Diagnóstico auxiliado por computador na detecção de nódulos pulmonares pela tomografia computadorizada com múltiplos detectores: estudo preliminar de 24 casos

Resumos

OBJECTIVES: To evaluate the performance of a computer program designed to facilitate the detection of pulmonary nodules using multidetector computed tomography (MDCT) scans of the chest. METHODS: We evaluated 24 consecutive MDCT scans of the chest at the Fleury Diagnostic Imaging Center during the period from October 7 to October 19 of 2006, using a 64-channel CT scanner. The study comprised 12 females and 12 males, ranging from 35 to 77 years of age (mean, 57.9 years). Double reading and a computer-aided diagnosis (CAD) system were used in order to perform two independent analyses of the data. The nodules found using both methods were recorded, and the data were compared. RESULTS: The total sensitivity of CAD for the detection of nodules was 16.5%, increasing to 55% when nodules <4 mm in diameter were excluded. Sensitivity by diameter was 6.5% for nodules <4 mm, 45% for nodules of 4-6 mm, 100% for nodules of 6 mm-10 cm, and 0% for nodules >1 cm. More than 99% of true nodules detected by CAD were registered in the image double reading process. CONCLUSIONS: In this preliminary 24-case study, the sensitivity of computer program tested was not significantly greater than that of the double-reading process that is routinely performed in this facility.

Image interpretation, computer-assisted; Coin lesion, pulmonary; Tomography, X-ray computed

ARTIGO ORIGINAL

Diagnóstico auxiliado por computador na detecção de nódulos pulmonares pela tomografia computadorizada com múltiplos detectores: estudo preliminar de 24 casos^*

Julia Capobianco^I; Dany Jasinowodolinski^II; Gilberto Szarf^III

^IEspecializanda do Departamento de Diagnóstico por Imagem da Universidade Federal de São Paulo, São Paulo (SP) Brasil

^IIRadiologista. Centro de Medicina Diagnóstica Fleury, São Paulo (SP) Brasil

^IIIDoutor em Radiologia Clínica pela Universidade Federal de São Paulo. Radiologista do Centro de Medicina Diagnóstica Fleury, São Paulo (SP) Brasil

^{Endereço para correspondência}

RESUMO

OBJETIVOS: Avaliar o desempenho de um programa para auxílio na detecção de nódulos pulmonares em tomografia computadorizada com múltiplos detectores (TCMD).

MÉTODOS: Foram avaliadas 24 tomografias computadorizadas de tórax consecutivas realizadas no Centro de Medicina Diagnóstica Fleury no período de 07/10/2006 a 19/10/2006 usando um tomógrafo helicoidal multidetectores de 64 canais. O estudo compreendeu 12 pacientes do sexo feminino e 12 do sexo masculino, com idades variando entre 35 e 77 anos, idade média de 57,9. As imagens foram analisadas independentemente pelo método da dupla leitura e pelo programa diagnóstico auxiliado por computador (DAC). Os nódulos encontrados nos diferentes processos foram registrados e os dados comparados.

RESULTADOS: A sensibilidade total da detecção de nódulos pelo DAC nesse trabalho foi de 16,5%, 55% excluindo os nódulos medindo <4 mm. A sensibilidade separada por tamanho foi de 6,5% para nódulos <4 mm, 45% para nódulos de 4 a 6 mm, 100% para nódulos de 6 mm a 1 cm, e 0% para nódulos >1 cm. Menos de 1% dos nódulos verdadeiros destacados pelo DAC não haviam sido registrados no processo de dupla leitura.

CONCLUSÕES: Neste trabalho preliminar de 24 casos, o programa testado não conseguiu superar de forma significativa a sensibilidade da dupla leitura realizada de rotina neste serviço.

Descritores: Interpretação de imagem assistida por computador; Lesão numular pulmonar; Tomografia Computadorizada por Raios X.

Introdução

O diagnóstico auxiliado por computador (DAC) surgiu há aproximadamente duas décadas. Inicialmente aplicada à radiologia convencional,⁽¹⁾ tal tecnologia, hoje, vem ganhando espaço nas mais diferentes modalidades diagnósticas, com a finalidade de reduzir o tempo de leitura dos exames, com aumento da especificidade e, principalmente, da sensibilidade. O computador tem a função de criar uma segunda opinião para auxiliar o radiologista em suas interpretações,^(2,3) não sendo, no momento, uma ferramenta que vise a substituição do médico.⁽¹⁾

Seu uso para a detecção de nódulos em tomografias computadorizadas de tórax vem sendo sugerido e investigado desde 1989,^(4-6) sendo um dos de maior interesse.⁽¹⁾ Isso se dá tanto pela importância epidemiológica, já que o câncer de pulmão lidera o ranking de mortes por neoplasia no Brasil⁽⁷⁾ e em diversos países, quanto pelo fato de que, com a advento da tomografia com multidetectores, o número de imagens que devem ser analisadas é cada vez maior, tornando o processo, além de lento, bastante susceptível a erros de interpretação e detecção.⁽⁸⁾

A maioria dos DACs desenvolvida e testada na última década foi projetada para tomografias helicoidais utilizando cortes de 5-10 mm,⁽⁹⁾ sendo que as taxas de sensibilidade e especificidade foram decepcionantes e falharam na tentativa de alcançar um nível de aceitação e uso clínico.^(10,11) O principal problema era o efeito de volume parcial, que tornava a aparência dos nódulos pequenos subsólida, dificultando o estabelecimento de um valor de densidade como limiar para a detecção de lesões.⁽⁹⁾

A recente evolução que ocorreu com o advento da tomografia com múltiplos detectores permitiu que um pulmão inteiro fosse examinado com cortes de 1 mm durante uma inspiração (<10 s). No início, seu uso era restrito à segmentação, caracterização e classificação de nódulos detectados em outros exames,^(12-14) sendo que, atualmente, ela é também usada para a detecção de nódulos.⁽¹⁵⁾ As vantagens são óbvias quando se pensa na abrupta redução do efeito de volume parcial, bem como na informação isotrópica tridimensional para distinguir entre nódulos e vasos.⁽⁹⁾ Com sua tecnologia e tempo de exame ela reduziu significativamente os artefatos de movimento e aumentou a possibilidade de detecção de pequenos nódulos. O desempenho do DAC parece estar muito associado à espessura do corte e ao intervalo de reconstrução das imagens, sendo aparentemente melhor nos cortes mais finos.^(16,17)

O objetivo deste trabalho foi testar e avaliar o desempenho de um programa de computador para auxílio na detecção de nódulos pulmonares em exames de tomografia computadorizada (TC) realizados em equipamento com multidetectores, através da comparação com a dupla leitura de imagens realizada na rotina.

Métodos

Foram avaliadas 28 tomografias computadorizadas de tórax consecutivas, realizadas no Centro de Medicina Diagnóstica Fleury no período de 07/10/2006 a 19/10/2006. O consentimento informado não foi necessário neste estudo, que envolveu apenas a revisão de informações obtidas previamente. A confidencialidade dos dados dos pacientes foi preservada.

Foram excluídos 4 exames por apresentarem extensas opacidades parenquimatosas em vidro fosco (1 exame), consolidações (1 exame) ou doença pulmonar intersticial (2 exames), sendo estes considerados fatores de confusão para a análise do programa.

A base final de dados consistiu de 24 tomografias computadorizadas de tórax realizadas em 24 pacientes diferentes (12 do sexo feminino e 12 do sexo masculino), com idades que variavam entre 35 e 77 anos (média de idade de 57,9 anos, desvio padrão de 11,1). O critério de inclusão dos exames foi a realização dos mesmos no tomógrafo helicoidal com multidetectores de 64 canais modelo Brilliance 64 (Philips, Best, Holanda).

Todos os exames foram realizados sem a injeção endovenosa de contraste iodado, com 120 kV, amperagem modulada automaticamente (variando entre 120-250 mA), tempo de rotação do tubo de 0,75 s, colimação de 0,625 mm, reconstrução de 1 mm de espessura, pitch de 1.078, matriz de 768 × 768, usando filtro padrão. O número de imagens analisadas por paciente variou de 239 a 391 (média de 322 imagens, desvio padrão de 39,7). As imagens foram analisadas independentemente e, depois, em consenso por dois radiologistas, cada um com pelo menos 5 anos de experiência em radiologia torácica, em estações de trabalho Extended Brilliance Workspace versão 2.1, sendo avaliados os cortes de 1 mm e reconstruções de 3 a 5 mm de espessura em projeção de intensidade máxima. Reconstruções multiplanares foram realizadas quando julgadas necessárias, conforme a rotina habitual do serviço. Os nódulos encontrados após a dupla leitura, sem a utilização do programa de DAC, foram registrados.

As imagens de TC de tórax com reconstrução de 1 mm foram, então, submetidas à avaliação pelo programa Philips Lung Nodule Assessment, que executa a detecção automática, sem qualquer tipo de interação humana no processo, com limiar de detecção de nódulos sólidos de no mínimo 4 mm. O tempo desta avaliação para cada exame foi cronometrado. Os nódulos encontrados foram registrados e avaliados por um radiologista com 12 anos de experiência em radiologia torácica. Os verdadeiros positivos foram classificados quanto à localização e tamanho, e os falsos positivos foram discriminados quanto a sua natureza.

Foi calculada a média e o desvio padrão do tempo de leitura de cada exame pelo programa de computador.

O número e o tamanho dos nódulos detectados pelo DAC e pela dupla leitura em consenso foram tabulados. Os nódulos detectados foram divididos em quatro grupos, de acordo com o diâmetro: <4 mm, de 4 a 6 mm, de 6 mm a 10 cm e >1 cm. O desempenho do programa foi avaliado em termos de sensibilidade total e separado por grupo e em termos de falsos positivos por exame, por imagem (considerando a média de imagens por exame) e por verdadeiro positivo. Os resultados foram comparados com o desempenho da dupla leitura.

A concordância interobservador da análise isolada de cada um dos leitores foi calculada pelo teste de kappa.

Resultados

O tempo para a análise realizada pelo computador variou de 2 a 4 min (tempo médio de 2 min e 50 s).

A sensibilidade total da detecção de nódulos pelo DAC pelo nosso método foi de 16,5% (32 de 194 nódulos). Considerando apenas os nódulos > 4 mm, que correspondem ao limiar teórico de detecção do programa, a sensibilidade da técnica foi de 55% (22 de 40 nódulos).

A sensibilidade separada por tamanho foi de 6,5% (10 de 154) para nódulos <4 mm, 45% (14 de 31) para nódulos de 4 a 6 mm, 100% (8 de 8) para nódulos de 6 mm a 1 cm, e 0% (0 de 1) para nódulos >1 cm (Figura 1).

Dentre as lesões não detectadas, encontramos um nódulo de contornos espiculados medindo 1 cm, localizado no lobo superior direito, com características suspeitas para malignidade (Figura 2). Outro paciente apresentou uma lesão expansiva de 5 cm no lobo superior direito, que também não foi identificada na análise computadorizada.

O número de falsos positivos por exame e por imagem (média de 322 imagens por exame) foi de 10,9 e 0,8 respectivamente; a razão falsos positivos/verdadeiros positivos foi de 8,2:1. A maior parte dos falsos positivos foram vasos de pequeno e médio calibre (61,8%), estruturas do hilo (7,3%) e opacidades e consolidações (6,5%) (Figura 3).

Apenas um nódulo verdadeiro (<1% do total de nódulos verdadeiros), que foi destacado pelo DAC, não havia sido registrado no processo de dupla leitura das imagens. Este era subpleural, mal definido, media 4 mm, e localizava-se no lobo inferior direito (Figura 4).

A concordância interobservador da leitura individual realizada pelos radiologistas mostrou-se quase perfeita (kappa = 0,9).

Discussão

Com o advento da tomografia com multidetectores e suas imagens de melhor resolução espacial, um novo cenário surge na detecção de nódulos pulmonares, com maior potencial para sua detecção, particularmente daqueles de menor diâmetro; porém, com grande aumento (cerca de 7 a 10 vezes) do número de imagens a serem avaliadas: um único exame tomográfico do tórax, obtido com um equipamento com multidetectores, chega a produzir até 1.000 cortes. Desta forma, esta tarefa passa a ser mais fatigante, tornando os radiologistas mais susceptíveis a erros de atenção e ao que poderíamos chamar de 'saciação pela procura', especialmente quando há outras doenças concomitantes.^(18,19) É neste contexto que uma ferramenta como o DAC, além de desejável, pode se tornar necessária, para evitar erros de interpretação e suas conseqüências futuras.⁽²⁰⁾

Neste estudo, as taxas de sensibilidade do programa testado ficaram aquém do esperado, não ultrapassando de forma expressiva o desempenho da dupla leitura. Nem mesmo a sensibilidade para nódulos entre 0,4 cm e 3 cm (55%), que são o alvo principal do DAC, foi significativa para justificar o emprego deste programa, assim como um aumento de cerca de 2 min e 50 s no tempo de análise por exame (tempo médio de leitura pelo DAC).

A média de falsos positivos por exame (10,9), apesar de estar dentro da faixa encontrada em outros estudos, que varia entre 3 e 13 falsos positivos por TC de tórax,⁽²¹⁾ não é desprezível, sendo um fator de desgaste e que consome tempo na revisão dos dados fornecidos pelo computador. Os falsos positivos encontrados foram, principalmente, estruturas vasculares, e estão de acordo com os referidos na literatura, exceto pelas estruturas hilares (Figura 5), que não são especificamente citadas com freqüência.^(9,19,22)

Outro dado digno de nota é que os nódulos apontados pelo programa de computador eram apresentados em ordem aparentemente aleatória, sem correlação com a seqüência de cortes, fato que tornou o processo de verificação mais lento. Muitas vezes também, o DAC assinalou mais de uma vez a mesma estrutura no mesmo corte, ou em cortes subseqüentes, sendo este um resultado verdadeiro ou falso positivo.

Os números de sensibilidade e impacto insignificante sobre a leitura de radiologistas não estão de acordo com outros estudos atuais realizados com TC com múltiplos detectores (TCMD).^(18,23-25) A discrepância dos resultados obtidos nos remete a algumas críticas sobre este e outros trabalhos recentes.

A comparação do desempenho dos diferentes tipos de DAC é limitada pelas diferenças nos equipamentos, protocolos de aquisição, tipo de paciente e qualidade das imagens, o que resulta em um grande número de variáveis.⁽⁹⁾ Embora já existam propostas de um consenso visando reduzir esta variabilidade entre os estudos,⁽²⁶⁾ este não foi amplamente adotado.

Algumas limitações deste estudo podem ser realçadas. Entre elas, temos a tendenciosidade da nossa amostra, composta por pacientes ambulatoriais, muitos dos quais em exames preventivos, o que aumenta a prevalência de nódulos pequenos (144 dos 194 nódulos mediam <4 mm), ou seja, abaixo do limiar de detecção sugerido para este programa de computador.

Apesar de terem sido avaliados um número grande de nódulos, o tamanho da amostra (24 indivíduos) é pequeno, dificultando a extrapolação dos achados, semelhante ao observado em outros estudos publicados, também utilizando DAC com TCMD.^(18,23-25)

A principal limitação em todos os estudos deste tipo é a ausência de um padrão áureo, uma vez que não temos comprovação histológica dos nossos achados e, apesar de a concordância interobservador ter sido boa (kappa = 0,9), isso não reflete, obrigatoriamente, a realidade.

Um outro fator a ser analisado é que a comparação da sensibilidade do DAC foi feita com dupla leitura realizada por profissionais com pelo menos 5 anos de experiência em radiologia do tórax e, apesar de estudos recentes mostrarem que o DAC aumenta significativamente a detecção de nódulos pulmonares independentemente do número de leitores,^(27-29) talvez sua maior contribuição seja em situações menos ideais, com apenas um leitor e/ou profissionais menos experientes.^(25,30) O fato de os radiologistas estarem ativamente procurando por nódulos durante o processo de dupla leitura também deve ser considerado, já que é uma situação artificial e que influencia positivamente na sensibilidade da detecção destes.

Neste trabalho preliminar de 24 casos, o programa de computador testado não conseguiu superar de forma significativa a sensibilidade da dupla leitura realizada de rotina no serviço. Apesar de as conclusões não poderem ser generalizadas e, não obstante, as muitas críticas às quais está sujeito o estudo, sua principal função talvez seja a de estimular o desenvolvimento de novos trabalhos com amostras maiores, bem como de programas com melhor desempenho.

Recebido para publicação em 4/3/2007

Aprovado, após revisão, em 14/5/2007

• 1. Li Q, Li F, Suzuki K, Shiraishi J, Abe H, Engelmann R, et al. Computer-aided diagnosis in thoracic CT. Semin Ultrasound CT MR. 2005;26(5):357-63.
• 2. Doi K. Overview on research and development of computer-aided diagnostic schemes. Semin Ultrasound CT MR. 2004;25(5):404-10.
• 3. Yoshida H, Dachman AH. Computer-aided diagnosis for CT colonography. Semin Ultrasound CT MR. 2004;25(5):419-31.
• 4. Preteux F, Merlet N, Grenier P, Mouellhi M. Algorithms for automated evaluation of pulmonary lesions by high resolution CT via image analysis. In: Proceedings of Radiological Society of North America RSNA'89. Oak Brook, IL: Radiological Society of North America, 1989:416.
• 5. Preteux F. A non-stationary Markovian modeling for the lung nodule detection in CT. In: Proceedings of Computer Assisted Radiology CAR 1991. Berlin, Heidelberg, New York: Springer Publishers, 1991:199-204.
• 6. Giger ML, Bae KT, MacMahon H. Computerized detection of pulmonary nodules in computed tomography images. Invest Radiol. 1994;29(4):459-65.
• 7. Instituto Nacional de Câncer Ministério da Saúde - INCA [homepage on the Internet]. Brasília: Ministério da Saúde [cited 2007 March 4]. Taxas de mortalidade das 5 localizações primárias de câncer mais freqüentes em 1999, ajustadas por idade pela população padrão mundial, por 100.000 homens e por 100.000 mulheres, entre 1979 e 1999. Available from: www.inca.gov.br/atlas/docs/txmortalidade_5loc.pdf
• 8. Li F, Sone S, Abe H, MacMahon H, Armato SG 3rd, Doi K. Lung cancers missed at low-dose helical CT screening in a general population: comparison of clinical, histopathologic, and imaging findings. Radiology. 2002;225(3):673-83.
• 9. Wiemker R, Rogalla P, Blaffert T, Sifri D, Hay O, Shah E, et al. Aspects of computer-aided detection (CAD) and volumetry of pulmonary nodules using multislice CT. Br J Radiol. 2005;78 Spec No 1:S46-56.
• 10. Fiebich M, Wietholt C, Renger B, Armato S, Hoffmann K, Wormanns D, et al. Automatic detection of pulmonary nodules in low-dose screening thoracic CT examinations. In: Proceedings of SPIE Medical Imaging Conference 1999. SPIE 1999;3661:1434-9.
• 11. Fiebich M, Wormanns D, Heindel W. Improvement of method for computer-assisted detection of pulmonary nodules in CT of the chest. In: Proceedings of SPIE Medical Imaging Conference 2001. SPIE 2001;4322:702-9.
• 12. Reeves A, Kostis W, Yankelewitz D, Henschke C. Three-dimensional shape characterization of solitary pulmonary nodules from helical CT scans. In: Proceedings of Computer Assisted Radiology and Surgery CARS 1999. Amsterdam, The Netherlands: Elsevier, 1999:83-7.
• 13. Kawata Y, Niki N, Ohmatsu H, Kusumoto M, Kakinuma R, Mori K, et al. Curvature based characterization of shape and internal intensity structure for classification of pulmonary nodules using thin-section CT images. In: Proceedings of SPIE Medical Imaging Conference 1999. SPIE 1999;3661:541-52.
• 14. McNitt-Gray MF, Hart EM, Wyckoff N, Sayre JW, Goldin JG, Aberle DR. A pattern classification approach to characterizing solitary pulmonary nodules imaged on high resolution CT: preliminary results. Med Phys. 1999;26(6):880-8.
• 15. Novak CL, Fan L, Qian JZ, Kohl G, Naidich DP. An interactive system for CT lung nodule identification and examination. In: Proceedings of International Conference on Computer Assisted Radiology and Surgery CARS 2001. Amsterdam, The Netherlands: Elsevier, 2001;1230:599-604.
• 16. Gurcan MN, Sahiner B, Petrick N, Chan HP, Kazerooni EA, Cascade PN, et al. Lung nodule detection on thoracic computed tomography images: preliminary evaluation of a computer-aided diagnosis system. Med Phys. 2002;29(11):2552-8.
• 17. Marten K, Grillhösl A, Seyfarth T, Obenauer S, Rummeny EJ, Engelke C. Computer-assisted detection of pulmonary nodules: evaluation of diagnostic performance using an expert knowledge-based detection system with variable reconstruction slice thickness settings. Eur Radiol. 2005;15(2):203-12.
• 18. Rubin GD, Lyo JK, Paik DS, Sherbondy AJ, Chow LC, Leung AN, et al. Pulmonary nodules on multi-detector row CT scans: performance comparison of radiologists and computer-aided detection. Radiology. 2005;234(1):274-83.
• 19. Brown MS, Goldin JG, Suh RD, McNitt-Gray MF, Sayre JW, Aberle DR. Lung micronodules: automated method for detection at thin-section CT--initial experience. Radiology. 2003;226(1):256-62.
• 20. Armato SG 3rd, Li F, Giger ML, MacMahon H, Sone S, Doi K. Lung cancer: performance of automated lung nodule detection applied to cancers missed in a CT screening program. Radiology. 2002;225(3):685-92.
• 21. Yuan R, Vos PM, Cooperberg PL. Computer-aided detection in screening CT for pulmonary nodules. AJR Am J Roentgenol. 2006;186(5):1280-7.
• 22. Wormanns D, Fiebich M, Saidi M, Diederich S, Heindel W. Automatic detection of pulmonary nodules at spiral CT: clinical application of a computer-aided diagnosis system. Eur Radiol. 2002;12(5):1052-7.
• 23. Bae KT, Kim JS, Na YH, Kim KG, Kim JH. Pulmonary nodules: automated detection on CT images with morphologic matching algorithm--preliminary results. Radiology. 2005;236(1):286-93.
• 24. Kim JS, Kim JH, Cho G, Bae KT. Automated detection of pulmonary nodules on CT images: effect of section thickness and reconstruction interval--initial results. Radiology. 2005;236(1):295-9.
• 25. Brown MS, Goldin JG, Rogers S, Kim HJ, Suh RD, McNitt-Gray MF, et al. Computer-aided lung nodule detection in CT: results of large-scale observer test. Acad Radiol. 2005;12(6):681-6.
• 26. Clarke LP, Croft BY, Staab E. New NCI initiatives in computer aided diagnosis. In: Proceedings of SPIE Medical Imaging Conference 2000. SPIE 2000;3976:370-3.
• 27. Novak CL, Qian J, Fan L, Naidich D, Ko JP, Rubinowitz AN. Inter-observer variations on interpretation of multislice CT lung-cancer screening studies and the implications for computer-aided diagnosis. In: Proceedings of SPIE Medical. Imaging Conference 2002. SPIE 2002;4680:68-79.
• 28. Lawler LP, Wood SA, Pannu HS, Fishman EK. Computer assisted detection of pulmonary nodules: preliminary observations using a prototype system with multidetector-row CT data sets. J Digit Imaging. 2003;16(3):251-61.
• 29. Naidich DP, Ko JP, Stoeckel J, Abinanti N, Lu S, Moses D, et al. Computer-aided diagnosis: impact on nodule detection among community level radiologists. A multi-reader study. In: Proceedings of Computer Assisted Radiology and Surgery. CARS 2004. Amsterdam, The Netherlands: Elsevier; 2004:902-7.
• 30. Marten K, Seyfarth T, Auer F, Wiener E, Grillhosl A, Obenauer S, et al. Computer-assisted detection of pulmonary nodules: performance evaluation of an expert knowledge-based detection system in consensus reading with experienced and inexperienced chest radiologists. Eur Radiol. 2004;14(10): 1930-8.

*

Trabalho realizado no Departamento de Diagnóstico por Imagem da Universidade Federal de São Paulo e Centro de Medicina Diagnóstica Fleury, São Paulo (SP) Brasil.

Datas de Publicação

• Publicação nesta coleção
  08 Fev 2008
• Data do Fascículo
  Jan 2008

Histórico

• Aceito
  14 Maio 2007
• Recebido
  04 Mar 2007