Studio e sviluppo di un pianificatore intelligente per biopsia tele-encefalica in neurochirurgia mini-invasiva

Brain cancer is one of the first ten reason of cancer death (1). It is a malignant and invalidating pathology. About 25.6% of the patients have a five years survival rate (2). About 60% of primary brain tumors are gliomas. They have an high mortality rate due to the ineffectiveness of the available treatments. Conventional neurosurgical techniques for brain tumors removal through craniotomies are sometimes not feasible. Invasive surgery in deep brain structures could involve serious lesions to functional areas of the patients. Other neuro-oncological therapies (like radiotherapy radiosurgery or chemotherapy) are tumor specific, therefore a preliminary histological analysis is needed (3). Brain biopsy is a widely used technique to carry out histological diagnosis also difficult access structures. The success rate of brain biopsy is 95%. Nevertheless, literature reveals an overall morbidity rate of 3.2% and a mortality rate of 0.6%. Brain biopsy is commonly carried out with Minimally Invasive Surgery techniques, also referred to as keyhole neurosurgery due to the small aperture on the skull. This reduces the surgical trauma but on the other hand a smaller incision means a limited field of view of the operative site for the surgeon; discriminating internal structures, like the presence of blood vessels can be difficult or not possible. For these reasons, MIS requires an accurate preoperative planning phase, to determine the best intervention strategy with the lowest risk for the patient. The preoperative planning phase involves the localization of the target structure through diagnostic images. There are many imaging software that support the surgeon with manual or automatic planning systems. Manual planning software aids the surgeon with 3D and 2D visualization providing a rich set of functions as atlas-based anatomical targeting or stereotactic trajectory planning (4) (5) (6) (7). The aim is to obtain accurate topographic relationships between target, entry area and other brain structures (e.g. functional areas, blood vessels etc.). Once target point and entry area are defined, the neurosurgeon has to manually draw the best trajectory and verify on 2D image slices that such path doesn’t cross sensible structures. Automatic planners sustain actively the neurosurgeon in choosing the operative strategy (8)(9). Developers try to indentify evaluation criteria and rules for path selection based on automatic research algorithm. For example the Neuropath planner (8) is a MIS neurosurgical planner that automatically searches for the best trajectory taking into account sensible tissues and blood vessels. However, the best surgical strategy is not based only on diagnostic images. In fact neurosurgeons integrate information based on their own knowledge and experience to accomplish the planning. This work was carried out within the European Community funded project ROBOCAST (FP7 ICT 215190) which stands for ROBOt and sensor integration for Computer Assisted Surgery and Therapy. ROBOCAST came to his end in February 2010 and was coordinated by the Bioengineering Department of the Politecnico di Milano. The project aim was to develop a robotic system to assist the surgeon during keyhole neurosurgery. In particular, within the ROBOCAST framework, the goal of this work was to realize an intelligent software for the pre-operative planning of telencephalon biopsy interventions. Most of the available automatic planners use only diagnostic images information (such as proximity to a vessel or limited crossing of brain structures) to determine the best path. The planner presented in this work is also able to integrate information based on neurosurgeon experience. Artificial Intelligence (AI) techniques were introduced to support the surgeon in choosing the path. The system is able to simulate the human decision-making process, coding medical knowledge into a set of rules. Each rule has effect on a specific anatomic area, and can prohibit, impose or advise the crossing. Through a graphical interface the operator loads the diagnostic images of the patient, and is able to select the target and one or more entry areas. Rules are stored in a database and can be easily modified, added or removed.. The planner associates a risk value to each path taking into account the potential damage that the probe would cause on the brain structures. The planner chooses the best path evaluating a cost function that includes contribution from different kind of risk related to each voxel. The parameters considered by the planner to identify the goodness of a path are the proximity of the probe to a blood vessel (vessel distance map), the crossing of critical anatomical areas and the total insertion length of the biopsy probe. It is also possible to add other useful information like the proximity of a nerve bundle (nerve distance map) or the presence of damaged structures. In order to evaluate the effectiveness of the algorithm a multilevel validation was performed. First, the best path was verified taking into account only the vessel distance map. Then the information about crossed areas was added to verify the effectiveness of the rules. The planner automatically discard all the paths in collision with a vessel while the risk value decreases exponentially with the distance from the nearest blood vessel. A patient-specific threshold was introduced based on single voxel risk. Exceeding such threshold the risk value is increased proportionally to the risk itself. In such a way the vessel distance contribution is dominant in case of proximity to a blood vessel, whereas, in case the vessel distance is considered safe, other factors such as the path length or the crossed areas will outweigh the vascular risk. An experienced neurosurgeon was asked to validate the planner, considering the effectiveness of the algorithm, user friendliness of the graphical interface and planning time. The interface was judged as intuitive and the planning time reasonable (about 15 minutes) although it can be reduced optimizing the algorithm. Future work involves the extension of the algorithm to other MIS applications like SEEG (Stereo ElectroEncephaloGraphy) or DBS (Deep Brain Stimulation), where multi-trajectory planning is needed and possible path collisions need to be avoided. In the first chapter of this manuscript the state of the art of MIS (in particular neurosurgical biopsy applications) and of automatic and manual planners will be described. In the second chapter the cost function will be analyzed in detail and the structure of the algorithm used to calculate the risk value will be described. The rules governing the algorithm and the management of possible logical conflict will also be presented. At the end of the chapter the validation protocol will be summarized. In the third chapter the results will be introduced with consequent discussion analyzing possible future works in chapter four.

Il cancro al cervello è tutt’oggi una tra le prime dieci cause di morte dovuta a tumore (1). Si tratta di una patologia molto aggressiva e invalidante. Il 25,6% dei pazienti malati ha una aspettativa di vita che non supera i cinque anni (2). Il 60% dei tumori primari sono gliomi, essi presentano ancora un alto tasso di mortalità a causa della scarsa efficacia dei trattamenti ad oggi disponibili. Le tecniche convenzionali neurochirurgiche per l’asportazione di tumori cerebrali tramite craniotomia risultano talvolta inapplicabili. Intervenire in maniera invasiva su zone profonde del cervello o su aree anatomo-funzionali sensibili, potrebbe comportare gravi deficit e lesioni per il paziente. Le terapie attuabili in campo neuro-oncologico (come ad esempio la radioterapia, la radiochirurgia o la chemioterapia) sono specifiche per la tipologia di tumore trattato, serve quindi un’indagine preliminare istologica per scegliere la strategia di trattamento ottimale (3). La biopsia cerebrale si inserisce in questo contesto, permettendo di effettuare indagini istologiche in zone difficilmente accessibili altrimenti. Nonostante il tasso di successo di questo intervento sia molto elevato (95%), una cattiva esecuzione dell’intervento può indurre serie complicazioni, lesioni o addirittura la morte del paziente (tassi di lesioni neurologiche 3,2%, mortalità dello 0,6%) (3). La biopsia neurochirurgica adotta di consueto tecniche mini-invasive (MIS, Minimally Invasive Surgery). Le tecniche MIS (dette anche keyhole) hanno infatti riscosso molto successo in ambito neurochirurgico; esse permettono di minimizzare l’impatto sul paziente di un intervento chirurgico, operando attraverso piccole aree di accesso in modo da salvaguardare il più possibile le strutture sane. Una piccola area di accesso comporta una visibilità diretta ridotta delle strutture su cui si interviene. Il chirurgo non può verificare visivamente su quali strutture sta agendo, rischiando di recidere vasi o fasci nervosi. Interventi di questo tipo richiedono un’attenta e accurata pianificazione pre-operatoria, per determinare la migliore strategia, a minor rischio per il paziente. La fase di pianificazione di un intervento neurochirurgico può avvenire in modo manuale o automatico. I pianificatori manuali supportano il medico nel determinare la strategia d’intervento basandosi sull’analisi di un dataset di immagini diagnostiche del paziente, tramite software di elaborazione e visualizzazione delle immagini. Essi spesso integrano informazioni provenienti da atlanti anatomici, per determinare una rigorosa classificazione di tutti i distretti cerebrali (4) (5) (6) (7). Lo scopo è un’accurata localizzazione delle strutture su cui intervenire ottenendo anche relazioni spaziali tra target, area di accesso e strutture anatomo-cerebrali. Il neurochirurgo deve però tracciare di persona la traiettoria ottimale, una volta determinato target e area di ingresso, verificando personalmente (slice per slice), dalle immagini 2D, che il percorso scelto non entri in collisione con strutture sensibili. I pianificatori automatici supportano attivamente il neurochirurgo nella scelta della strategia operativa (8) (9). Compito degli sviluppatori è quello di individuare dei criteri sulla base dei quali effettuare una scelta e giudicare la bontà di una traiettoria, attraverso opportuni algoritmi di ricerca automatica. Il Neuropath planner (8) ad esempio è un pianificatore neurochirurgico per MIS che compie una ricerca automatica del percorso ottimo, considerando la presenza di tessuti sensibili e vasi sanguigni. La scelta di una strategia di intervento ottimale da parte di un neurochirurgo non si basa però unicamente su dati di immagini diagnostiche; il medico integra una serie di informazioni che provengono dalle sue conoscenze ed esperienze pregresse, utili anch’esse ai fini della pianificazione. Il lavoro di tesi sviluppato si colloca all’interno di un progetto finanziato dalla Comunità Europea, ROBOCAST (FP7 ICT 215190), acronimo di ROBOt and sensor integration for Computer Assisted Surgery and Therapy, conclusosi nel Dicembre 2010 e coordinato dal Dipartimento di Bioingegneria del Politecnico di Milano. Il progetto ha portato alla realizzazione di un sistema robotico in grado di assistere il chirurgo durante tutte le fasi dell’intervento, dalla pianificazione fino alla sua esecuzione. Lo scopo del lavoro di tesi è consistito nello studio e nella realizzazione di un software esperto per la pianificazione preoperatoria di interventi di biopsia tele-encefalica. Rispetto ai pianificatori automatici esistenti, che utilizzano come criteri per discriminare la traiettoria ottimale unicamente informazioni provenienti da immagini diagnostiche, esso permette di integrare informazioni date dall’esperienza del chirurgo stesso, codificando la conoscenza del medico in un modo comprensibile da calcolatore. Sono state introdotte tecniche di intelligenza artificiale, per supportare il neurochirurgo nella scelta del piano operatorio, cercando di ottimizzare e velocizzare la procedura. Il sistema simula il processo decisionale umano, applicando una conoscenza medica espressa sotto forma di regole (un approccio risolutivo a un ipotetico problema di tipo euristico). Le regole sono relative ad una specifica area anatomica, e il comando associato può essere di divieto di attraversamento dell’area indicata oppure di attraversamento (imposto o consigliato). Tramite un’interfaccia grafica l’operatore carica le immagini diagnostiche del caso clinico da analizzare, selezionando il target da raggiungere e un’area di ingresso. Il software consente inoltre di accedere alle regole contenute in un database, potendo modificarle, rimuoverle o aggiungerne di nuove. Ad ogni traiettoria calcolata, il pianificatore associa un valore di rischio, indice del potenziale danneggiamento, da parte della sonda, nell’attraversare le strutture cerebrali incontrate. Il pianificatore determina qual è il percorso ottimale da seguire tramite una funzione di costo. Il fattore di rischio calcolato è dato dal contributo di diversi elementi. Ogni pianificazione considera come criterio per determinare la criticità di una traiettoria la vicinanza ai vasi sanguigni da parte della sonda (mappa delle distanze dai vasi), l’attraversamento di aree anatomo-funzionali più o meno critiche e la lunghezza complessiva di inserimento dello strumento per biopsia. A queste informazioni è poi possibile affiancare una serie di elementi aggiuntivi utili alla pianificazione, come ad esempio la vicinanza a fasci nervosi (mappa delle distanze dai fasci nervosi) oppure la presenza di eventuali aree lesionate da evitare. Per valutare l’efficacia dell’algoritmo, è stata eseguita una validazione su più livelli. Innanzitutto si è verificato come l’algoritmo affronta la scelta del percorso ottimale usando come unica informazione disponibile la mappa delle distanze vascolari. Si è poi verificato il comportamento aggiungendo l’informazione relativa al rischio di attraversamento di aree anatomo-funzionali, per poi verificare l’effettivo funzionamento del sistema esperto di gestione delle regole. Per quanto riguarda la gestione del rischio associato ai vasi, il pianificatore scarta tutte le traiettorie che entrano in collisione con una struttura vascolare. E’ stato considerato un margine di sicurezza assegnando un valore di rischio decrescente in maniera esponenziale con la distanza del voxel considerato dal vaso sanguigno più vicino. E’ stata introdotta anche una soglia (caratteristica per ogni paziente), imposta sul valore di rischio del singolo voxel considerato. Al di sopra della soglia il valore di rischio del voxel viene incrementato di un fattore proporzionale al suo stesso valore di rischio Il pianificatore è così in grado di pesare opportunamente il valore di rischio in caso di eccessiva vicinanza a un vaso, oppure di considerare maggiormente altri fattori, come ad esempio la lunghezza della traiettoria o le aree anatomiche attraversate, nel caso in cui la traiettoria sia a una distanza dalle strutture vascolari considerata sicura. Il pianificatore è stato sottoposto al giudizio di un neurochirurgo, in termini di efficacia dell’algoritmo, facilità di utilizzo dell’interfaccia e stima dei tempi di pianificazione. I risultati dimostrano che l’algoritmo è in grado di proporre la traiettoria a minor rischio per il paziente. L’interfaccia è stata giudicata intuitiva e i tempi di pianificazione accettabili (circa 15 minuti per ogni caso sottoposto al pianificatore) anche se riducibili ottimizzando l’algoritmo. Sviluppi al pianificatore descritto riguardano l’estensione del software ad altre applicazioni MIS come ad esempio la Stereo Elettroencefalografia (SEEG, Stereo ElectroEncephaloGraphy), o la Stimolazione Profonda del Cevello (DBS, Deep Brain Stimulation), permettendo la gestione di più traiettorie contemporaneamente e verificando il valore di rischio complessivo dato dalla configurazione, evitando possibili collisioni tra i diversi percorsi proposti. A seguire si analizzerà nel primo capitolo lo stato dell’arte relativo alla MIS (in particolare relativo biopsia neurochirurgica) ed ai pianificatori (manuali ed automatici); nel secondo, invece, si descriverà nel dettaglio la funzione di costo per la scelta della traiettoria ottimale e come è strutturato l’algoritmo di calcolo del fattore di rischio. Si passerà quindi ad approfondire l’algoritmo che si occupa della gestione delle regole associate alle diverse aree anatomiche e come vengono risolti eventuali conflitti logici dati dalla presenza di regole tra loro in contrapposizione. Nella parte finale di tale capitolo si descriverà la validazione effettuata. Nel terzo capitolo verranno descritti i risultati ottenuti dalla validazione stessa, per concludere con discussioni e sviluppi futuri.