Nella pratica clinica del Tecnico Sanitario di Radiologia Medica, l’ottimizzazione dei protocolli di Tomografia Computerizzata rappresenta un pilastro fondamentale, per bilanciare l’efficacia diagnostica e la dose erogata al paziente. L’introduzione degli algoritmi di ricostruzione non lineari, come la ricostruzione iterativa (IR) e la ricostruzione basata sul deep learning (DLIR), ha profondamente modificato le proprietà fisiche dell’immagine.
A differenza della retroproiezione filtrata, con gli algoritmi IR e DLIR la risoluzione spaziale e le caratteristiche del rumore dipendono dal contrasto dell’oggetto e dal livello di dose. Di conseguenza, la tradizionale deviazione standard delle unità Hounsfield non descrive adeguatamente la qualità diagnostica.
Per valutare in modo obiettivo le prestazioni del sistema TC si ricorre dunque all’analisi della qualità d’immagine, nota come task based image quality assessment.
I parametri fondamentali di questa valutazione avanzata includono la Task Transfer Function (TTF) e il Noise Power Spectrum (NPS).
La TTF quantifica la risoluzione spaziale del sistema in funzione del contrasto dello specifico oggetto anatomico. Un indicatore sintetico utilizzato per la TTF è la frequenza spaziale f50, ovvero il valore di frequenza al quale la risposta del sistema si riduce al 50%.
L’NPS descrive invece sia l’ampiezza che la texture del rumore alle diverse frequenze spaziali.
I due parametri principali che definiscono il NPS sono il picco d’ampiezza massima (NPS max) e la frequenza media del rumore (fNPS).
Combinando la TTF e l’NPS mediante modelli matematici d’osservatore, è possibile calcolare l’indice di rilevabilità (d’), che stima la capacità teorica o visiva di identificare una lesione all’interno di uno sfondo rumoroso.
Il modello d’osservatore Non Prewhitening (NPW) combina la TTF, l’NPS e lo spettro del visivo dell’oggetto. Il modello Non Prewhitening con eye filter (NPWE) integra inoltre la funzione di trasferimento visivo dell’occhio umano, includendo parametri di visualizzazione come la distanza dell’osservatore dal monitor e l’ingrandimento dell’immagine.
Per verificare la riproducibilità e la coerenza di questi calcoli tra diverse strutture, lo studio interlaboratorio condotto da Monnin e collaboratori ha analizzato i risultati ottenuti da sette laboratori indipendenti.
Ai laboratori sono state inviate sei serie di immagini di un fantoccio omogeneo di tipo Catphan 500, acquisite su uno scanner TC a tre livelli di dose, pari a valori di CTDIvol di 1,5 mGy, 5 mGy e 15 mGy. Le immagini sono state ricostruite con l’algoritmo iterativo ASIR-V al 50% utilizzando due differenti kernel di ricostruzione, uno Standard e uno Sharp.
Ciascun laboratorio ha applicato il proprio software di calcolo, comprendente codici personalizzati o strumenti software come iQMetrix-CT e ImQuest.
I dati mostrano che il rapporto contrasto rumore totale disponibile per il calcolo della TTF era ampiamente superiore al valore minimo di 15, raccomandato dalle linee guida dell’AAPM.
Ciononostante, i calcoli effettuati dai sette laboratori hanno evidenziato sostanziali discrepanze: nelle misurazioni della TTF, la frequenza f50 è variata da 0,27 a 0,43 mm-1 per le immagini a kernel Standard e da 0,73 a 0,92 mm-1 per le immagini Sharp.
Particolare rilevanza assume l’analisi delle Regioni di Interesse nella stima dell’NPS e del rumore.
In Tomografia Computerizzata, il rumore non è spazialmente stazionario all’interno dell’immagine. Nonostante l’azione modulatrice dei filtri bowtie, la maggiore attenuazione del fascio radiogeno al centro di un fantoccio omogeneo comporta un minor numero di fotoni rilevati al centro rispetto alla periferia. Di conseguenza, l’ampiezza del rumore tende ad essere massima al centro del fantoccio e minima nelle regioni periferiche.
Lo studio di Monnin et al evidenzia come la scelta della posizione, della dimensione e del numero delle ROI da parte dei laboratori abbia rappresentato la causa primaria della variabilità nella misurazione dell’NPS.
Il laboratorio L1, posizionando un’unica ROI di piccole dimensioni esattamente al centro del fantoccio, ha misurato i valori più elevati di NPS max.
Al contrario, i laboratori L2 e L7 hanno collocato le proprie ROI nella periferia del fantoccio, registrando ampiezze di rumore significativamente inferiori.
I laboratori L3, L4, L5 e L6 hanno distribuito più ROI su differenti posizioni radiali ed angolari, mediando le variazioni spaziali del rumore sulla superficie del fantoccio e ottenendo curve di NPS stabili e tra loro concordi.
Sulla precisione del calcolo dell’NPS hanno influito anche la dimensione delle ROI e le tecniche di sottrazione dello sfondo.
L’impiego di ROI di dimensioni ridotte ha consentito un’analisi locale del rumore, ma richiede un numero elevato di immagini per evitare un’elevata incertezza statistica. Al contempo, l’omissione delle tecniche di sottrazione del fondo, come riscontrato per il laboratorio L5, provoca un aumento fittizio dell’NPS alle bassissime frequenze spaziali a causa delle variazioni a bassa frequenza dei valori Hounsfield tra centro e periferia.
L’effetto combinato di queste scelte sulle ROI ha generato differenze nell’ampiezza massima dell’NPS fino al 40% per i kernel Standard e fino al 70% per i kernel Sharp.
Le discrepanze registrate nella TTF e nell’NPS si sono sommate, successivamente, nell’elaborazione dell’indice di rilevabilità. Nel modello NPW, l’indice d’ per unità di contrasto ha mostrato variazioni fino al 39% tra i diversi software.m, mentre l’introduzione del filtro visivo umano nel modello NPWE ha ulteriormente amplificato la variabilità.
Tuttavia, lo studio di Monnin et al. ha rilevato un aspetto positivo fondamentale per la pratica clinica e per le valutazioni qualitative.
Quando si analizza la variazione relativa dell’indice d’ al variare della dose, confrontando i livelli di 1,5 mGy e 5 mGy rispetto a 15 mGy, le differenze tra i vari laboratori sono rimaste contenute entro il 10% sia per il modello NPW sia per il modello NPWE. Questo dimostra che, sebbene i valori assoluti di rilevabilità dipendano fortemente dal software e dal posizionamento delle ROI impiegati, le variazioni relative dell’indice d’ consentono di valutare in modo affidabile l’impatto della riduzione di dose nei protocolli clinici.
La valutazione della qualità d’immagine e del rumore non può basarsi su software automatizzati senza un’esplicita standardizzazione della modalità e dei parametri di calcolo, allo scopo di rendere confrontabili le misurazioni tra centri radiologici differenti e per guidare un’ottimizzazione della dose realmente efficace.
Fonte: Monnin P, Racine D, Ammour L, et al. Assessment of image quality and detectability in computed tomography: Inter-laboratory comparison of Fourier-based metrics. J Appl Clin Med Phys. 2026; 27:e70838. https://doi.org/10.1002/acm2.70838
