16.08.2021

Studentka AGH stawia krok w kierunku zastosowania modeli biofizycznych mózgu w obrazowaniu dyfuzji-relaksometrii metodą rezonansu magnetycznego


Zdjęcie przedstawia studentkę Dominikę Ciupek. Dziewczyna znajduje się w centrum kadru. Stoi na tle zielonego żywopłotu. Ma blond włosy. Ubrana jest w błękitną bluzkę bez rękawów z falbankami na ramionach.

Dominika Ciupek, fot. Olga Kuśnieruk

Zdjęcie przedstawia obrazy mózgu uzyskane metodą dyfuzji-relaksometrii w płaszczyźnie poprzecznej, strzałkowej i czołowej. Obrazy mózgu są w kolorze żołto-czerwonym i znajdują się na czarnym  tle.

Parametry modeli multi-kompartmentowych w płaszczyźnie poprzecznej, strzałkowej i czołowej: a) frakcja objętościowa przedziału wewnątrzaksonalnego, b) wskaźnik dyspersji orientacji włókien, c) frakcja objętościowa przedziału wewnątrzkomórkowego, fot. Materiały Dominiki Ciupek

Czy modele biofizyczne opisujące strukturę mózgu mogą wejść na co dzień do kompleksowej diagnostyki obrazowej, czy też pozostaną pięknymi teoriami matematycznymi bez praktycznego zastosowania? Na to pytanie w swoich badaniach próbuje odpowiedzieć studentka Dominika Ciupek. Jej wysiłki zostały docenione przez Ministerstwo Edukacji i Nauki, które przyznało studentce grant w ramach programu „Najlepsi z najlepszych! 4.0”.

Od momentu opublikowania w 1973 roku przez Paula Lauterbura pracy opisującej sposób generowania obrazów będący u podstaw obrazowania metodą rezonansu magnetycznego (ang. MRI, magnetic resonance imaging), w medycynie wciąż rozwijane są nowe technologie diagnostyczne wykorzystujące zjawisko magnetycznego rezonansu jądrowego. Szczególne zastosowanie technika MRI znajduje w badaniach mózgu. Podczas gdy tradycyjna technika MRI umożliwia uzyskanie obrazu struktury narządu, obecnie stosowane rozwiązania pozwalają na znacznie więcej. Jednym z nich jest obrazowanie dyfuzji (DWI, ang. difusion-weighted imaging), które bazuje na różnicach w dyfuzji cząsteczek wody. Ze względu na naturalne przeszkody, które napotykają one w tkance mózgowej, ich losowy ruch ulega ograniczeniu i uporządkowaniu. Mówimy wówczas, że przyjmuje on charakter anizotropowy. Skaner „wychwytuje” wszelkie ograniczenia oraz zmiany w dyfuzyjności, dzięki czemu uzyskane tą metodą dane mogą dostarczyć wiedzy na temat mikrostruktury tkanki. Pozwalają one nie tylko na diagnozowanie urazów oraz zmian chorobowych, ale też umożliwiają poznanie naturalnych procesów starzenia się mózgu.

Modele kierunkowe oraz biofizyczne w diagnostyce obrazowej mózgu

Opisana wyżej metoda ma jednak swoje ograniczenia, nie dostarcza bowiem informacji o kierunku przemieszczania się cząsteczek wody w sposób bezpośredni. Tradycyjnie stosowaną w tym celu technologią jest modelowanie tensora dyfuzji (DTI, ang. diffusion tensor imaging). Dostarcza ono wiedzy na temat kierunku przemieszczania się cząsteczek wody wzdłuż głównego kierunku ułożenia włókien oraz pozwala na opisanie tego procesu miarami ilościowymi. Ale również ona posiada swoje niedostatki, bowiem włókna ułożone krzyżowo bądź na kształt wachlarza mogą zaburzać rezultaty pomiarów. Dlatego coraz częściej rozważane jest zastosowanie zaawansowanych modeli, w tym modeli biofizycznych, które – używając języka matematyki – opisują strukturę tkanki mózgowej w wielu wymiarach.

 – Wykorzystanie modeli biofizycznych to pierwszy krok w kierunku przedstawienia wielo-kompartmentowej budowy tkanki nerwowej mózgu za pomocą wskaźników ilościowych oraz rzeczywistej interpretacji uzyskanych parametrów. Dostarczają one nie tylko dokładnej wiedzy o dyfuzji zachodzącej w obrębie komórek, ale również opisują wymianę informacji na poziomie zewnątrzkomórkowym. Dzięki temu jesteśmy w stanie powiedzieć, czy w wyniku postępujących zaburzeń psychicznych właściwości pewnych obszarów mózgu ulegają zmianie, a także odpowiedzieć na pytanie, czy w wyniku procesów starzenia pewne połączenia w mózgu ulegają przerwaniu. Sęk w tym, że modeli reprezentujących sygnał dyfuzji w literaturze zostało opisanych już co najmniej kilkanaście. Niektóre z nich mogą dostarczać nowych, nieznanych do tej pory informacji na podstawie obrazowania dyfuzji–relaksometrii. Umożliwiają one tym samym precyzyjną ocenę zmian chorobowych mózgu z równoczesnym uwzględnieniem parametrów relaksacyjnych oraz dyfuzyjnych. Obecnie nastał moment, kiedy musimy zacząć weryfikować, które modele mogą być stosowane w powszechnej diagnostyce obrazowej mózgu, a które są tylko pięknymi teoretycznymi wywodami – wyjaśnia dr inż. Tomasz Pięciak z Wydziału Elektroniki, Automatyki i Inżynierii Biomedycznej, Katedry Biocybernetyki i Inżynierii Biomedycznej oraz Escuela Técnica Superior de Ingenieros de Telecomunicación na hiszpańskim Universidad de Valladolid.

Aby tak się stało, niezależnie od wykazania użyteczności danego modelu w diagnostyce obrazowej mózgu, niezbędne jest spełnienie warunku powtarzalności badań. To znaczy należy uzyskać pewność, że przy wykorzystaniu jednakowych ustawień akwizycji danych przez skaner, dla określonych parametrów wyznaczonych przez model uzyskamy takie same wyniki. Oprócz tego, nie mniej istotny z punktu widzenia codziennej praktyki medycznej jest czas konieczny na ich otrzymanie.

Badania studentki AGH

Krokiem w tym kierunku są badania studentki Dominiki Ciupek. Punktem wyjścia do nich były ustalenia opisane w pracy inżynierskiej przygotowanej pod kierunkiem dr. inż. Pięciaka. Autorka sprawdzała możliwości zastosowania modeli biofizycznych w obrazowaniu substancji białej mózgu metodą dyfuzji-relaksometrii, co jest całkowicie nowatorskim podejściem w skali światowej. Nim ich wykorzystanie wejdzie na co dzień do praktyki medycznej, należy odpowiedzieć na pytanie, jakie czynniki oprócz faktycznych zmian w tkance mogą wpływać na uzyskane wyniki.

Studentka wykazała, że jednym z kluczowych problemów jest odpowiedni dobór parametrów akwizycji danych oraz zastosowanie właściwej metody optymalizacji numerycznej, która pozwala wyznaczyć pożądane parametry opisujące tkankę.

 – Modele zakładają, że tkanka mózgowa jest podzielona na różne przedziały. Możemy wyróżnić np. przedział płynu mózgowo-rdzeniowego, przedział pozakomórkowy, przedział wewnątrzkomórkowy. One są reprezentowane przez różne równania matematyczne. W równaniach modelu każdy z podziałów tkankowych jest mnożony przez odpowiednią frakcję, która reprezentuje udział tego przedziału w małym fragmencie mózgu – opisuje Dominika Ciupek. Nasze równanie modelu musimy przekształcić w funkcję celu. Optymalizacja polega na znalezieniu rozwiązań funkcji, dla których jej wartość będzie najbardziej zbliżona do zera. Te rozwiązania są właśnie poszukiwanymi parametrami tkanki.

Analiza numeryczna wykazała, że na poprawność wyznaczonych parametrów znacząco wpływa czas inwersji. To okres, jaki upływa pomiędzy emitowanymi przez skaner impulsami radiowymi używanymi w trakcie badania. Wraz z jego spadkiem, parametry opisujące dyfuzyjność tkanki oraz poszczególne frakcje objętościowe wykazywały zmienną tendencję w wyniku zanikania sygnału rezonansu magnetycznego oraz dominacji szumu w sygnale. Dowodzi to, że przetestowane modele mogą znaleźć zastosowanie przede wszystkim przy zastosowaniu odpowiednio wysokich czasów inwersji.

Grant od ministerstwa

Badania poczynione w ramach pracy będą kontynuowane, bowiem złożony w tym celu przez studentkę projekt „Modelowanie multi-kompartmentowe struktur anizotropowych istoty białej mózgu na podstawie obrazowania dyfuzji-relaksometrii metodą rezonansu magnetycznego” został zakwalifikowany do finansowania przez Ministerstwo Edukacji i Nauki w ramach programu „Najlepsi z najlepszych! 4.0”. Program ten wspiera uzdolnionych studentów, którzy pod okiem opiekuna prowadzą unikalne na skalę światową badania naukowe. Mogą oni dzięki temu prezentować wyniki na najbardziej prestiżowych kongresach naukowych na świecie.

Dotychczas korzystałam z danych faktycznie zebranych od zdrowych pacjentów. Obecnie chciałabym wykorzystać dane syntetyczne, które zostałyby wygenerowane przez komputer. Wtedy można byłoby zastosować znacznie większą gamę czasów inwersji niż sześć użytych podczas pisania pracy. Tak niewielka ilość czasów nie pozwala być w pełni przekonanym, że znacząco wpływa on na opisane parametry mikrostrukturalne – mówi Dominika Ciupek. Dodaje, że stosując sygnał syntetyczny, można by też sprawdzić wpływ innych ustawień skanera na poprawność wyznaczonych parametrów. Istotne znaczenie może mieć w tym względzie np. czas echa, czyli okres między impulsem wysyłanym przez skaner a sygnałem zwrotnym. Pozwoliłoby to również zbadać, czy bardziej skomplikowane modele biofizyczne lepiej poradzą sobie z niskim czasem inwersji, czy też nie znajdą w tym przypadku zastosowania.

O ile modele multi-kompartmentowe są wykorzystywane w obrazowaniu dyfuzji, to nikt nie stosował ich w szerokim zakresie w obrazowaniu dyfuzji-relaksometrii. Chcemy jasno odpowiedzieć na pytanie, czy wykonany przez nas krok jest poprawny i rzeczywiście otwiera nowe perspektywy badawcze oraz diagnostyczne w zakresie neurodegeneracyjnych chorób mózgu, czy należy jednak wykonać krok wstecz i przemyśleć założenia projektu od początku – komentuje dr inż. Pięciak.

Kuźnia talentów na AGH

Dominika Ciupek zainteresowała się tematyką przetwarzania sygnałów cyfrowych oraz matematycznych metod obrazowania metodą MRI, kiedy uczęszczała na prowadzone przez dr. inż. Pięciaka zajęcia „Cyfrowe przetwarzanie sygnałów”. – Doktor zaproponował, żebym zajęła się modelami biofizycznymi. Im więcej na ten temat czytałam, tym bardziej mnie fascynowało, jakie mogą mieć zastosowania – opowiada studentka.

Zanim jeszcze obroniła pracę inżynierską, jej publikacja została przyjęta na prestiżową konferencję ISMRM & SMRT Annual Meeting & Exhibition w Vancouver. Była ona wynikiem półtorarocznej współpracy z naukowcami z Włoch oraz Iranu. Jej praca została również wyróżniona na XXX Ogólnopolskiej Konferencji Studenckich Kół Naukowych „Człowiek i jego środowisko” w Kielcach. Sama praca inżynierska Dominiki Ciupek została wysoko oceniona przez recenzenta zewnętrznego z nowojorskiej NYU School of Medicine.

Studentka nie jest jedyną osobą odnoszącą sukcesy pod okiem dr. inż. Pięciaka. W tym gronie znajdują się również:

  • Anna Legierska (praca magisterska „Super-resolution of diffusion magnetic resonance imaging data” wyróżniona w ogólnopolskim konkursie „Młodzi Innowacyjni”, organizowanym przez Przemysłowy Instytut Automatyki i Pomiarów, Warszawa 2019),

  • Jadwiga Piechota (praca magisterska „Wydajna implementacja nieobciążonego filtra średnich nielokalnych z użyciem rozszerzonego zbioru instrukcji x86” wyróżniona w ogólnopolskim Konkursie o Nagrodę ABB dla najlepszej pracy w naukach technicznych, Kraków 2020),

  • Fabian Bogusz (praca magisterska „Próbkowanie oszczędne w obrazowaniu dyfuzji metodą rezonansu magnetycznego na potrzeby oceny właściwości mikrostruktury mózgu” zdobyła 1. miejsce w konkursie „Diamenty AGH” na najlepszą pracę dyplomową przygotowaną na AGH w kategorii prac teoretycznych oraz 1. miejsce w X Konkursie o Nagrodę Siemensa dla absolwentów w zakresie Automatyki i Robotyki, Warszawa 2020).

Ten ostatni kontynuuje obecnie swoje zainteresowania badawcze na studiach doktoranckich.

Mam przyjemność pracować z niezwykle uzdolnionymi i wszechstronnymi studentkami i studentami. Ich interdyscyplinarność w zakresie nauk inżynierskich, ścisłych oraz pryncypiów nauk medycznych umożliwia realizację nowatorskich prac na najwyższym światowym poziomie. Dodatkowo mam własne przemyślenia dotyczące prowadzenia prac badawczych, które najwyraźniej się w tym zakresie sprawdzają – mówi dr inż. Pięciak.