LCD-OpenPACS: sistema integrado de telerradiologia com auxílio ao diagnóstico de nódulos pulmonares em exames de tomografia computadorizada

Lung cancer is one of the most common types of cancer and has the highest mortality rate. Patient survival is highly correlated with early detection. Computed Tomography technology services the early detection of lung cancer tremendously by offering aminimally invasive medical diagnostic tool. However, the large amount of data per examination makes the interpretation difficult. This leads to omission of nodules by human radiologist. This thesis presents a development of a computer-aided diagnosis system (CADe) tool for the detection of lung nodules in Computed Tomography study. The system, called LCD-OpenPACS (Lung Cancer Detection - OpenPACS) should be integrated into the OpenPACS system and have all the requirements for use in the workflow of health facilities belonging to the SUS (Brazilian health system). The LCD-OpenPACS made use of image processing techniques (Region Growing and Watershed), feature extraction (Histogram of Gradient Oriented), dimensionality reduction (Principal Component Analysis) and classifier (Support Vector Machine). System was tested on 220 cases, totaling 296 pulmonary nodules, with sensitivity of 94.4% and 7.04 false positives per case. The total time for processing was approximately 10 minutes per case. The system has detected pulmonary nodules (solitary, juxtavascular, ground-glass opacity and juxtapleural) between 3 mm and 30 mm.

O câncer de pulmão é uma das principais causas de morte no mundo. A sua alta taxa de mortalidade está relacionada com detecção da patologia em estágios avançados. De acordo com a literatura, a tomografia computadorizada (TC) é a modalidade de imagem mais indicada para a detecção precoce de nódulos pulmonares. No entanto, ela impacta diretamente na carga de trabalho dos radiologistas. Pesquisadores propuseram vários sistemas automatizados para auxiliar os radiologistas na detecção do câncer de pulmão. Entretanto, a utilização desses sistemas necessitava de alterações no fluxo de trabalho clínico e altos custos de implantação. Visando solucionar estas barreiras, o presente trabalho propõe uma nova abordagem para detecção de nódulos pulmonares, em exames de tomografia computadorizada (TC), baseado no descritor Histograma do Gradiente Orientada (HoG) e Máquina de Vetor de Suporte (SVM). Além disso, é proposto uma aplicação desta abordagem num sistema de telerradiologia, chamado LCD-OpenPACS, gratuito e código fonte aberto. Este sistema é uma extensão do sistema OpenPACS que é um sistema de comunicação e arquivamento de imagens médicas que possui código fonte aberto e multiplataforma desenvolvido pelo Laboratório de Inovação Tecnológica em Saúde (LAIS) do Hospital Universitário Onofre Lopes (HUOL). O método proposto é formado por cinco etapas: aquisição das imagens, segmentação, detecção de nódulos suspeitos, extração das características e classificação (eliminação de falsos positivos). O método proposto foi validado com 100 nódulos (identificados por, pelo menos, dois radiologistas) e 101 não nódulos (por exemplo, tecido, vasos sanguíneos e outras estruturas que não representavam nódulos cancerígenos) e apresentou uma sensibilidade de 98,03% com 9,6 falso positivo por caso em 0,18 s. O sistema detectou nódulos pulmonares cancerígenos (solitários, opacidade em vidro fosco e nódulos justavascular) entre 3 mm e 30 mm. Entretanto, a etapa de segmentação do sistema ainda não está apresentando resultados satisfatórios na presença de nódulos justapleurais e outras patologias graves que alteram a opacidade dos contornos pulmonares. As principais contribuições do presente trabalho foram o desenvolvimento do novo método de detecção de nódulos pulmonares e a proposta do sistema de telerradiologia que minimiza as alterações do fluxo de trabalho clínico e o custo de implantação, podendo ser utilizado pelo sistema de saúde brasileiro (SUS). Ainda são necessárias mais pesquisas para aperfeiçoar o sistema proposto, principalmente melhorar o processo de segmentação das imagens pulmonares. Como trabalhos futuros, propomos mensurar características dos nódulos (por exemplo, malignidade e volume), avaliar a evolução do tratamento oncológico e seu possível prognóstico.