Com as avanços nas técnicas de Ressonância Magnética de difusão, particularmente com a introdução da tratografia a partir da modalidade de imagem por Tensor de Difusão (Difusion Tensor Imaging – DTI), novas descobertas foram feitas no que diz respeito às ligações estruturais que compõe o cérebro humano.
A técnica de imagem por tensor de difusão é uma modalidade de imagem médica capaz de fornecer informação direcional de estruturas fibrosas como a substância branca cerebral ou músculos in vivo (P J Basser et al., 2000; Le Bihan et al., 2001). Trata-se, portanto, do único método não invasivo para observação de difusão in vivo. Esta técnica, inicialmente designada de Ressonância Magnética de difusão, baseia-se na medição da anisotropia caraterística do processo de difusão da água. Verifica-se que, em estruturas fibrosas, o processo de difusão das moléculas de água é mais rápido na direção paralela às fibras devido à existência de menos barreiras físicas. A introdução do tensor de difusão permitiu um maior desenvolvimento da técnica uma vez que este formalismo confere à análise um maior rigor (P. J. Basser, Mattiello, Turner, & Le Bihan, 1993). Através da técnica de imagem por tensor de difusão os efeitos da anisotropia da difusão puderam ser completamente extraídos, caraterizados e explorados, proporcionando um detalhe ainda maior da microestrutura do tecido cerebral. Rapidamente foi percebido que esta caraterística poderia ser explorada para mapear a orientação espacial das fibras de substância branca no cérebro, utilizando uma escala de cores. A aplicação mais avançada é a da tratografia (Figura 1.2) por DTI que permite efetuar um mapeamento tridimensional dos principais feixes de fibras nervosas (P Mukherjee, S W Chung, J I Berman, C P Hess, & R G Henry, 2008; Vilanova, S Zhang, G Kindlmann, & D Laidlaw, 2006; Correia et al., 2008; A. Kunimatsu et al., 2007).
Atualmente, muitos hospitais, universidades e centros de investigação possuem equipamentos de RM, e, consequentemente, têm a capacidade para efetuar aquisições de imagens de difusão, permitindo a disseminação das aplicações de DTI. Esta técnica tem sido utilizada para demonstrar alterações subtis numa variedade de doenças (incluindo derrames, esclerose múltipla, dislexia e esquizofrenia) e presentemente começa a fazer parte da rotina de muitos protocolos clínicos (Sundgren et al., 2004; Le Bihan et al., 2001; Coenen et al., 2001; A. Kunimatsu et al., 2007).
Figura 1.2. Principais feixes de fibras neuronais presentes no cérebro humano obtidos por tratografia via DTI.
1.1.4 Problema
Apesar da relevância dos estudos conjuntos de conetividade funcional e estrutural, a sua utilização por parte de profissionais de saúde é condicionada por um conjunto de fatores intimamente relacionados com o processamento dos dados das aquisições de RMf e DTI. Quer nas análises de RMf, quer em análises de DTI, é comum as imagens serem processadas de forma sequencial, isto é, são estabelecidos fluxo de processamento (Rex, Ma, & Toga, 2003). Contudo, não existem ainda fluxos de processamento concretamente estabelecidos para o processamento e análise conjunta das imagens de RMf e DTI, não existindo também
padrões de processamento. Apesar de existirem alguns fluxos de trabalho implementados em software para o processamento individual de cada modalidade, em muitos dos casos a informação é escassa e existe uma falta de padronização de procedimentos (Rex, Ma, & Toga, 2003). A análise conjunta envolve sempre a utilização de software de diferentes fornecedores, muitas vezes com problemas de interoperabilidade devido à adoção de formatos de imagem diferentes. A estas dificuldades acresce o número de procedimentos muito técnicos que, na ausência de conhecimentos muito específicos e devido à falta de consenso sobre quais as melhores opções, só dificultam o trabalho de quem realiza a análise e introduz variabilidade nos resultados obtidos por diferentes utilizadores (Soares & Alves, 2009).
Devido à ausência de fluxos de processamento implementados em software, é comum ser o utilizador a definir manualmente os inputs e os parâmetros de cada etapa de processamento, repetindo o procedimento para cada caso do mesmo estudo (Tseytlin et al., 2003). Esta situação, além de ser contra-produtiva devido ao tempo gasto desnecessariamente, aumenta consideravelmente a probabilidade de se cometerem erros inadvertidos na implementação das etapas. Esses erros podem comprometer os resultados obtidos e são muitas vezes difíceis de detectar por inspeção visual.
Um outro problema prende-se com a variedade de software utilizado (Yan & Zang, 2010). Antes de poder utilizar cada aplicação, o utilizador tem que aprender a utilizá-la da melhor forma. Além disso, a maioria ou não possui uma interface gráfica ou a interface disponibilizada é pouco intuitiva, rudimentar e não permite aceder a todas as funcionalidades necessárias.
Os problemas referidos podem vir a ser, em parte, ultrapassados com a padronização e automatização do processamento dos dados e dos parâmetros utilizados nesse processamento. Isto facilitaria também a comparação de resultados entre diferentes estudos uma vez que, atualmente, cada estudo utiliza parametrizações diferentes que, só por si, podem justificar as diferenças entre os resultados.
1.2 Objetivos
Tendo em conta os problemas acima referidos, pretende-se com este projeto criar um fluxo de processamento automatizado que torne possível a conjugação dos resultados das análises de RMf de repouso e de DTI permitindo correlacionar a conetividade funcional e estrutural da referida DMN.
Para que estes objetivos sejam cumpridos propõe-se a definição do fluxo de processamento etapa-a-etapa que confira ao utilizador uma forma simples, estruturada e padronizada de processar os dados de RMf e de DTI com vista à conjugação dos resultados obtidos. Na implementação deste fluxo deverão ser utilizados os procedimentos que apresentem maior consistência em estudos de conetividade cerebral. Além disso, deverá ser direcionado para a realização de estudos individuais e de grupo. No final pretende-se disponibilizar uma aplicação que permita implementar de forma automatizada o fluxo de processamento. Esta aplicação permitirá ao utilizador diminuir o tempo gasto na definição dos dados (i.e. aquisições de RMf e DTI) e dos parâmetros necessários ao processamento, diminuindo assim o tempo despendido pelo utilizador no processamento das imagens e o conhecimento necessário para tratar esta informação.