualidade como reduz o ruído das imagens, permitindo uma melhor diferenciação entre os diferentes tipos de tecidos com doses mais baixas de raios-X, de acordo com o artigo publicado no “Journal of Information Processing”.

“A distinção entre dois tecidos diferentes na mesma área, normal ou anormal, é fundamental para o plano de tratamento dos médicos e dos radiologistas quando essa decisão envolve a vida do paciente”, diz Dehshibi. “Uma melhor diferenciação dos tecidos aumenta a probabilidade de sucesso do tratamento”. Nas simulações, o novo método aumentou em 60% a capacidade de diferenciação entre os tecidos, em comparação com a TAC convencional.

“Propomos uma abordagem de pós-processamento que não exigirá uma reconfiguração substancial do hardware e proporcionará mais liberdade aos especialistas em técnicas de imagem para pesquisas futuras”, diz o investigador. “Esperamos que os resultados deste estudo possam ser examinados posteriormente num ambiente clínico para reduzir o efeito da radiação de raios-X”.

AO/HN

Referência bibliográfica:  A Novel Method for Reconstructing CT Images in GATE/GEANT4 with Application in Medical Imaging: A Complexity Analysis Approach. Journal of Information Processing 2020:28, 161. Doi: https://doi.org/10.2197/ipsjjip.28.161