Nombre de los autores:
John Fredy Ochoa, Jon Edison Duque, John Fernando Bedoya, Sergio Vargas, Diego A. Herrera.

Institución:
CEDIMED – Universidad de Antioquia – GIBIC

Introducción: El contenido cerebral de hierro aumenta en condiciones normales con la edad, particularmente en los núcleos basales. También se han descrito depósitos anormales en patologías neurodegenerativas como la enfermedad de Parkinson, esclerosis múltiple, enfermedad de Huntington, esclerosis lateral amiotrófica  y la neurodegeneración asociada a pantotenato kinasa (síndrome de Hallervorden-Spatz) (1-6). Por lo anterior, la cuantificación de los niveles de hierro podría ser una herramienta útil para el diagnóstico y seguimiento de dichas enfermedades.

La imagen de susceptibilidad (SWI) es una nueva técnica de imagen por Resonancia Magnética que utiliza las diferencias de susceptibilidad magnética del tejido para generar un contraste único (7). Entre sus aplicaciones se ha descrito recientemente (8, 9), su utilidad para cuantificar el hierro cerebral. El propósito de este trabajo es introducir la técnica de mapeo de fase mediante SWI para calcular el contenido de hierro en las diferentes estructuras del cerebro.

Materiales y métodos: Con un resonador Siemens Avanto (Erlangen, Alemania) de 1.5 T, se adquirieron secuencias T1 3D MP-RAGE, T2 axial y FLAIR axial en un tres voluntarios sanos de 28 (voluntario1), 38 (voluntario2) y 66(voluntario3) años, un hombre y dos mujeres respectivamente, con examen físico normal, sin antecedentes de enfermedad neurológica, ni trauma craneano. Dos neurorradiólogos(D.A.H., S.A.V.) revisaron las imágenes anatómicas para descartar patología.

Para la cuantificación de hierro se realizarontres secuencias SWI, una para cada voluntario, con los siguientes parámetros:

Voluntario1: 64 cortes con grosor de 2 mm, sin gap, FOV de 256 mm, matrix de 512 x 256, TR/TE de 57/40 y flipangle de 25°, 2 promedios, tiempo de adquisición 14:36,  generándose imágenes de susceptibilidad, magnitud, proyección de mínima intensidad y fase.

Voluntario2: 48 cortes con grosor de 2 mm, sin gap, FOV de 256 mm, matrix de 1024 x 800, TR/TE de 85/35 y flipangle de 15°, 2 promedios, tiempo de adquisición 14:36,  generándose imágenes de susceptibilidad, magnitud, proyección de mínima intensidad y fase.

Voluntario3: 48 cortes con grosor de 3 mm, sin gap, FOV de 256 mm, matrix de 256 x 200, TR/TE de 85/35 y flipangle de 15°, 1 promedio, tiempo de adquisición 14:36,  generándose imágenes de susceptibilidad, magnitud, proyección de mínima intensidad y fase.

La figura 1 muestra las imágenes de fase para los pacientes en el orden presentado y la figura 2 muestra las imágenes de magnitud.

Figura 1. Corte axial de las imágenes de fase para los diferentes voluntarios

Figura 2. Corte axial de las imágenes de magnitud para los diferentes voluntarios

A partir de la secuencia de fase se obtuvo una nueva secuencia, la fase desempacada, usando el software PRELUDE que se encuentra en el entorno de procesamiento de neuroimagen FSL(10). Para poder realizar el procesamiento en el software PRELUDE fue necesario cambiar el rango de intensidades de las imágenes de fase de [-4096,4096], su rango original, a [-3.14,3.14]. El objetivo de procesar la secuencia de fase con PRELUDE es eliminar los artefactos, conocidos como alias, que se generan debido a las inhomogeneidades del campo magnético. La figura 3 muestra las imágenes de fase desempacada. Este primer procedimiento también permite resaltar las estructuras en la imagen al aumentar la definición de los bordes de las mismas.

Figura 3. Corte axial de las secuencias de fase de los diferentes pacientes procesadas mediante el programa PRELUDE.

Una vez obtenida la fase desempacada se proceso con un filtro pasa-altas tipo Hanning, realizado con dos diferentes ventanas de 64×64 y 96×96 usando el software SPIN (11). Se debe resaltar que las imágenes desempacadas del voluntario 2 no fue posible procesarlas usando el programa SPIN, posiblemente por el tamaño de la matrix. La figura 4 muestra las imágenes obtenidas para el voluntario 1 y la figura 5 las imágenes del voluntario 2.

Figura 4. Corte axial de las imágenes del voluntario 2 desempacadas y filtradas con filtro pasa-altas Hanning de 64×64 y 96×96 respectivamente

Como el objetivo del filtro pasa-altas era aumentar el contraste de las imágenes de fase desempacada se escogió la secuencia del voluntario 2 para la medición de hierro ya que en está secuencia se obtuvo los mejores resultados para el esquema de procesamiento planteado.

Resultados:

En esta primera fase fue posible discriminar los valores de fase para segmentos de sustancia blanca, sustancia gris, liquido cefalorraquídeo y núcleo rojo.Los valores se encuentran en concordancia con los valores propuestos en la literatura (11), en cuanto a la relación de magnitudes para las diferentes regiones de interés donde a medida que disminuye el valor, mayor es la concentración de hierro.

Conclusiones:

La técnica descrita aún se encuentra en una fase muy temprana de desarrollo, sin embargo, los resultados obtenidos para sustancia gris, sustancia blanca, líquido cefalorraquídeo y núcleo rojo abren la posibilidad de un análisis posterior de otras regiones y una definición más clara y automática del proceso. Se debe tener en cuenta la necesidad de realizar las mediciones con más individuos y en especial en sujetos con estados.

El hecho de que la definición de las regiones de interés sea un proceso manual puede estar relacionado con la diferencia con los valores reportados. En este punto vuelve a ser importante el desarrollo posterior de la prueba con más individuos, con un diseño experimental que permita obtener valores con mayor significancia estadística.

Se destaca en el estudio el uso de herramientas de libre distribución como son el software SPIN y FSL 

Referencias

1.    Haacke EM, ChengNY, House MJ, et al. Imaging ironstores in thebrainusingmagneticresonanceimaging. MagnReson Imaging 2005;23:1–25.

2.    Harder SL, Hopp KM, Ward H, et al. Mineralization of the deep gray matter with age: a retrospective review with susceptibility-weighted MR imaging. AJNR Am J Neuroradiol 2008;29:176–183.

3.    Jellinger KA. The role of iron in neurodegeneration: prospects for pharmacotherapy of Parkinson’s disease. Drugs Aging 1999;14:115–140.

4.    Qian ZM, Wang Q. Expression of iron transport proteins and excessive iron accumulation of iron in thebrain in neurodegenerative disorders. Brain Res Rev 1998;27:257–267.

5.    Swaiman KF. Hallervorden–Spatz and brain iron metabolism. Arch Neurol 1991;48:1285–1293.

6.    Bakshi R, Shaikh ZA, Janardhan V. MRI T2 shortening (black T2) in multiple sclerosis: frequency, location, and clinical correlation. Neuroreport 2000;11:15–21.

7.    Haacke EM, Mittal S, Wu Z, Neelavalli J, Cheng YC. Susceptibility-weighted imaging: technical aspects and clinical applications, part 1. AJNR Am J Neuroradiol. 2009;30:19-30.

8.    Mittal S, Wu Z, Neelavalli J, Haacke EM.Susceptibility-weighted imaging: technical aspects and clinical applications, part 2. AJNR Am J Neuroradiol 2009;30:232-252.

9.    Pfefferbaum A, Adalsteinsson E, Rohlfing T, Sullivan EV.MRI estimates of brain iron concentration in normal aging: comparison of field-dependent (FDRI) and phase (SWI) methods. Neuroimage 2009;47:493-500.

10. Jenkinson M. Fast, automated, N-dimensional phase-unwrapping algorithm. HYPERLINK “http://www3.interscience.wiley.com/journal/10005196/home”MagneticResonance in Medicine 2002; 49:193-197

11.  Haacke E, Ayaz M, Khan A, et al. Establishing a Baseline Phase Behavior in Magnetic Resonance Imaging to Determine Normal vs. Abnormal Iron Content in the Brain. J Magn Reson Imaging 2007;26:256-64.