Segmentación histológica de la arteria femoral superficial desde microescaneo hasta tomografía computarizada mediante inteligencia artificial (CTPred)

El segmento de la arteria femoropoplítea (FPAS) es una de las arterias más largas del cuerpo humano y sufre torsión, compresión, flexión y extensión debido a los movimientos de las extremidades inferiores. La cirugía endovascular se considera el tratamiento de elección de la enfermedad arterial periférica, cuyos resultados dependen de las fuerzas fisiológicas sobre la pared arterial, la anatomía de los vasos y las características de las lesiones a tratar. La enfermedad ateromatosa incluye, de forma sencilla, 3 categorías de placas: calcificadas, fibrosas y lipídicas. El estudio de estas placas y su diferenciación en imagen e histología en la FPAS ya ha sido objeto de investigación. Para tratarlos existen balones de angioplastia y stents con diferentes diseños y componentes, con diferentes propiedades mecánicas y diferentes moléculas impregnadas.

No existe ningún método no invasivo (imagen) para diferenciar con precisión las lesiones a lo largo del FPAS. El análisis se realiza a partir de la tomografía computarizada preoperatoria, pero existen escáneres de alta resolución que permiten un análisis cuasi histológico del tejido.

Este microescáner se puede utilizar ex vivo. En el marco de un proyecto, se creó un algoritmo de aprendizaje (Convolutional Neural Networks) para segmentar automáticamente cortes de microescáner: después de tomar FPAS de miembros amputados, correlacionamos ex vivo imágenes de microescáner de las arterias con su histología. Luego, la correlación se realizó manualmente entre las imágenes del microescáner y las secciones histológicas obtenidas. El algoritmo se entrenará en estos sectores y se validará su rendimiento. La validación de la concordancia de la TC y el microescáner fue objeto de publicaciones científicas.