La placenta è uno degli organi più vitali quando una donna è incinta. Se non funziona correttamente, le conseguenze possono essere disastrose:i bambini possono avere una crescita stentata e disturbi neurologici, e le loro madri sono a maggior rischio di malattie del sangue come la preeclampsia, che possono compromettere la funzionalità renale ed epatica.

Sfortunatamente, valutare la salute della placenta è difficile a causa delle informazioni limitate che possono essere raccolte dall'imaging. Gli ultrasuoni tradizionali sono economici, portatile, e facile da eseguire, ma non sempre riescono a catturare abbastanza dettagli. Ciò ha spinto i ricercatori a esplorare il potenziale della risonanza magnetica (MRI). Anche con la risonanza magnetica, anche se, la superficie curva dell'utero rende le immagini difficili da interpretare.

Questo problema ha attirato l'attenzione di un team di ricercatori del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT, chi si chiedeva se la forma accartocciata della placenta potesse essere appiattita usando una geometria fantasiosa.

Il mese prossimo pubblicheranno un articolo che dimostrerà che è possibile. Il loro nuovo algoritmo sviluppa le immagini delle scansioni MRI per visualizzare meglio l'organo. Per esempio, le loro immagini mostrano più chiaramente i "cotiledoni, " strutture circolari che consentono lo scambio di sostanze nutritive tra la madre e il bambino o i bambini in via di sviluppo. Essere in grado di visualizzare tali strutture potrebbe consentire ai medici di diagnosticare e trattare i problemi placentari molto prima della gravidanza.

"L'idea è di dispiegare l'immagine della placenta mentre è nel corpo, in modo che assomigli a come i medici sono abituati a vederlo dopo il parto, " dice il dottorando Mazdak Abulnaga, autore principale del nuovo articolo con i professori del MIT Justin Solomon e Polina Golland. "Anche se questo è solo un primo passo, pensiamo che un approccio come questo abbia il potenziale per diventare un metodo di imaging standard per i radiologi".

Golland afferma che l'algoritmo potrebbe essere utilizzato anche nella ricerca clinica per trovare biomarcatori specifici associati a una cattiva salute della placenta. Tale ricerca potrebbe aiutare i radiologi a risparmiare tempo e a individuare con maggiore precisione le aree problematiche senza dover esaminare molte diverse sezioni della placenta.

Chris Kroenke, un professore associato presso l'Oregon Health and Science University, afferma che il progetto apre molte nuove possibilità per il monitoraggio della salute della placenta.

"I processi biologici che sono alla base del modello di cotiledone non sono completamente compresi, né è noto se ci si debba aspettare un modello standard per una data popolazione, "dice Kroenke, che non era coinvolto nella carta. "Gli strumenti forniti da questo lavoro aiuteranno sicuramente i ricercatori ad affrontare queste domande in futuro".

Abulnaga, Salomone, e Golland hanno co-scritto il documento con l'ex postdoc CSAIL Mikhail Bessmeltsev e i loro collaboratori, Esra Abaci Turk e P. Ellen Grant del Boston Children's Hospital (BCH). Grant è il direttore del Fetal-Neonatal Neuroimaging and Development Science Center di BCH, e professore di radiologia e pediatria alla Harvard Medical School. Il team ha anche lavorato a stretto contatto con i collaboratori del Massachusetts General Hospital (MGH) e il professor Elfar Adalsteinsson del MIT.

Il documento sarà presentato il 14 ottobre a Shenzhen, Cina, alla Conferenza Internazionale su Medical Image Computing e Computer-Assisted Intervention.

L'algoritmo del team prima modella la forma della placenta suddividendola in migliaia di minuscole piramidi, o tetraedri. Questo serve una rappresentazione efficiente per i computer per eseguire operazioni per manipolare la forma. L'algoritmo dispone quindi quelle piramidi in un modello che ricorda la forma appiattita che una placenta tiene una volta fuori dal corpo. (L'algoritmo lo fa essenzialmente spostando gli angoli delle piramidi sulla superficie della placenta in modo che corrispondano ai due piani paralleli del modello e lasciando che il resto riempia la nuova forma.)

Il modello deve fare un compromesso tra le piramidi che corrispondono alla forma del modello e ridurre al minimo la quantità di distorsione. Il team ha dimostrato che il sistema può in definitiva raggiungere una precisione su una scala inferiore a un voxel (un pixel 3D).

Il progetto è tutt'altro che il primo volto a migliorare l'imaging medico manipolando effettivamente tali immagini. Ci sono stati sforzi recenti per dispiegare le scansioni delle costole, e i ricercatori hanno anche trascorso molti anni a sviluppare modi per appiattire le immagini della corteccia cerebrale del cervello per visualizzare meglio le aree tra le pieghe.

Nel frattempo, il lavoro che coinvolge l'utero è molto più recente. I precedenti approcci a questo problema si concentravano sull'appiattimento di diversi strati della placenta separatamente. Il team afferma di ritenere che il nuovo metodo volumetrico si traduca in una maggiore coerenza e una minore distorsione perché mappa l'intera placenta 3D in una volta, consentendogli di modellare più da vicino il processo di dispiegamento fisico.

"Il lavoro del team fornisce uno strumento molto elegante per affrontare il problema della difficile immagine della forma irregolare della placenta, "dice Kroenke.

Come passo successivo, il team spera di lavorare con MGH e BCH per confrontare direttamente le immagini in utero con quelle delle stesse placente post-parto. Poiché la placenta perde liquido e cambia forma durante il processo di nascita, ciò richiederà l'utilizzo di una camera speciale progettata da MGH e BCH dove i ricercatori possono mettere la placenta direttamente dopo il parto.

Il codice sorgente del progetto è disponibile su github.

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.