Análisis textural del hueso trabecular mandibular basado en las características de la matriz de co-ocurrencia de nivel de gris en correlación con la edad y el sexo de una muestra de población egipcia: un estudio transversal utilizando TC de haz cónico

Antecedentes científicos

La salud ósea de las personas mayores es un problema de salud importante que ha ganado mucha atención últimamente debido a que las poblaciones de personas mayores están creciendo en todo el mundo (Vijayakumar y Büsselberg, 2016). Se espera que Egipto en particular tenga 130 millones de habitantes para 2050, de los cuales el 30% tendrá más de 50 años (Chen et al., 2013; Gheita y Hammam, 2018). El envejecimiento suele ir acompañado de trastornos musculoesqueléticos como la osteoporosis y la osteoartritis como resultado de las alteraciones que se producen en la remodelación ósea (Gheno et al., 2012). Estos trastornos aumentan considerablemente el riesgo de fracturas óseas, como fracturas de cadera y vertebrales, comprometiendo así la calidad de vida de estos pacientes (Gheno et al., 2012). La prevalencia de estos trastornos musculoesqueléticos también se ve afectada por el género, los estudios afirman que las mujeres son más propensas a la osteoporosis y la artrosis que los hombres (en Osteoporosis and Prevention, 2001; Gheno et al., 2012).

La densidad mineral ósea medida por absorciometría dual de rayos X (DXA) se ha considerado como el estándar de oro para evaluar la salud ósea durante mucho tiempo (Link y Heilmeier, 2016). Sin embargo, el instituto nacional de salud en su conferencia de consenso sobre osteoporosis señaló que la fortaleza de los huesos depende no solo de su densidad sino también de su calidad (en Osteoporosis and Prevention, 2001). Por lo tanto, se necesitan métodos de diagnóstico complementarios para evaluar la calidad del hueso para mejorar la predicción del riesgo de fractura individual (Link y Heilmeier, 2016).

Los investigadores han realizado varios intentos desde entonces para desarrollar un método satisfactorio para evaluar la calidad del hueso, la puntuación del hueso trabecular (TBS) es uno de los ensayos más exitosos. TBS es un parámetro de textura relacionado con la microarquitectura ósea que utiliza imágenes DXA convencionales de la columna lumbar para extraer las características de textura de nivel de gris que proporcionan información esquelética que no se captura de la medición estándar de DMO. Se ha utilizado con éxito como complemento de la DXA, y se realizan más intentos de investigación para investigar su uso de forma independiente para predecir el riesgo de fractura. (Martineau, Silva y Leslie, 2017; Shevroja et al., 2017) El éxito de TBS ha llevado a la comunidad investigadora a examinar el uso potencial de los parámetros de textura para evaluar la microarquitectura ósea en diferentes modalidades de imagen (Shevroja et al., 2017). La textura es una de las principales técnicas de reconocimiento de patrones visuales que utilizan los humanos para identificar objetos o regiones de interés en una imagen. Es una propiedad innata de cada objeto, que contiene información importante sobre el arreglo estructural de su superficie y su relación con el entorno (Haralick, Shanmugam y Dinstein, 1973). El análisis textural es un tipo de evaluación de imagen cuantitativa basada en las relaciones entre las intensidades de los píxeles. Está ganando una amplia gama de atención en la actualidad en el campo de la imagen biomédica, ya que puede ser beneficiosa en la caracterización de tejidos con diversas aplicaciones de diagnóstico (Gebejes y Huertas, 2013; Summers, 2017).

Existen varios métodos para el análisis textural, la matriz de co-ocurrencia de nivel de gris (GLCM) es uno de los más populares y más utilizados para la extracción de características de textura (Gebejes y Huertas, 2013). Es un método estadístico de segundo orden para caracterizar la textura de una imagen considerando la frecuencia de ocurrencia de pares de valores de grises de píxeles y su relación espacial (Haralick, Shanmugam y Dinstein, 1973; Gebejes y Huertas, 2013).

La tomografía computarizada de haz cónico (CBCT) se usa hoy en día de forma rutinaria para múltiples procedimientos de diagnóstico y se sabe que usa una dosis de radiación significativamente más baja que la TC con una resolución espacial más alta y a un costo más bajo, por lo que podría ser un candidato adecuado como herramienta de detección de calidad ósea (Scarfe , Farman y Sukovic, 2006; Scarfe y Farman, 2008). Por la presente, planteamos la hipótesis de que el uso de características de textura derivadas de la matriz de coocurrencia de nivel de gris para evaluar la calidad del hueso puede ser aplicable a las exploraciones CBCT, en lugar del discutible uso de niveles de gris para medir la densidad ósea que, en muchos estudios, resultó ser inadecuado en comparación con el calibrado. Unidades Hounsfield de TC multidetector (Pauwels et al., 2013; De Rosa et al., 2020; Gonçalves et al., 2020).

Por lo tanto, el objetivo de este estudio es investigar si las características de textura de GLCM se correlacionan con las variaciones del hueso trabecular según la edad y el género en diferentes regiones de interés en las exploraciones CBCT mandibulares. Esta correlación ayudará a guiar la selección futura de características texturales y regiones anatómicas adecuadas para desarrollar un posible método de detección de trastornos esqueléticos relacionados con la edad y el sexo.

PECO Pregunta:

P: Hueso trabecular mandibular de egipcios adultos E: Mujeres (18-40 O más de 40) C: Hombres (18-40 O más de 40) O: Características texturales de la matriz de co-ocurrencia de nivel gris

Pregunta de investigación:

¿Cuál es la correlación entre la edad y el sexo de la población egipcia y las características de textura derivadas de GLCM del hueso trabecular mandibular?

Planteamiento del problema:

La salud ósea de los ancianos es un importante problema de salud pública. Aunque el diagnóstico de trastornos que afectan la salud ósea requiere evaluar la calidad ósea así como la densidad, todavía hay una escasez de técnicas de diagnóstico que puedan examinar la calidad ósea con éxito con una dosis de radiación considerablemente baja y bajo costo.

Objetivos específicos:

Detectar la presencia de una correlación entre la edad-sexo de un individuo y las características de textura del hueso trabecular mandibular derivadas de la matriz de co-ocurrencia de nivel de gris en una muestra de población adulta egipcia.

Hipótesis:

Nulo: No hay diferencia en las características de textura trabecular entre los diferentes grupos de edad o entre los dos sexos Alternativa: Hay una diferencia en las características de textura trabecular entre los diferentes grupos de edad o entre los dos sexos

Variables de metodología

Variables independientes:

1. Edad (18-40 O más de 40)
2. Sexo (hombres o mujeres)

Variables dependientes:

Once Características de textura derivadas del trabajo de Haralick (Haralick, Shanmugam y Dinstein, 1973) Característica Descripción Contraste Representa la cantidad de variación local de tonos de gris Momento de diferencia inversa Homogeneidad de la distribución de tonos de gris en la imagen Angular Segundo momento Medición de la uniformidad de la imagen Correlación Lineal medir la dependencia de los tonos de gris entre píxeles vecinos Suma de cuadrados Medición de la dispersión (relacionada con el promedio) de la distribución de tonos de gris Entropía Grado de desorden entre píxeles en la imagen Suma del promedio Media de la distribución de la suma de tonos de gris Suma de varianza Dispersión alrededor de la media de la distribución de suma de tonos de gris Suma de entropía Desorganización de la distribución de suma de tonos de gris Diferencia de varianza Dispersión de la diferencia de tono de gris Diferencia de entropía Desorganización de la diferencia de tono de gris

Orígenes de datos\Medidas

Adquisición de imágenes CBCT:

Las exploraciones CBCT mandibulares se recuperarán retrospectivamente del registro de la base de datos del departamento de radiología oral y maxilofacial, facultad de odontología, Universidad de El Cairo. Las imágenes CBCT incluidas se obtendrán utilizando la máquina Planmeca ProMax® 3D Mid CBCT, con una resolución de 0,4 vóxeles, 20*10 cm FOV (arco mandibular único), operando a 8 mA y 90 Kvp.

Todas las imágenes CBCT se obtendrán en formato DICOM (Comunicación de imágenes digitales en medicina) y se verán con el software Romexis para que las analice un radiólogo oral senior. Se excluirán las imágenes con artefactos y mala calidad visual, como artefactos de endurecimiento del haz, efecto de volumen parcial, artefactos de aliasing, artefactos de anillo, imágenes de baja nitidez resultantes de los movimientos del paciente durante el escaneo.

Las exploraciones CBCT elegibles se dividirán en 4 grupos según la edad y el sexo del paciente (hombres menores de 40 años, hombres mayores de 40 años, mujeres menores de 40 años, mujeres mayores de 40 años). A los grupos se les asignará una letra A, B, C o D en un orden aleatorio, de modo que solo el asistente del supervisor conozca los datos demográficos de cada grupo, pero se ocultará al investigador principal que realizará el análisis de textura.

Se prepararán cortes sagitales corregidos de las tres regiones de interés (anterior, premolar, molar) a partir de los escaneos elegibles, luego las imágenes se guardarán en formato BMP.

Segmentación y análisis de texturas:

Las imágenes BMP de los cortes sagitales corregidos de los casos se importarán al software MaZda (Universidad Técnica de Lodz, Instituto de Electrónica, Polonia). Se recortará manualmente una región redonda de interés apical al diente, de modo que su tamaño sea lo suficientemente grande para incluir el hueso trabecular máximo presente con poco o ningún tejido no trabecular.

Las características texturales de GLCM serán calculadas por el software. Todos los parámetros se calcularán para dos distancias entre píxeles (d1 = 1, d2 = 2) y cuatro direcciones de barrido (horizontal, diagonal, vertical y anti-diagonal) correspondientes a (φ = 0°, 45°, 90°, 135° , respectivamente). La media de los valores en diferentes posiciones se tomará como una sola lectura que representa el valor de la característica de textura para el área de interés.

Manejo de variables cuantitativas:

Se calcularán once características de textura para 3 regiones de interés en cada escaneo CBCT elegible. Los valores de textura se manejarán como media y desviación estándar, y se realizará una comparación entre diferentes grupos de edad/género para la selección de características significativas. Se realizará un análisis de correlación para probar la correlación entre la edad y el género y las características de textura seleccionadas.