Professional Documents
Culture Documents
net/publication/233413373
CITATIONS READS
2 1,097
6 authors, including:
Manuel Desco
Hospital General Universitario Gregorio Marañón, University Carlos III de Madrid
590 PUBLICATIONS 5,721 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
ASPIDE: exAScale ProgramIng models for extreme Data procEssing View project
All content following this page was uploaded by Juan D Gispert on 04 March 2014.
Laboratorio de Imagen Médica. Unidad de Medicina y Cirugía Experimental. Hospital General Universitario Gregorio Marañón.
Dr. Esquerdo, 46. 28007 Madrid.
tas técnicas de cuantificación y su implementación prác- bro (captación global) o de una región de interés, por
tica. ejemplo el cerebelo. En este caso, los valores resultantes
son siempre relativos a la región de referencia, lo que
El radiofármaco de uso clínico más extendido en estu- proporciona valores comparables entre sujetos a cambio
dios PET es la [18F]-flúor-desoxiglucosa (FDG). Este ra- de perder la información sobre el valor absoluto de capta-
diofármaco permite la determinación del metabolismo de ción de FDG, que puede resultar de interés en ciertas
la glucosa a nivel celular, lo que resulta de gran interés aplicaciones en las que se esperan variaciones en el nivel
fundamentalmente en oncología, si bien también tiene metabólico cerebral global.
aplicaciones en cardiología y neurología. En oncología,
la cuantificación de estudios PET puede permitir la de-
tección precoz de tumores, su estadiaje con fines pronós- 2.2. SUV
ticos y para evaluar la respuesta al tratamiento. En neuro-
logía las principales aplicaciones clínicas de la PET son Para intentar eliminar la influencia de estos factores y
el diagnóstico precoz de la enfermedad de Alzheimer y la obtener un valor absoluto se utilizan frecuentemente las
determinación del foco en epilepsias resistentes a trata- unidades SUV o Standard Uptake Value. Éste se define
miento, que no necesitan cuantificación, centrándose su como la actividad en un tejido (en kCi/mL) dividida por
uso en la investigación de otras patologías cerebrales, la dosis inyectada al paciente, corregida por el decai-
como la enfermedad de Parkinson o la esquizofrenia. La miento de su actividad (en kCi/g), y dividido por el peso
metodología de cuantificación de la PET no está estanda- del paciente (en Kg) (véase el Anexo matemático para
rizada ni para oncología ni para neurología, existiendo mayor detalle). El valor resultante es una medida estan-
actualmente un debate científico acerca de la utilidad de darizada del grado de captación de FDG en el tejido. La
los diversos métodos de cuantificación para cada aplica- información que se precisa es el peso del sujeto, la dosis
ción particular. administrada de FDG, el tiempo transcurrido desde la in-
En cambio, la situación de la cuantificación de estu- yección al tiempo medio de adquisición y la actividad en
dios PET en cardiología es totalmente distinta, ya que los el tejido de interés. Aunque este parámetro consigue eli-
protocolos de cuantificación están muy bien estandariza- minar el efecto de la dosis inyectada y el peso del pacien-
dos y difieren poco de los métodos de cuantificación en te, presenta una serie de problemas (1, 2). Por ejemplo,
SPECT (Single Photon Emission Computerized Tomo- los valores de SUV muestran una correlación positiva
graphy). con el peso del paciente, lo que puede ser corregido susti-
tuyendo el peso del paciente en la fórmula por el valor de
superficie corporal o masa corporal magra. Otra fuente
2. MÉTODOS DE ANÁLISIS CUANTITATIVO de variabilidad indeseada en este tipo de medidas tiene su
origen en el nivel de glucemia del sujeto bajo estudio. En
2.1. Cuentas absolutas este caso, el valor de SUV se correlaciona negativamen-
te, esto es, que a mayor nivel de glucosa no marcada, la
Existe un amplio abanico de técnicas disponibles en la captación de 18F-FDG es lógicamente menor, y para co-
literatura para el análisis de imágenes PET, que van des- rregir este efecto es necesario medir el nivel de glucosa
de la mera interpretación visual hasta el modelado de la en sangre (3). Las fórmulas para el cálculo de los diferen-
farmacocinética del trazador. El método más inmediato tes valores SUV están descritas en el anexo matemático
de cuantificar un estudio PET consiste en obtener los va- que acompaña a este trabajo.
lores de las cuentas absolutas. Una vez están reconstrui-
das, las imágenes PET se expresan en unidades de cuen- 2.3. Curvas de actividad temporal
tas por minuto por vóxel, o bien, si la cámara PET está
calibrada, en unidades de cuentas por minuto por milili- Si se toman muestras de sangre, es posible obtener me-
tro de tejido. Esta calibración se consigue mediante la didas más fiables que el SUV. Al ser la FDG un análogo
adquisición de una imagen PET de un cilindro lleno de de la glucosa, la utilización de FDG por un tejido es pro-
trazador con volumen y actividad conocidos. porcional a su concentración en la sangre. La actividad
La captación de FDG depende de diversos factores, real en plasma se puede medir tomando muestras de san-
como el peso del sujeto bajo estudio, la dosis de radiotra- gre durante el periodo de captación, lo que se denomina
zador inyectada, la fracción de esta dosis que se acumula curva de actividad sanguínea temporal (Time Activity
en el órgano de interés, o el nivel de glucemia en sangre Curve o TAC).
en el momento del estudio. Por ello, la cuantificación de
El más sencillo de entre los métodos que utilizan la
los valores absolutos de tasa de cuentas son muy poco
TAC tan sólo necesita una única muestra de sangre para
informativos, ya que varían entre réplicas del mismo es-
escalar una TAC «típica» con la que se estima la cantidad
tudio en un mismo sujeto, permitiendo tan sólo una inter-
de trazador disponible en la sangre durante todo el perio-
pretación visual de la distribución de la captación.
do de adquisición de la imagen (4). Este método mejora
Una manera de corregir esta variabilidad consiste en las medidas mediante SUV, ya que relaciona la captación
normalizar los valores de cuentas al valor medio del cere- de FDG por el tejido en función de su disponibilidad en
J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96 15
el torrente sanguíneo. El SUV asume implícitamente que modelo, la tasa de utilización de glucosa por parte del
la actividad inyectada se diluye uniformemente en todos tejido se calcula como:
los pacientes, lo que no es necesariamente cierto (3).
Cp k1 · k3
MRGlc = ·
Los modelos matemáticos más complejos utilizan LC (k2 + k3)
imágenes y datos de actividad en sangre dinámicos. Para
ello se mide la actividad plasmática en pequeñas mues- donde Cp es la concentración de glucosa en el plasma
tras de sangre (V1 mL) durante todo el tiempo de capta- sanguíneo, y LC es una constante de corrección (denomi-
ción (de 0 a 30-60 min). Las cuentas detectadas se corri- nada «Lumped Constant») que tiene en cuenta las dife-
gen por el tiempo de decaimiento con respecto al rencias entre las tasas metabólicas de la FDG y la gluco-
momento de la inyección, del mismo modo que la ima- sa, entre otros factores.
gen PET. Finalmente, estas medidas se interpolan de
modo que es posible obtener la actividad en el plasma Mediante este modelo, y conociendo la curva de acti-
sanguíneo en intervalos de aproximadamente 1 segundo. vidad temporal de la dosis inyectada, es posible estimar
matemáticamente las constantes k1, k2, k3 y k4, y, con
El modelo gráfico de Patlak (5, 6) supone que la capta- ellas, calcular la tasa de utilización de glucosa por parte
ción del trazador es unidireccional, esto es, que no vuelve del tejido de interés, a lo largo del periodo de captación.
jamás al torrente sanguíneo, lo que no es válido en todos El modelo matemático de Sokoloff/Phelps está descrito
los órganos, por ejemplo en el hígado normal. con mayor detalle matemático en el anexo. Un ejemplo
de curvas de utilización de glucosa en el cerebro puede
El modelo más completo y que proporciona valores verse en la figura 2.
más precisos de actividad es el de Sokoloff/Phelps (7, 8).
Este método modela la captación y fosforilización de la La constante k4, correspondiente a la tasa de defosfori-
FDG mediante ecuaciones diferenciales. A diferencia del lación es siempre muy baja (del orden de 100 veces me-
modelo de Patlak, el de Sokoloff/Phelps contempla la po- nor que k1 o k2 y 10 veces menor que k3), por lo que
sibilidad de que una fracción de FDG retorne al flujo san- apenas influye en el cálculo de la actividad del tejido.
guíneo. Una vez la FDG se encuentra en el tejido se fos- Este tipo de métodos avanzados de cuantificación son
forila, al igual que la glucosa, y se convierte en FDG-6-P, los que presentan una mejor precisión, entendida como
pero ésta no entra en el ciclo de glicólisis, como la gluco- repetibilidad de los parámetros metabólicos obtenidos.
sa fosforilada normal. La FDG-6-P se acumula en el teji- Al utilizar modelos específicos de la farmacocinética de
do, excepto una pequeña fracción que se convierte de cada trazador, es posible comparar directamente los valo-
nuevo en FDG libre, mediante un proceso de hidrólisis. res de los parámetros entre diferentes estudios PET. Ade-
El modelo completo contempla tres depósitos de FDG (la más, estos parámetros tienen una significación bioquími-
FDG en sangre, la FDG libre en tejido y la FDG-6-P acu- ca y están expresados en valor absoluto, por lo que
mulada en el tejido), y las tasas de intercambio de FDG también es posible su comparación con los obtenidos me-
entre ellos, k1, k2, k3 y k4 (figura 1). diante otras técnicas. Por ejemplo, una tasa de flujo san-
guíneo cerebral obtenida mediante PET, y utilizando este
Las constantes k1 y k2 representan la tasa directa e in-
versa, respectivamente, de transporte capilar de FDG al
tejido, y las constantes k3 y k4 la tasa de fosforilación y
defosforilación de la FDG dentro del tejido. Según este
tipo de métodos, es directamente comparable (y de ma- especificidades que no superan a las obtenidas por obser-
yor exactitud) a la obtenida en un estudio SPECT. Sin vadores (9). Ello puede ser debido a que un observador
embargo, la obtención de la TAC, fundamental para este experto puede utilizar información tanto anatómica como
tipo de modelos farmacocinéticos, no es sencilla y com- basada en su experiencia acerca de la captación de FDG
plica el estudio PET. Por ello, es necesario conocer en en tejidos normales. El desarrollo de un clasificador
qué casos se obtiene un beneficio del uso de métodos automático capaz de tener en cuenta este tipo de informa-
complejos y cuándo, en cambio, no tienen una aportación ción es muy complejo. Por ello, el uso de métodos cuan-
que justifique su utilización. titativos en la identificación de lesiones parece no aportar
ningún beneficio con respecto a la inspección visual por
parte de un observador experto.
3. ¿CUÁNDO ES ÚTIL LA CUANTIFICACIÓN?
En cambio, la cuantificación de imágenes PET ha sido
utilizada como indicador pronóstico, independiente de
Si bien es posible cuantificar de forma precisa la cap-
otras medidas de estadiaje tumoral (10), o para decidir la
tación mediante la utilización de PET dinámico y mues-
benignidad o malignidad de una lesión (11, 12). Además,
treo sanguíneo, esta metodología no siempre resulta
diversos trabajos han empleado métodos cuantitativos
práctica. Su principal limitación es el tiempo: para maxi-
basados en SUV, o en la relación tumor/fondo para la
mizar el número de exploraciones en un centro PET, es
predicción de respuesta al tratamiento, mediante radiote-
necesario minimizar el tiempo de adquisición de éstas.
rapia o quimioterapia, obteniendo sensibilidades y espe-
Además, el tiempo y el personal necesarios para efectuar
cificidades superiores a las obtenidas mediante Tomogra-
el tratamiento de datos e imágenes redunda en un aumen-
fía Computerizada (CT) (13-16). Esto es debido a que el
to del coste de cada estudio. Así pues, el objetivo de la
efecto metabólico de la mayoría de los tratamientos afec-
cuantificación de estudios PET en la práctica es la de
ta al ADN celular e interrumpe el metabolismo de la glu-
minimizar el tiempo de adquisición y procesado, mante-
cosa hasta producir la muerte celular (17). En el futuro, es
niendo niveles de precisión suficientes para la aplicación
probable que métodos cuantitativos mediante imágenes
final del estudio.
PET de síntesis de proteínas o ADN se conviertan en un
En este contexto, es posible obtener medidas de SUV procedimiento estándar para la evaluación de la respuesta
con gran facilidad. De hecho, casi todos los tomógrafos al tratamiento (18). Aunque diversos métodos cuantitati-
actuales incorporan herramientas informáticas para la vos han mostrado buenas perspectivas en estos casos, su
conversión de las imágenes de cuentas a SUV. Sin em- principal problema reside en que aún no se ha definido un
bargo, como se ha comentado anteriormente, existen di- método óptimo para cada aplicación de la PET. Actual-
versos problemas asociados a los valores SUV: cambian mente, diferentes grupos de científicos hacen uso de dis-
con el tiempo, incluso en estudios de un mismo paciente, tintos métodos cuantitativos, lo que complica la compa-
no son lineales con el peso corporal, y están inversamen- ración directa de la literatura y dificulta que un paciente
te correlacionados con la concentración de glucosa en individual pueda beneficiarse de estos estudios en la
plasma. Además, las medidas en SUV asumen que la práctica. En este sentido, sería deseable un esfuerzo coor-
captación depende únicamente del tamaño del paciente, dinado para la determinación del método de cuantifica-
ignorando las potenciales diferencias en el metabolismo ción óptimo para cada tipo de tumor, lo que conllevaría el
global de cada sujeto. Una revisión de los diferentes mé- estudio de una gran cantidad de casos clínicos y datos
todos de cuantificación, su precisión y utilidad práctica adicionales (altura, peso, actividad sanguínea, diagnosis,
puede encontrarse en (3). Las conclusiones generales de tiempo de supervivencia, tiempo de recurrencia, etc.).
este trabajo aconsejan que en caso de tomar una única
imagen PET, es preferible normalizar los valores de SUV
mediante la superficie corporal. En cambio, si es posible 5. CUANTIFICACIÓN DE PET EN NEUROLOGÍA
la adquisición de una PET dinámica, el método de Patlak
ofrece buenos resultados y tan sólo requiere de la toma
de una única muestra de sangre. Por supuesto, estas con- En lo que se refiere a aplicaciones clínicas en neurolo-
clusiones están condicionadas por cada una de las posi- gía, las imágenes de FDG-PET resultan útiles para el
bles aplicaciones concretas de cada estudio PET. diagnóstico precoz de la enfermedad de Alzheimer (19,
20), y el diagnóstico diferencial entre las demencias que
suelen acompañar a la enfermedad de Parkinson de otros
trastornos del movimiento asociados a patologías en los
4. CUANTIFICACIÓN DE PET EN ONCOLOGÍA ganglios basales (20, 21). El estudio de otras patologías
cerebrales mediante la cuantificación de FDG-PET se
La utilidad de la cuantificación en estudios PET onco- restringe al ámbito de la investigación. En este último
lógicos sigue discutida, si bien ha sido estudiada en pro- entorno, la utilización de métodos cuantitativos es muy
fundidad, tanto en entornos clínicos como de investiga- frecuente y, a diferencia de la situación en oncología, se
ción. En general, los métodos cuantitativos basados en el están efectuando grandes esfuerzos metodológicos por
cálculo de valores SUV han mostrado sensibilidades y estandarizar estos procedimientos, que van desde la defi-
J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96 17
Figura 5. La imagen de la izquierda muestra una imagen de resonancia magnética en la que se muestra en color la información de
actividad metabólica en la corteza cerebral. Las casillas de Talairach determinan regiones análogas entre cerebros de distintos sujetos.
Utilizando la descripción del Atlas de Talairach, se pueden identificar estructuras y definir ROIs.
Figura 6. Ejemplo de visualización avanzada de estructuras cerebrales tridimensionales sobre el Atlas de Talairach. Imagen corte-
sía de la Dra. Heather Drury de la Universidad de Washington (disponible en http://hendrix.imm.dtu.dk/image/imagehome.html).
20 J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96
cación. Otros métodos para el análisis cuantitativo de rés. Esto resulta posible gracias a una etapa de procesado
PET requieren un paso previo de normalización espacial, de las imágenes tomográficas, previa al análisis estadísti-
que implica la transformación geométrica de todos los co, denominada normalización espacial, que consiste en
cerebros para obtener una morfología común que permita deformar elásticamente la anatomía cerebral propia de
un análisis directo vóxel a vóxel. En enfermedades neu- cada sujeto hasta que concuerde con un PET promedio,
rodegenerativas como la esquizofrenia, la normalización que se denomina patrón o template (Figura 7). En esta
espacial puede sesgar los resultados al aplicar una trans- etapa se modifica únicamente la anatomía subyacente en
formación diferente a los cerebros patológicos con res- las imágenes PET, al tiempo que se conservan las carac-
pecto a los normales (35). terísticas funcionales (actividad) de cada región cerebral.
Una vez que todos los cerebros concuerdan con el patrón
es posible compararlos vóxel a vóxel para efectuar todo
5.3. Statistical Brain Mapping tipo de estudios estadísticos (Figuras 8 y 9).
Statistical Brain Mapping (SBM) es una metodología Estas técnicas gozan de gran popularidad entre la co-
de cuantificación de estudios de medicina nuclear que no munidad de neuroinvestigadores, ya que permiten estan-
requiere de la segmentación previa de regiones de inte- darizar en gran medida el análisis estadístico de las imá-
(a)
(b)
Figura 7. (a) Patrón estadístico de FDG-PET. (b) Las PET de cuatro sujetos distintos antes (arriba) y después (abajo) de la etapa de
normalización espacial. Puede observarse como las PET normalizadas se ajustan morfológicamente al patrón , al tiempo que mantie-
nen la información individual referente a la captación de FDG.
J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96 21
(a)
(b)
Figura 8. (a) Ejemplo de proyección de intensidad máxima (Maximum Intensity Projection o MIP) de un mapa de estadísticos
paramétricos. En cada vista transversal, sagital y coronal aparecen las regiones que presentan un metabolismo significativamente
menor en pacientes que en controles. El software SPM presenta estos resultados superpuestos en una rejilla de Talairach, si bien las
coordenadas en milímetros no son equivalentes a las que aparecen en el Atlas. (b) El mismo mapa superpuesto en una imagen de
resonancia magnética para una mejor localización de las regiones cerebrales de interés.
res de captación. El valor de referencia más utilizado es bros y patrones construidos a partir de sujetos normales,
la actividad media de todo el cerebro, o valor global. Para su uso con cerebros que puedan presentar alteraciones
calcular los valores relativos a este valor global, una op- anatómicas puede sesgar los resultados de un modo im-
ción consiste en multiplicar los valores de las imágenes predecible. El patrón de RM del Montréal Neurological
por un factor, de tal modo que el valor global (medio) de Institute (MNI) es uno de los más utilizados, y fue cons-
todas ellas sea idéntico. Esta técnica de normalización en truido promediando 305 estudios de sujetos normales.
intensidad recibe el nombre de escalado proporcional Para construir el patrón de PET se tomaron imágenes de
(proportional scaling). Un método alternativo consiste 12 de esos sujetos con los ojos cerrados y en condición de
en incluir el valor medio de cada PET en un modelo esta- reposo, utilizando 15O-H2O como trazador. Este patrón es
dístico de análisis de covarianza (ANCOVA), en el que el más utilizado, incluso en casos en los que se ha utiliza-
el valor global de actividad se considera como covaria- do otro trazador, como por ejemplo FDG, o en los que las
ble. En este último caso, se efectúa implícitamente un condiciones cerebrales de los sujetos bajo estudio no se
escalado aditivo, a diferencia del escalado proporcional correspondan con las del patrón. Así pues, es frecuente
que es multiplicativo. El uso del método ANCOVA es encontrar trabajos en la literatura que han normalizado
preferible cuando la varianza entre adquisiciones es baja, imágenes de FDG PET mediante un patrón que se corres-
por ejemplo, en estudios con un único sujeto, mientras ponde con un trazador distinto. Un trabajo que estudia el
que el escalado proporcional es más apropiado para estu- efecto que puede tener este tipo de prácticas en el resulta-
dios PET con diversos sujetos con una mayor varianza do estadístico puede encontrarse en (40), en la que se
(39). recomienda el uso de patrones construidos a partir de las
propias imágenes para evitar este tipo de errores.
Ninguno de estos dos métodos contempla la posibili-
dad de que los efectos presentes en el cerebro bajo estu-
dio afecten a zonas suficientemente extensas como para 6.3. Sistemas de coordenadas
que el valor medio de las PET se vea modificado. En este
caso, al igualar los valores medios se enmascara el efecto Otra ventaja de utilizar un patrón para normalizar es-
de las influencias del metabolismo de los sujetos con el pacialmente los estudios PET es que de este modo es po-
efecto debido a la patología bajo estudio (localizada en sible identificar las regiones cerebrales mediante un sis-
zonas concretas y cuya determinación constituye la fina- tema de coordenadas estándar, siguiendo la filosofía
lidad última del estudio). Una forma de evitar esta confu- propuesta por Talairach en su atlas cerebral (33). Sin em-
sión consiste en utilizar una normalización por regiones, bargo, el sistema de coordenadas de este atlas y el que
delineando áreas de interés que comprendan solamente proporciona el patrón basado en el MNI no son equiva-
estructuras cerebrales no afectadas por la patología. De lentes (Figura 10). Esto es debido a que las coordenadas
esta manera, se pueden escalar las imágenes de modo que del atlas fueron referidas al cerebro de una única pacien-
el valor medio de estas regiones de interés sea idéntico. te, mientras que las del MNI lo están con respecto al pa-
Esto implica una preconcepción de qué regiones no esta- trón cerebral promediado. El sistema de coordenadas del
rán alteradas y bastante tiempo para delinearlas. Trabajar MNI ha sido utilizado para parcelar el patrón estadístico
con ROIs con una geometría fija, por ejemplo círculos, de modo que es posible determinar la localización de una
introduce el error de que no se ajustan a la forma anató- región cerebral de forma automática y estandarizada, sin
mica de las regiones cerebrales. Además, la corrección tener que recurrir a atlas cerebrales (41).
puede resultar poco precisa si estas regiones no son lo
suficientemente grandes (39). 6.4. Interpretación de los valores p
La normalización con respecto al máximo es otro mé-
todo utilizado en ocasiones en este tipo de casos. La hi- Todos los métodos de cuantificación estadística ofre-
pótesis de partida consiste en que las regiones con mayor cen como resultado un valor de probabilidad (valor p),
metabolismo no están afectadas por la patología. En es- asociado a cada ROI en el caso del método basado en el
tos casos, es factible escalar las imágenes de modo que su Atlas de Talairach, o a cada vóxel en el SPM. Este valor
valor máximo sea el mismo, logrando así una mayor po- de probabilidad pretende representar lo mismo en este
tencia estadística en las zonas de menor metabolismo. tipo de métodos que en estadística clásica, por lo que es
Esta aproximación no implica renunciar a encontrar zo- necesario conocer con precisión su significado. Con es-
nas en las que el metabolismo cerebral sea mayor en los tos métodos de cuantificación estadística, es precisa la
pacientes que en los controles. formulación habitual de una hipótesis previa (la hipótesis
nula). Una vez formulada la hipótesis, se emplea el test
estadístico para cuantificar la probabilidad de que esta
6.2. Normalización espacial hipótesis sea cierta o falsa. En general, la hipótesis de
partida considera que no existe ningún efecto de interés
Los algoritmos necesarios para deformar una imagen sobre nuestras imágenes, lo que recibe el nombre de «hi-
PET de modo que concuerde con el patrón (Figura 7a) pótesis nula». Entonces, el valor de p representa la proba-
son muy complejos, implican la estimación de gran nú- bilidad de que la hipótesis nula sea cierta. Por lo tanto,
mero de parámetros y, si bien están validados con cere- valores bajos de p indicarán que la probabilidad de que
J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96 23
Figura 10. Corte coronal del Atlas de Talairach (izquierda) y corte equivalente del patrón de resonancia magnética del Montréal
Institute of Neurology (MNI) (derecha). Puede observarse como las dimensiones de los dos cerebros no coinciden exactamente.
Cortesía del Dr. Matthew Brett de la unidad MRC-CBU Imaging de la Universidad de Cambridge (disponible en http://www.mrc-
cbu.cam.ac.uk/Imaging/mnispace.html).
existan efectos de interés en las imágenes es alta. En este que permita explicar los resultados obtenidos de forma
contexto, cabe preguntarse cuál es el umbral del valor de coherente con la literatura previa acerca del tema bajo
p para rechazar la hipótesis nula asumiendo un riesgo ra- estudio. Una interesante disertación acerca de la interpre-
zonable. Este umbral de significación se suele establecer tación de los valores p se encuentra en (43).
en p<0’05 sin que medie otro motivo de mayor peso que
el hecho de que es muy utilizado. Un valor de p igual a
0’05 indica que existe una posibilidad entre veinte de 7. CONCLUSIONES
equivocarse al rechazar la hipótesis nula. Ésta es la pro-
babilidad cuando se efectúa un único estudio estadístico. En el caso de imágenes PET, se dispone de toda una
En el caso particular de neuroimágenes, se efectúan de artillería de posibles medidas, desde los sencillos SUV
forma implícita muchos estudios independiente para hasta los complicados modelos farmacocinéticos. Sin
cada ROI, o vóxel. Por ello se espera que aparezcan 0,05 embargo, la cuantificación de PET no siempre constituye
por el número de tests (unos 200.000 en SPM) falsamen- un paso imprescindible, aunque a menudo se da mayor
te positivos. credibilidad a los resultados si van acompañados de pará-
metros numéricos.
Para intentar corregir este problema, denominado de
comparaciones múltiples, es preciso corregir los valores Precisamente por ello, antes de iniciar un estudio de
de p por el número de estudios realizados mediante méto- investigación o un procedimiento clínico es preciso eva-
dos como el de Bonferroni, que sitúa en umbral de signi- luar si realmente se obtiene algún beneficio de la cuanti-
ficación a 0,05 dividido por el número de tests indepen- ficación y, si es así, cuál es el método de cuantificación
dientes. Sin embargo los métodos de corrección por más adecuado para los problemas que se plantean. Debi-
comparaciones múltiples siempre redundan en una pérdi- do a que actualmente existe un gran número de métodos
da de potencia estadística. En la práctica, cada vez es más de cuantificación, no existe un consenso sobre cuál es el
habitual la realización de tests de permutación con re- óptimo en cada caso desde un punto de vista de cos-
muestreo (42) para establecer y validar los umbrales rea- te/beneficio. Los modelos más sencillos resultan menos
les de significación de los valores p en cada juego de precisos, empeorando la potencia estadística del estudio,
datos. Estos procedimientos consisten en efectuar repeti- y los más complejos y repetibles pueden resultar muy
damente el test estadístico reasignando aleatoriamente caros o imposibles de llevar a la práctica.
sujetos a cada grupo (bootstrap), o bien eliminando alea-
Para decidir qué método puede ser adecuado para una
toriamente un cierto tanto por ciento de sujetos de cada
aplicación concreta, deberíamos saber en primera instan-
grupo (jacknife).
cia si la medida que se va a extraer contiene la informa-
Aún teniendo en cuenta todas estas precauciones, la ción de interés: por ejemplo, si se desea evaluar el des-
interpretación de los valores p sigue siendo conflictiva. censo de metabolismo global con la edad, las medidas
Un nivel de p aceptado como verdaderamente significati- relativas no son útiles. Otra forma de decidir a priori qué
vo debería estar además respaldado por una hipótesis método de cuantificación es más conveniente, es el de
plausible, basada en el conocimiento acerca del funcio- conocer cuál es el tipo de medidas, o de estudios previos
namiento de los mecanismos biológicos involucrados, en la literatura, con los que se desea comparar los datos.
24 J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96
Cuando se utilizan métodos de análisis estadístico sofis- en la sangre, la FDG penetra en los tejidos que consumen
ticados, es de extrema importancia el conocimiento deta- glucosa y se fosforila a FDG-6-P. Por lo tanto, la concen-
llado de sus condiciones de aplicabilidad, así como todos tración total de FDG en el tejido (Ci ) es igual a la suma
sus detalles técnicos. de FDG sin metabolizar (Ce) y metabolizada (Cm):
Si bien la posibilidad de cuantificar los estudios PET Ci (t) = Ce (t) + Cm (t)
de forma precisa constituye una herramienta de gran uti-
lidad para la investigación de los procesos biológicos in Para ser capaces de estimar el valor de la concentra-
vivo, es conveniente recordar que los números no reem- ción de radiotrazador en cada instante a lo largo del tiem-
plazan al sentido común. po de adquisición, es preciso derivar la ecuación anterior:
dCi (t) dCe (t) dCm (t)
= +
dt dt dt
8. ANEXO MATEMÁTICO
Conociendo la curva de actividad temporal (TAC) en
8.1. Modelos de cuantificación de FDG el plasma sanguíneo (Cp) y definiendo las constantes k1 y
k2 como las tasas directa e inversa, respectivamente, de
8.1.1. SUV (Standard Uptake Value) transporte capilar de FDG al tejido, y las constantes k3 y
El método de cuantificación más simple utiliza el nú- k4 como las tasas de fosforilación y defosforilación de la
mero de cuentas absoluto. Debido a la variabilidad de FDG dentro del tejido, es posible modelar el cambio en
esta medida con factores como el peso del paciente, la las concentraciones de trazador metabolizado y no meta-
dosis de radiotrazador inyectada y el tiempo de adquisi- bolizado:
ción, se utiliza frecuentemente el valor SUV, que se cal- dCe (t)
cula como: = k1Cp (t) − (k2 + k3) · Ce (t) + k4Cm (t)
dt
Actividad en tejido (kC i /mL)
SUV = dCm (t)
Actividad inyectada (mC i) = k3 Ce(t) − k4 Cm (t)
dt
Peso (kg)
La solución de este sistema de ecuaciones determina
Sin embargo, esta medida de SUV no se comporta de los valores de las constantes k1, k2, k3 y k4, y las curvas de
forma lineal con el peso del paciente, por lo que se han concentración de radiotrazador a lo largo del periodo de
propuesto otros modelos de SUV corregidos, que sustitu- adquisición, permitiendo el cálculo de la tasa de utiliza-
yen el valor del peso del paciente por otra medida, como ción de glucosa por parte del tejido como:
el área de superficie corporal (BSA; Body Surface Area):
Cp k1 · k3
Actividad en tejido (kC i /mL) MRGlc = ·
SUVBSA = LC (k2 + k3)
Actividad inyectada(mCi)
Superficie corporal (m 2) Para resolver el sistema de ecuaciones diferenciales se
pueden emplear varios métodos, algunos clásicos para el
La BSA se calcula a partir del peso y la altura del pa- ajuste de curvas como los métodos Linear y Non-Linear
ciente. La fórmula más habitual para ello es (3): Least Squares (este último utiliza la transformada de La-
place del sistema de ecuaciones diferenciales), u otros es-
BSA = 0,007184 · Peso (kg)0,425 · Altura (cm)0,725 pecíficos para la cuantificación de PET como el de Patlak,
Otra posibilidad para corregir los valores SUV es utili- el método Autorradiográfico o el Weighted Integration
zar el valor de masa corporal magra (LBM; Lean Body Projection (44).
Mass). De forma similar al cálculo de la BSA, la LBM se Existen diversos programas que permiten la cuantifi-
calcula mediante la fórmula: cación de este tipo de estudios PET en la práctica clínica
Actividad en tejido (kC i /mL) sin bajar al detalle de las ecuaciones, como por ejemplo
SUVLBM = el SPAMALIZE (disponible en http://tezpur.keck.wais-
Actividad inyectada (mC i) man.wisc.edu/Voakes/spam/spam_frames.htm) del Dr.
Masa corporal magra (kg) Terry Oakes de la Universidad de Winsconsin, escrito
para el lenguaje de programación IDL o el DEPICT (45),
LBM = 45,5 + 0,91 · [Altura (cm) − 152] en mujeres
escrito por el Dr. Roger N. Gunn del Montréal Neurolo-
LBM = 48,0 + 1,06 · [Altura (cm) − 152] en hombres
gical Institute, para MatLab.
8.1.2. Curvas de actividad temporal
8.2. Modelo lineal general
El modelo de Sokoloff/Phelps modela la farmacociné-
tica de la FDG en el tejido a partir de la actividad presen- Mediante las técnicas de cuantificación estadística de
te en el torrente sanguíneo (Figura 1). Una vez inyectada imágenes PET es posible diseñar numerosos tipos de es-
J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96 25
the measurement of local cerebral glucose utilization: the- 22. Heinonen, T.; Dastidar, P.; Eskola, H.; Frey, H.; Ryymin,
ory, procedure, and normal values in the conscious and an- P. & Laasonen, E. (1998) Applicability of semi-automatic
esthetized albino rat. J Neurochem 28, 897-916. segmentation for volumetric analysis of brain lesions. J
8. Phelps, M. E.; Huang, S. C.; Hoffman, E. J.; Selin, C.; Med Eng Technol 22, 173-178.
Sokoloff, L. & Kuhl, D. E. (1979) Tomographic measure- 23. Crum, W. R.; Scahill, R. I. & Fox, N. C. (2001) Automated
ment of local cerebral glucose metabolic rate in humans with hippocampal segmentation by regional fluid registration of
(F-18)2-fluoro-2-deoxy-D-glucose: validation of method. serial MRI: validation and application in Alzheimer’s dis-
Ann Neurol 6, 371-388. ease. Neuroimage 13, 847-855.
9. Coleman, R. E. (2002) Is quantitation necessary for on- 24. Vannier, M. W.; Brunsden, B. S.; Hildebolt, C. F.; Falk, D.;
cological PET studies? For. Eur J Nucl Med Mol Imaging Cheverud, J. M.; Figiel, G. S.; Perman, W. H.; Kohn, L. A.;
29, 133-135. Robb, R. A.; Yoffie, R. L. & Et Al. (1991) Brain surface
10. Jerusalem, G.; Beguin, Y.; Fassotte, M. F.; Najjar, F.; cortical sulcal lengths: quantification with three-dimen-
Paulus, P.; Rigo, P. & Fillet, G. (1999) Whole-body posit- sional MR imaging. Radiology 180, 479-484.
ron emission tomography using 18F-fluorodeoxyglucose 25. Zhang, Y.; Brady, M. & Smith, S. (2001) Segmentation of
for posttreatment evaluation in Hodgkin’s disease and non- Brain MR Images Through a Hidden Markov Random
Hodgkin’s lymphoma has higher diagnostic and prognostic Field Model and the Expectation-Maximization Algo-
value than classical computed tomography scan imaging. rithm. IEEE Transactions on Medical Imaging 20, 45-57.
Blood 94, 429-433. 26. Collins, D. L. & Evans, A. C. (1997) Animal: Validation
11. Ahuja, V.; Coleman, R. E.; Herndon, J. & Patz, E. F.; Jr. and Applications of Non-Linear Registration-Based Seg-
(1998) The prognostic significance of fluorodeoxyglucose mentation. International Journal and Pattern Recognition
positron emission tomography imaging for patients with and Artificial Intelligence 11, 1271-1294.
nonsmall cell lung carcinoma. Cancer 83, 918-924. 27. Andreasen, N. C.; Cohen, G.; Harris, G.; Cizadlo, T.;
12. Lowe, V. J.; Fletcher, J. W.; Gobar, L.; Lawson, M.; Kir- Parkkinen, J.; Rezai, K. & Swayze Ii, V. W. (1992) Image
chner, P.; Valk, P.; Karis, J.; Hubner, K.; Delbeke, D.; processing for the study of brain structure and function:
Heiberg, E. V.; Patz, E. F. & Coleman, R. E. (1998) Pros- problems and programs. J Neuropsychiatry Clin Neurosci
pective investigation of positron emission tomography in 4, 125-133.
lung nodules. J Clin Oncol 16, 1075-1084. 28. Andreasen, N. C.; Cizadlo, T.; Harris, G.; Swayze Ii, V.
13. Higashi, T.; Sakahara, H.; Torizuka, T.; Nakamoto, Y.; W.; O’leary, D. S.; Cohen, G.; Ehrhardt, J. C. & Yuh, W. T.
Kanamori, S.; Hiraoka, M.; Imamura, M.; Nishimura, Y.; (1993) Voxel processing techniques for the antemortem study
Tamaki, N. & Konishi, J. (1999) Evaluation of in- of neuroanatomy and neuropathology using magnetic reson-
traoperative radiation therapy for unresectable pancreatic ance imaging. J Neuropsychiatry Clin Neurosci 5, 121-130.
cancer with FDG PET. J Nucl Med 40, 1424-1433. 29. Magnotta, V. A.; Harris, G.; Andreasen, N. C.; O’leary, D.
14. Kitagawa, Y.; Sadato, N.; Azuma, H.; Ogasawara, T.; S.; Yuh, W. T. C. & Heckel, D. (2002) Structural MR Im-
Yoshida, M.; Ishii, Y. & Yonekura, Y. (1999) FDG PET to age Processing Using the BRAINS2 Toolbox. Comput Med
evaluate combined intra-arterial chemotherapy and Imaging Graph (in press).
radiotherapy of head and neck neoplasms. J Nucl Med 40, 30. Dale, A. M.; Fischl, B. & Sereno, M. I. (1999) Cortical
1132-1137. surface-based analysis. I. Segmentation and surface recon-
15. Schulte, M.; Brecht-Krauss, D.; Werner, M.; Hartwig, E.; struction. Neuroimage 9, 179-194.
Sarkar, M. R.; Keppler, P.; Kotzerke, J.; Guhlmann, A.; 31. Ashburner, J. & Friston, K. (1997) Multimodal Image
Delling, G. & Reske, S. N. (1999) Evaluation of neoad- Coregistration and Partitioning - A Unified Framework.
juvant therapy response of osteogenic sarcoma using FDG NeuroImage 6, 209-217.
PET. J Nucl Med 40, 1637-1643. 32. Ashburner, J. & Friston, K. J. (2000) Voxel-Based Mor-
16. Weber, W. A.; Ott, K.; Becker, K.; Dittler, H. J.; Helmber- phometry - The Methods. NeuroImage 11, 805-821.
ger, H.; Avril, N. E.; Meisetschlager, G.; Busch, R.; 33. Talairach, J. & Tournoux, P. (1988) A Co-planar Stereotatic
Siewert, J. R.; Schwaiger, M. & Fink, U. (2001) Prediction Atlas of the Human Brain. En: Thieme. Thieme, Stuttgart.
of response to preoperative chemotherapy in adenocar- 34. Friston, K. J.; Holmes, A. P.; Worsley, K. J.; Poline, J. P.;
cinomas of the esophagogastric junction by metabolic Frith, C. D. & Frackowiak, R. S. J. (1995) Statistical Par-
imaging. J Clin Oncol 19, 3058-3065. ametric Maps in Functional Imaging: A General Linear
17. Kubota, K.; Ishiwata, K.; Kubota, R.; Yamada, S.; Tada, Approach. Hum Brain Mapp 2, 189-210.
M.; Sato, T. & Ido, T. (1991) Tracer feasibility for monitor- 35. Reig, S.; Gispert, J. D.; Pascau, J.; Martínez, R.; Molina, V.
ing tumor radiotherapy: a quadruple tracer study with fluor- & Desco, M. (2002) Normalización espacial de cerebros
ine-18-fluorodeoxyglucose or fluorine-18-fluorodeoxyuri- patológicos: Su efecto en estudios intersujeto de PET. En:
dine, L-[methyl-14C]methionine, [6-3H]thymidine, and Congreso Anual de la Sociedad Española de Ingenieria Bi-
gallium-67. J Nucl Med 32, 2118-2123. omédica (CASEIB’02). Zaragoza, pp.
18. Graham, M. M. (2002) Is quantitation necessary for on- 36. Ashburner, J. & Friston, K. J. (1999) Nonlinear spatial nor-
cological PET studies? Against. Eur J Nucl Med Mol Imag- malization using basis functions. Hum Brain Mapp 7, 254-
ing 29, 135-138. 266.
19. Frey, K. A.; Minoshima, S. & Kuhl, D. E. (1998) Neur- 37. Minoshima, S.; Koeppe, R. A.; Frey, K. A. & Kuhl, D. E.
ochemical imaging of Alzheimer’s disease and other de- (1994) Anatomic standardization: linear scaling and non-
generative dementias. Q J Nucl Med 42, 166-178. linear warping of functional brain images. J Nucl Med 35,
20. Phelps, M. E. (2000) PET: the merging of biology and 1528-1537.
imaging into molecular imaging. J Nucl Med 41, 661-681. 38. Gispert, J. D.; Pascau, J.; Reig, S.; García-Barreno, P. &
21. Fukuda, M.; Edwards, C. & Eidelberg, D. (2001) Func- Desco, M. (in press). Teoría y práctica de los mapas par-
tional brain networks in Parkinson’s disease. Parkinsonism amétricos estadísticos (SPM) en medicina nuclear. Revista
Relat Disord 8, 91-94. Española de Medicina Nuclear.
J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96 27
39. Frackowiack, R. S. J.; Friston, K. J.; Frith, C. D.; Dolan, R. 42. Efron, B. & Tibshirani, R. J. (1998) An Introduction to the
J. & Mazziota, J. C. (1997) Human Brain Function. En. Bootstrap. En: Monographs on Statistics and Applied
Academic Press, San Diego. Probability. Chapman & Hall / CRC, New York. Vol. 57.
40. Gispert, J. D.; Pascau, J.; Reig, S.; Martínez-Lázaro, R.; 43. Goodman, S. N. (1999) Toward evidence-based medical
Molina, V.; García-Barreno & Desco, M. (in press). Influ- statistics. 1: The p value fallacy. Ann. Intern. Med. 130,
ence of the Normalization Template in Statistical Paramet- 995-1004.
ric Mapping of PET Scans-Neuroimage (in press). 44. Peters, A. M. & Myers, M. (1998) Physiological Measure-
41. Tzourio-Mazoyer, N.; Landeau, B.; Papathanassiou, D.; ments with Radionuclides in Clinical Practice. En. Oxford
Crivello, F.; Etard, O.; Delcroix, N.; Mazoyer, B. & Joliot, University Press.
M. (2002) Automated anatomical labeling of activations 45. Gunn, R.; Gunn, S.; Aston, J.; Turkheimer, F. & Cunning-
in SPM using a macroscopic anatomical parcellation of ham, V. (2002) DEPICT: Data-driven Estimation of Par-
the MNI MRI single-subject brain. Neuroimage 15, ametric Images based on Compartmental Theory. En:
273-289. Neuro Receptor Mapping 2002 Meeting. Oxford, UK, pp.
28 J. D. Gispert et al. Rev.R.Acad.Cienc.Exact.Fis.Nat. (Esp), 2002; 96