A Fundação Física de Imagens de Ressonância Magnética

A ressonância magnética (MRI) tem sido uma pedra angular dos diagnósticos médicos, oferecendo imagens de tecidos moles de alta resolução e não invasivas. No seu núcleo, a RM explora a propriedade mecânica quântica do spin possuído por núcleos de hidrogênio (prótons) em água e gordura. Quando colocadas em um campo magnético estático forte, estes spins se alinham e se precessos na frequência Larmor, proporcional à força do campo. Um pulso de radiofrequência (RF) sintonizado a essa frequência, inclina a magnetização do spin no plano transversal. Após o pulso cessar, os spins relaxam para o equilíbrio através de dois processos independentes: recuperação longitudinal (relaxo T1) e decaimento transversal (relacionamento T2/T2*). Estes tempos de relaxamento são sensíveis ao ambiente bioquímico e estrutural local e variam significativamente entre os tecidos. A detecção de sinais ocorre através de bobinas receptoras e a codificação espacial é obtida através de campos de gradiente, permitindo a reconstrução de imagens anatômicas.

Apesar do seu poder, a RM convencional é em grande parte qualitativa. O contraste de imagem depende dos parâmetros de digitalização (tempo de repetição TR, tempo de eco TE, ângulo de flip), que são escolhidos para enfatizar diferenças em T1, T2 ou densidade de prótons (PD). As imagens resultantes contêm intensidades de sinal relativas que não são reprodutíveis em scanners, locais ou tempo. Um sinal T1 baixo em uma varredura pode aparecer alto em outra devido às diferenças na carga da bobina, configurações de ganho ou parâmetros de sequência. Esta natureza qualitativa limita a capacidade de realizar comparações longitudinais, ensaios multicêntricos ou caracterização de tecido absoluto.

Limitações da RM qualitativa

Radiólogos dependem do reconhecimento de padrões e interpretação subjetiva das diferenças de contraste. Mudanças sutis na doença - como edema, inflamação ou fibrose precoce - podem ser perdidas se o contraste não for otimizado. Além disso, a variabilidade interobservador é uma questão conhecida. Abordagens quantitativas foram desenvolvidas (mapeamento T1, mapeamento T2, imagem de tensor de difusão), mas a maioria requer várias aquisições separadas, prolongando o tempo de varredura e introduzindo artefatos de movimento. Mesmo esses métodos são frequentemente mapas paramétricos de uma única propriedade, faltando a riqueza de informações multiparamétricas. A impressão digital de ressonância magnética (RMF) foi introduzida para superar essas limitações, medindo simultaneamente propriedades múltiplas de tecido em uma única aquisição rápida usando um paradigma fundamentalmente diferente enraizada na física.

O que é impressão digital de ressonância magnética?

A impressão digital de ressonância magnética, descrita pela primeira vez por Ma et al. em 2013 (]Natureza, 2013, reimagina a RM como um problema de reconhecimento de padrões em vez de um problema de formação de imagens. Em vez de produzir imagens com contraste fixo, o MRF gera uma evolução única do sinal temporal – uma impressão digital – para cada voxel, aplicando uma sequência continuamente variável de pulsos de RF, ângulos de inversão e momentos de gradiente. Esta aquisição pseudo-random faz com que a magnetização siga uma trajetória complexa, dependente de tecido que codifica múltiplas propriedades intrínsecas simultaneamente (T1, T2, PD, off-ressonância, e às vezes outras). A evolução do sinal medida é então comparada com um grande dicionário pré-computado de sinais gerado a partir de um modelo físico de equação de Bloch. A melhor entrada do dicionário de correspondência produz os valores quantitativos de propriedade para esse voxel. O resultado é um conjunto de mapas paramétricos que são inerentemente co-registrados, inerentemente quantitativamente, e adquirido em uma fração do tempo necessário para o mapeamento para mapeamento multiparamétrico convencional.

O nome "impressão digital" reflete a ideia de que a evolução do sinal é tão única quanto uma impressão digital humana - tecidos diferentes (por exemplo, matéria cinzenta, matéria branca, líquido cefalorraquidiano) produzem padrões temporais distintos que podem ser reconhecidos e classificados.

Design de sequência de pulso conduzido por física

O coração do MRF está na física da dinâmica de spin. A aquisição utiliza uma sequência de pulsos de RF variáveis (ângulos de flip de perto de zero a 180 graus) com tempos de repetição variáveis (TRs) e ordens de codificação de gradientes. Esta irregularidade deliberada garante que a magnetização nunca atinge o estado estacionário, fazendo com que a evolução do sinal dependa não linearmente dos parâmetros do tecido subjacentes. Por exemplo, na implementação original do MRF, foi usada uma trajectória espiral k- espaço com um padrão de 500 ou mais pontos de tempo, cada um com um ângulo de flip diferente e TR. A sequência específica foi desenhada para maximizar a sensibilidade do sinal às variações em T1, T2 e desressonância, sendo também robusta às imperfeições do sistema, como as inomogeneidades B0 e B1.

As equações Bloch, as equações diferenciais fundamentais que descrevem a magnetização nuclear num campo magnético, são usadas para simular a evolução do sinal para cada possível combinação de parâmetros. Este dicionário pode conter milhões de entradas. O modelo físico incorpora efeitos como formas de pulso de RF, relaxamento, difusão e até mesmo fluxo sanguíneo, se a perfusão for desejada. Ao garantir que a aquisição e simulação compartilhem os mesmos passos de tempo, o dicionário pode prever o sinal exato que seria observado para um determinado voxel em condições ideais. O processo de correspondência pode ser realizado usando modelos de correspondência (correlação cruzada) ou métodos mais avançados, como a decomposição de valor singular (SVD) para reduzir o tamanho do dicionário. A física garante que o dicionário representa com precisão a realidade, tornando o MRF um método genuinamente quantitativo.

Codificação simultânea de vários parâmetros

Como a impressão digital integra T1, T2 e PD em uma única evolução, o MRF pode produzir todos os três mapas de uma aquisição. Esta é uma grande vantagem sobre o mapeamento quantitativo convencional, que normalmente requer sequências separadas para cada parâmetro (por exemplo, inversão-recuperação para T1, multi-eco spin echo eco para T2). Parâmetros adicionais como mapa de campo B0, B1+ transmitir campo, e até mesmo perfusão ou difusão pode ser incorporado, estendendo a sequência de pulso e dimensão do dicionário. Esta capacidade de obter múltiplos mapas quantitativos simultaneamente sem o tempo extra de varredura é um benefício chave.

Como MRF Quantifica Propriedades do Tecido

Após a aquisição, os dados do espaço k bruto são reconstruídos numa série temporal de imagens usando uma janela deslizante ou reconstrução de sensoriamento comprimido (devido a dados subamostrados). Cada voxel agora tem uma série temporal de valores de sinal, tipicamente 100–1000 pontos temporais. Este sinal medido é normalizado e comparado a cada entrada no dicionário. A correspondência é normalmente avaliada pelo produto ou coeficiente de correlação de pontos. A entrada do dicionário com a maior correlação fornece os valores quantitativos T1, T2 e PD para esse voxel. Opcionalmente, um item do dicionário também pode incluir frequência de ressonância (relacionada com a inhomogeneidade B0) e o fator de escala B1.

Como o dicionário é gerado a partir de simulações de física, os valores são absolutos e reprodutíveis. Por exemplo, T1 de matéria branca saudável em 3T é aproximadamente 1000-1100 ms, T2 em torno de 60-70 ms. Um tumor com T1 prolongado e T2 irá mudar a impressão digital de acordo. Os mapas paramétricos são então exibidos como imagens de cor ou escala de cinza, permitindo que os clínicos vejam a distribuição espacial de cada propriedade.

A natureza quantitativa da MRF suporta a caracterização tecidual objetiva, e estudos têm demonstrado que a MRF pode diferenciar entre tecido cerebral normal e lesões na esclerose múltipla, entre graus tumorais em gliomas e entre miocárdio saudável e fibrótico em imagem cardíaca, pois os valores são absolutos, podem ser comparados entre os pacientes e o tempo, facilitando o monitoramento da doença e a avaliação da resposta terapêutica.

Exemplo de correspondência de impressões digitais

Considere um voxel contendo líquido cefalorraquidiano puro (CSF). O LCR tem T1 muito longo (~3000–4000 ms a 3T) e T2 longo (~2000 ms). A evolução do sinal sob a sequência MRF irá mostrar uma recuperação lenta após cada pulso de inversão, e o padrão de picos e vales será distinto do da matéria cinzenta (T1, menor T2). O dicionário contém uma entrada simulada para esses valores exatos T1/T2. O algoritmo correspondente encontra a correspondência mais próxima, e os mapas paramétricos resultantes mostram valores quantitativos apropriados. Este processo é repetido para cada voxel no volume de imagem, gerando mapas completos em minutos.

Aplicações e Benefícios Clínicos

Imagem do Encefálico

A MRF tem sido extensivamente estudada em neuroimagem, podendo gerar mapas T1, T2 e DP de todo o cérebro em menos de um minuto, com resolução de sub-milímetros.

  • Esclerose múltipla: As lesões apresentam valores elevados de T1 e T2 em comparação com a substância branca normal. A MRF pode quantificar a carga da lesão e diferenciar as lesões ativas das crônicas.
  • Tumores cerebrais: O Glioblastoma multiforme frequentemente demonstra prolongamento T1 e T2, enquanto gliomas de baixo grau podem ter assinaturas diferentes. MRF ajuda na classificação e na distinção da recorrência tumoral da necrose de radiação.
  • Doenças neurodegenerativas: As alterações em T1 e T2 nos núcleos de matéria cinzenta profunda podem correlacionar-se com o declínio cognitivo na doença de Alzheimer.

Imagem Cardíaca

No coração, T1 e T2 do miocárdio são marcadores de fibrose, edema e sobrecarga de ferro. A RM cardíaca convencional requer longas respirações e múltiplas aquisições. A MRF pode mapear o miocárdio em uma única respiração (cerca de 15-20 batimentos cardíacos), fornecendo mapas simultâneos de T1 e T2, particularmente valiosos para detectar miocardite aguda (T1 e T2) e infarto crônico (T1 elevados normais T2). Pacientes com amiloidose cardíaca apresentam acentuada elevação miocárdica T1, que pode ser quantificada com MRF.

Imagem abdominal e pélvica

A MRF hepática pode medir T1 e T2 para avaliar fibrose e esteatose, podendo ser obtida através de mapas de textura de MRF que distinguem o tumor do tecido benigno. A MRF tem sido aplicada em 3T e 1,5T, e estão em andamento esforços para padronizar protocolos entre fornecedores.

O principal benefício da MRF em todas as aplicações é a reprodutibilidade. Como a saída da sequência é independente das configurações do operador e da variação do dia-a-dia do scanner, a MRF permite verdadeiros ensaios clínicos multicêntricos e monitoramento longitudinal do paciente. Também reduz o tempo de varredura – uma aquisição típica de MRF cerebral é de 30 a 60 segundos em comparação com 10 a 15 minutos para múltiplas sequências de mapeamento paramétrico convencionais.

Desafios e Limitações

Apesar da promessa, o MRF enfrenta vários obstáculos. O dicionário pode tornar-se enorme quando inclui múltiplos parâmetros (por exemplo, T1, T2, PD, B0, B1). Um dicionário 5D ingênuo com 100 valores cada um conteria 10^10 entradas, que é computacionalmente intratável. Implementações práticas reduzem a dimensionalidade usando esparsidade (por exemplo, apenas um subconjunto de combinações é fisiologicamente plausível) ou usando aproximações de baixo nível como a SVD. A reconstrução de sensoriamento comprimido e imagem paralela aceleram ainda mais a aquisição. O movimento é outro desafio: o movimento do paciente durante a aquisição longa (embora curto em comparação com outros protocolos) pode corromper a impressão digital. Métodos como decomposição de baixo escalão mais esparsa ou correção de movimento retrospectivo estão sendo desenvolvidos.

Outra limitação é a necessidade de modelos físicos precisos. Se o dicionário não explicar as não-idealidades do sistema (por exemplo, correntes de eddy, não-linearidades de gradiente, imperfeições de pulso de RF), a correspondência pode gerar estimativas tendenciosas. São necessárias calibrações específicas do fornecedor e otimização de sequências. Além disso, o algoritmo de correspondência é sensível ao ruído; a uma relação sinal-ruído muito baixa (SNR), as impressões digitais tornam-se ambíguas. Pesquisa sobre a inversão profunda de impressões digitais baseada em aprendizagem ( por exemplo, MRF com redes neurais) promete abordar robustez e velocidade do ruído.

A padronização continua sendo uma área ativa. Embora o MRF seja inerentemente quantitativo, os valores exatos obtidos podem variar com o desenho de sequência (por exemplo, número de pontos de tempo, padrões de ângulo de flip). Diferenças intervendores existem, mas iniciativas de consenso como a Quantitative Imaging Biomarkers Alliance (QIBA) estão trabalhando para padronizar os protocolos MRF. Finalmente, reembolso e aprovação regulatória para novos biomarcadores quantitativos de imagem ainda estão atrasados em relação à pesquisa clínica.

Instruções futuras

O MRF não é uma tecnologia estática; continua a evoluir rapidamente. O aprendizado profundo começou a substituir o passo de correspondência do dicionário por uma rede neural que prediz diretamente as propriedades do tecido a partir da evolução do sinal. Isso reduz o tempo de computação de minutos a milissegundos e pode incorporar conhecimento prévio. Outra direção é o "sensor comprimido MRF", onde fatores de sub-amostragem de 20-50 são alcançados usando antecedentes de esparsidade. O MRF em tempo real com trajetórias espiraladas ou eco-planar rápidas pode permitir imagens dinâmicas de órgãos em movimento.

Extensões multiparamétricas estão sendo exploradas: MRF com codificação de difusão (D-MRF) pode simultaneamente mapear T1, T2 e coeficiente de difusão aparente (ADC). Transferência de saturação de troca química (CEST) pode ser integrada para medir pH ou concentrações de metabólitos. MRF para mapeamento de suscetibilidade quantitativa (QSM) também está sob investigação. Estas abordagens avançadas prometem caracterizar tecidos a nível molecular, ampliando ainda mais o papel da física na RM.

No nível de hardware, a RM 7T de campo ultra-alto oferece maior SNR e resolução, mas também mais grave inhomogeneidade B1. A robustez inerente da MRF à inhomogeneidade B1 (através da estimativa de parâmetros) torna-a um candidato ideal para aplicações 7T. MRF de corpo inteiro (Feiweier et al., 2020) demonstra viabilidade para triagem multi-orgânica em uma única sessão.

Conclusão

A impressão digital de ressonância magnética representa uma mudança de paradigma da imagem qualitativa baseada em contraste para a caracterização quantitativa de tecidos orientada pela física. Ao alavancar os princípios da física de ressonância magnética para criar impressões digitais de sinais únicas, o MRF oferece mapas simultâneos T1, T2 e PD em uma aquisição curta e única. A técnica reduz a subjetividade, melhora a reprodutibilidade e permite novas insights clínicos em neurologia, cardiologia, oncologia e além. Embora os desafios permaneçam em tamanho, movimento e padronização de dicionários, avanços contínuos em algoritmos de reconstrução, aprendizado de máquinas e projeto de sequência de pulsos prometem fazer do MRF uma ferramenta padrão no arsenal do radiologista. Para aqueles interessados nos detalhes técnicos, o artigo original de Ma et al. (2013) e revisões subsequentes fornecem uma visão profunda da física e engenharia do MRF ( Panda et al., Radiologia 2021).