Ultrasonografia wzmacniana kontrastem (CEUS) – przegląd najnowszych doniesień
Słowa kluczowe:
środki kontrastowe, ultrasonografia, CEUS, sztuczna inteligencja, obrazowanie diagnostyczneStreszczenie
Celem rozdziału było przedstawienie aktualnych możliwości, ograniczeń oraz perspektyw rozwoju ultrasonografii wzmacnianej kontrastem (CEUS) w diagnostyce różnych schorzeń. Autorzy dążyli do ukazania, jak CEUS, dzięki wykorzystaniu półpłynnego kontrastu, stanowi zaawansowaną technikę obrazowania, umożliwiającą szczegółową ocenę przepływu krwi i unaczynienia narządów w czasie rzeczywistym.
Rozdział omawia szeroki zakres zastosowań CEUS, obejmujący diagnostykę wątroby, trzustki, nerek, serca oraz ginekologii. Przykładowo, w diagnostyce wątroby CEUS umożliwia precyzyjną identyfikację zmian łagodnych i złośliwych dzięki specyficznym wzorcom kontrastowania. W przypadku trzustki, metoda ta pozwala na różnicowanie między zapaleniem a nowotworem. W diagnostyce nerek CEUS jest ceniony za brak nefrotoksyczności i możliwość oceny unaczynienia nawet u pacjentów z niewydolnością nerek. W kardiologii CEUS umożliwia dokładną ocenę wsierdzia i frakcji wyrzutowej serca, choć w Polsce jest to mniej powszechne zastosowanie. W ginekologii i położnictwie CEUS znajduje zastosowanie w badaniach HSG i różnicowaniu zmian jajnikowych, pomimo pewnych ograniczeń dotyczących stosowania u kobiet ciężarnych i karmiących.
Rozdział analizuje także ewolucję techniki CEUS, rozwój środków kontrastowych oraz integrację CEUS z technologiami sztucznej inteligencji (AI). AI i głębokie uczenie (DL) znacząco poprawiają dokładność diagnostyczną, przewyższając tradycyjne metody oceny obrazów medycznych. AI umożliwia również dokładniejsze monitorowanie terapii i prognozowanie wyników leczenia, co jest kluczowe dla poprawy wyników klinicznych.
Metody użyte w opracowaniu obejmują przegląd literatury oraz analizę dostępnych badań dotyczących CEUS i AI. Wyniki analizy wskazują na wysoką skuteczność CEUS w diagnostyce wielu schorzeń oraz na potencjał AI w zwiększaniu dokładności diagnostycznej i monitorowaniu terapii. Dyskusja obejmuje także ograniczenia CEUS, takie jak potrzeba specjalistycznego sprzętu i obecność dwóch osób do przeprowadzenia badania, co może zwiększać koszty i złożoność organizacyjną.
Główne wnioski rozdziału wskazują, że CEUS jest bezpieczną i efektywną metodą diagnostyczną z niskim ryzykiem działań niepożądanych, odpowiednią dla szerokiego zakresu pacjentów, w tym tych z niewydolnością nerek. Integracja CEUS z technologiami AI może znacząco poprawić dokładność diagnostyczną i efektywność leczenia. Perspektywy rozwoju CEUS obejmują dalsze innowacje w zakresie środków kontrastowych oraz integrację z innymi technologiami obrazowymi. CEUS stanowi więc zaawansowaną technikę obrazowania medycznego, która dzięki swoim unikalnym właściwościom i licznym zaletom zyskuje na znaczeniu w diagnostyce różnych schorzeń.
Bibliografia
Referencje
Moore C. Current Issues with Emergency Cardiac Ultrasound Probe and Image Conventions. Academic Emergency Medicine. 2008;15(3):278-284. doi:10.1111/j.1553-2712.2008.00052.x
Aldrich JE. Basic physics of ultrasound imaging. Critical Care Medicine. 2007;35(5):S131. doi:10.1097/01.CCM.0000260624.99430.22
Postema M, Kotopoulis S, Jenderka KV. Physical Principles of Medical Ultrasound. In: EFSUMB Coursebook on Ultrasound. 2nd ed. EFSUMB; 2020:1-23. doi:10.37713/ECB01
Cobbold RSC. Foundations of Biomedical Ultrasound. Oxford University Press; 2006.
Postema M. Fundamentals of Medical Ultrasonics. CRC Press; 2014. doi:10.1201/9781482266641
Moore Christopher L., Copel Joshua A. Point-of-Care Ultrasonography. New England Journal of Medicine. 2011;364(8):749-757. doi:10.1056/NEJMra0909487
Rao S, van Holsbeeck L, Musial JL, et al. A pilot study of comprehensive ultrasound education at the Wayne State University School of Medicine: a pioneer year review. J Ultrasound Med. 2008;27(5):745-749. doi:10.7863/jum.2008.27.5.745
Streb JW, Tchelepi H, Malhi H, Deurdulian C, Grant EG. Retrospective Analysis of Contrast-enhanced Ultrasonography Effectiveness in Reducing Time to Diagnosis and Imaging-related Expenditures at a Single Large United States County Hospital. Ultrasound Quarterly. 2019;35(2):99. doi:10.1097/RUQ.0000000000000375
Albrecht T, Blomley M, Bolondi L, et al. Guidelines for the use of contrast agents in ultrasound. January 2004. Ultraschall Med. 2004;25(4):249-256. doi:10.1055/s-2004-813245
Strobel D, Seitz K, Blank W, et al. Contrast-enhanced Ultrasound for the Characterization of Focal Liver Lesions – Diagnostic Accuracy in Clinical Practice (DEGUM multicenter trial). Ultraschall Med. 2008;29(5):499-505. doi:10.1055/s-2008-1027806
Malagò R, D’Onofrio M, Zamboni GA, et al. Contrast-enhanced sonography of nonfunctioning pancreatic neuroendocrine tumors. AJR Am J Roentgenol. 2009;192(2):424-430. doi:10.2214/AJR.07.4043
Harvey CJ, Alsafi A, Kuzmich S, et al. Role of US Contrast Agents in the Assessment of Indeterminate Solid and Cystic Lesions in Native and Transplant Kidneys. Radiographics. 2015;35(5):1419-1430. doi:10.1148/rg.2015140222
Kołodziejczak R. ULTRASONOGRAFIA KONTRASTOWA.
Singh S, Goyal A. The Origin of Echocardiography. Tex Heart Inst J. 2007;34(4):431-438.
LeVine H, III HL. Medical Imaging. Bloomsbury Academic; 2010.
Edler I, Lindström K. The history of echocardiography. Ultrasound Med Biol. 2004;30(12):1565-1644. doi:10.1016/S0301-5629(99)00056-3
Donald I, Macvicar J, Brown TG. INVESTIGATION OF ABDOMINAL MASSES BY PULSED ULTRASOUND. The Lancet. 1958;271(7032):1188-1195. doi:10.1016/S0140-6736(58)91905-6
Dussik KT. [Ultrasound diagnostics, especially for brain diseases, using hyperphonography]. Z Phys Ther Bader Klimanheikd. 1948;1(9-10):140-145.
Campbell S. A Short History of Sonography in Obstetrics and Gynaecology. Facts Views Vis Obgyn. 2013;5(3):213-229.
Griffiths KA. An historical look at ultrasound as an Australian innovation on the occasion of the ultrasound stamp issued by Australia Post – 18 May 2004.
Chung YE, Kim KW. Contrast-enhanced ultrasonography: advance and current status in abdominal imaging. Ultrasonography. 2015;34(1):3-18. doi:10.14366/usg.14034
Gramiak R, Shah PM. Echocardiography of the Aortic Root. Investigative Radiology. 1968;3(5):356.
Claudon M, Dietrich CF, Choi BI, et al. Guidelines and Good Clinical Practice Recommendations for Contrast Enhanced Ultrasound (CEUS) in the Liver – Update 2012. Ultrasound in Medicine & Biology. 2013;39(2):187-210. doi:10.1016/j.ultrasmedbio.2012.09.002
Fei X, Han P, Jiang B, et al. High Frame Rate Contrast-enhanced Ultrasound Helps Differentiate Malignant and Benign Focal Liver Lesions. J Clin Transl Hepatol. 2022;10(1):26-33. doi:10.14218/JCTH.2020.00172
Barr RG. How to Develop a Contrast-Enhanced Ultrasound Program. J Ultrasound Med. 2017;36(6):1225-1240. doi:10.7863/ultra.16.09045
Kim TK, Noh SY, Wilson SR, et al. Contrast-enhanced ultrasound (CEUS) liver imaging reporting and data system (LI-RADS) 2017 – a review of important differences compared to the CT/MRI system. Clin Mol Hepatol. 2017;23(4):280-289. doi:10.3350/cmh.2017.0037
DailyMed - DEFINITY- perflutren injection, suspension. Accessed May 31, 2024. https://dailymed.nlm.nih.gov/dailymed/drugInfo.cfm?setid=8ab9c79c-1b5c-4e86-899c-cc74686f070a
Luminity | European Medicines Agency. Accessed May 31, 2024. https://www.ema.europa.eu/en/medicines/human/EPAR/luminity
Klibanov AL. Ligand-Carrying Gas-Filled Microbubbles: Ultrasound Contrast Agents for Targeted Molecular Imaging. Bioconjugate Chem. 2005;16(1):9-17. doi:10.1021/bc049898y
Erlichman DB, Weiss A, Koenigsberg M, Stein MW. Contrast enhanced ultrasound: A review of radiology applications. Clin Imaging. 2020;60(2):209-215. doi:10.1016/j.clinimag.2019.12.013
Klibanov AL. Targeted delivery of gas-filled microspheres, contrast agents for ultrasound imaging. Advanced Drug Delivery Reviews. 1999;37(1):139-157. doi:10.1016/S0169-409X(98)00104-5
Stride E, Segers T, Lajoinie G, et al. Microbubble Agents: New Directions. Ultrasound in Medicine & Biology. 2020;46(6):1326-1343. doi:10.1016/j.ultrasmedbio.2020.01.027
Borden MA, Dayton PA, Slagle C, Walmer RW. Chapter 35 - Ultrasound Contrast Agents. In: Ross BD, Gambhir SS, eds. Molecular Imaging (Second Edition). Academic Press; 2021:639-653. doi:10.1016/B978-0-12-816386-3.00038-7
Wu K, Chen X, Ding M. Deep learning based classification of focal liver lesions with contrast-enhanced ultrasound. Optik. 2014;125(15):4057-4063. doi:10.1016/j.ijleo.2014.01.114
Feng X, Cai W, Zheng R, et al. Diagnosis of hepatocellular carcinoma using deep network with multi-view enhanced patterns mined in contrast-enhanced ultrasound data. Engineering Applications of Artificial Intelligence. 2023;118:105635. doi:10.1016/j.engappai.2022.105635
Sun X, Lu Q. Contrast-enhanced ultrasound in optimization of treatment plans for diabetic nephropathy patients based on deep learning. J Supercomput. 2022;78(3):3539-3560. doi:10.1007/s11227-021-04002-0
Zhang Q, Liu Y, Han H, Shi J, Wang W. Artificial Intelligence Based Diagnosis for Cervical Lymph Node Malignancy Using the Point-Wise Gated Boltzmann Machine. IEEE Access. 2018;6:60605-60612. doi:10.1109/ACCESS.2018.2873043
Kielaite-Gulla A, Samuilis A, Raisutis R, Dzemyda G, Strupas K. The Concept of AI-Based Algorithm: Analysis of CEUS Images and HSPs for Identification of Early Parenchymal Changes in Severe Acute Pancreatitis. Informatica. 2021;32(2):305-319. doi:10.15388/21-INFOR453
Interpretable Machine Learning for Characterization of Focal Liver Lesions by Contrast-Enhanced Ultrasound | IEEE Journals & Magazine | IEEE Xplore. Accessed May 31, 2024. https://ieeexplore.ieee.org/document/9740202
Wildeboer RR, Mannaerts CK, van Sloun RJG, et al. Automated multiparametric localization of prostate cancer based on B-mode, shear-wave elastography, and contrast-enhanced ultrasound radiomics. Eur Radiol. 2020;30(2):806-815. doi:10.1007/s00330-019-06436-w
Guang Y, He W, Ning B, et al. Deep learning-based carotid plaque vulnerability classification with multicentre contrast-enhanced ultrasound video: a comparative diagnostic study. BMJ Open. 2021;11(8):e047528. doi:10.1136/bmjopen-2020-047528
Varghese BA, Lee S, Cen S, et al. Characterizing breast masses using an integrative framework of machine learning and CEUS-based radiomics. J Ultrasound. 2022;25(3):699-708. doi:10.1007/s40477-021-00651-2
Gong Z jing, Xin J, Yin J, et al. Diagnostic Value of Artificial Intelligence-Assistant Diagnostic System Combined With Contrast-Enhanced Ultrasound in Thyroid TI-RADS 4 Nodules. Journal of Ultrasound in Medicine. 2023;42(7):1527-1535. doi:10.1002/jum.16170
Wang Y, Xu Z, Tang L, Zhang Q, Chen M. The Clinical Application of Artificial Intelligence Assisted Contrast-Enhanced Ultrasound on BI-RADS Category 4 Breast Lesions. Academic Radiology. 2023;30:S104-S113. doi:10.1016/j.acra.2023.03.005
Yu H, Liang X, Zhang M, et al. LN-Net: Perfusion Pattern-Guided Deep Learning for Lymph Node Metastasis Diagnosis Based on Contrast-Enhanced Ultrasound Videos. Ultrasound in Medicine & Biology. 2023;49(5):1248-1258. doi:10.1016/j.ultrasmedbio.2023.01.010
Tang A, Tian L, Gao K, et al. Contrast-enhanced harmonic endoscopic ultrasound (CH-EUS) MASTER: A novel deep learning-based system in pancreatic mass diagnosis. Cancer Medicine. 2023;12(7):7962-7973. doi:10.1002/cam4.5578
Mămuleanu M, Urhuț CM, Săndulescu LD, et al. An Automated Method for Classifying Liver Lesions in Contrast-Enhanced Ultrasound Imaging Based on Deep Learning Algorithms. Diagnostics. 2023;13(6):1062. doi:10.3390/diagnostics13061062
Jung EM, Stroszczynski C, Jung F. Advanced multimodal imaging of solid thyroid lesions with artificial intelligence-optimized B-mode, elastography, and contrast-enhanced ultrasonography parametric and with perfusion imaging: Initial results. Clinical Hemorheology and Microcirculation. 2023;84(2):227-236. doi:10.3233/CH-239102
Tong T, Gu J, Xu D, et al. Deep learning radiomics based on contrast-enhanced ultrasound images for assisted diagnosis of pancreatic ductal adenocarcinoma and chronic pancreatitis. BMC Medicine. 2022;20(1):74. doi:10.1186/s12916-022-02258-8
Tanaka H, Kamata K, Ishihara R, et al. Value of artificial intelligence with novel tumor tracking technology in the diagnosis of gastric submucosal tumors by contrast-enhanced harmonic endoscopic ultrasonography. Journal of Gastroenterology and Hepatology. 2022;37(5):841-846. doi:10.1111/jgh.15780
Luo Y, Qin LK, Yan JW, et al. Classification of contrast-enhanced ultrasonograms in rectal cancer according to tumor inhomogeneity using machine learning-based texture analysis. Translational Cancer Research. 2022;11(5). doi:10.21037/tcr-21-2362
Xu D, Liu R, Xu H, et al. Adoption of Two-Dimensional Ultrasound Gastrointestinal Filling Contrast on Artificial Intelligence Algorithm in Clinical Diagnosis of Gastric Cancer. Computational and Mathematical Methods in Medicine. 2022;2022:e7385344. doi:10.1155/2022/7385344
Hu HT, Wang W, Chen LD, et al. Artificial intelligence assists identifying malignant versus benign liver lesions using contrast-enhanced ultrasound. Journal of Gastroenterology and Hepatology. 2021;36(10):2875-2883. doi:10.1111/jgh.15522
Iwasa Y, Iwashita T, Takeuchi Y, et al. Automatic Segmentation of Pancreatic Tumors Using Deep Learning on a Video Image of Contrast-Enhanced Endoscopic Ultrasound. Journal of Clinical Medicine. 2021;10(16):3589. doi:10.3390/jcm10163589
Liu F, Liu D, Wang K, et al. Deep Learning Radiomics Based on Contrast-Enhanced Ultrasound Might Optimize Curative Treatments for Very-Early or Early-Stage Hepatocellular Carcinoma Patients. Liver Cancer. 2020;9(4):397-413. doi:10.1159/000505694
Liu D, Liu F, Xie X, et al. Accurate prediction of responses to transarterial chemoembolization for patients with hepatocellular carcinoma by using artificial intelligence in contrast-enhanced ultrasound. Eur Radiol. 2020;30(4):2365-2376. doi:10.1007/s00330-019-06553-6
Opublikowane
23 września 2024
Prawa autorskie (c) 2024 Łukasz Czogalik
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
