Resumen:
Objetivo Diseñar una técnica novedosa de adquisición ex-vivo para establecer un marco común de validación de diferentes técnicas de segmentación para imágenes PET oncológicas. Evaluar sobre estas imágenes el funcionamiento de varios algoritmos de segmentación automática.
Material y métodos En 15 pacientes oncológicos se realizaron estudios PET ex-vivo de las piezas quirúrgicas extraídas durante la cirugía, previa inyección de 18F-FDG, adquiriéndose imágenes en 2 tomógrafos: un PET/CT clínico y un tomógrafo PET de alta resolución. Se determinó el volumen tumoral real en cada paciente, generándose una imagen de referencia para la segmentación de cada tumor. Las imágenes se segmentaron con 12 algoritmos automáticos y con un método estándar para PET (umbral relativo del 42%) y se evaluaron los resultados mediante parámetros cuantitativos.
Resultados La segmentación de imágenes PET de piezas quirúrgicas ha demostrado que para imágenes PET de alta resolución 8 de las 12 técnicas de segmentación evaluadas superan al método estándar del 42%. Sin embargo, ninguno de los algoritmos superó al método estándar en las imágenes procedentes del PET/CT clínico. Debido al gran interés de este conjunto de imágenes PET, todos los estudios se han publicado a través de Internet con el fin de servir de marco común de validación y comparación de diferentes técnicas de segmentación.
Conclusiones Se ha propuesto una técnica novedosa para validar técnicas de segmentación para imágenes PET oncológicas, adquiriéndose estudios ex-vivo de piezas quirúrgicas. Se ha demostrado la utilidad de este conjunto de imágenes PET mediante la evaluación de varios algoritmos automáticos.
