High Resolution Ultrasound Platform for Screening of Infections in Serous Body Fluids: the Infant Meningitis Case

Abstract

La meningitis infantil continua sent una greu càrrega per a la salut mundial, sobretot per als lactants petits. La urgència de resoldre aquest problema exigeix solucions alternatives que es puguin aplicar àmpliament. L'avaluació de la concentració de glòbuls blancs (GB) al líquid cefalorraquidi (LCR) és clau per al diagnòstic de la meningitis. Els ultrasons sorgeixen com una tecnologia ideal per a aquesta aplicació, a causa del seu baix cost, portabilitat i seguretat. No obstant això, les tècniques d'ultrasons convencionals tenen una resolució espacial limitada per detectar glòbuls blancs a l'LCR. Aquesta tesi presenta el procés de recerca i desenvolupament d’un dispositiu portàtil que utilitza ultrasons d’alta resolució per avaluar la concentració de glòbuls blancs en el LCR a través de la fontanel·la de nounats i lactants petits. Aquest nou enfocament pretén proporcionar una alternativa no invasiva als mètodes tradicionals de diagnòstic de la meningitis infantil, oferint una eina de cribratge ràpida i accessible. La plataforma desenvolupada empra un transductor focalitzat de 20 MHz, cosa que millora significativament la resolució espacial i permet la detecció dels senyals de retro dispersió dels glòbuls blancs microscòpics. Tot el sistema s'ha construït al voltant d'una sonda personalitzada que permet controlar mecànicament el transductor per cartografiar la zona d'interès al LCR. Els components de maquinari i programari s’han integrat amb a la plataforma que, mitjançant l’aplicació de tècniques intel·ligència artificial (IA), és capaç d'obtenir imatges i anàlisis precisos de LCR. L'avaluació in vitro i el procés d'optimització ha estat essencial per aconseguir imatges d'alta qualitat complint les directrius de seguretat. Els experiments realitzats utilitzant un model anatòmic de la secció tubular sota la fontanel·la neonatal, amb suspensions de partícules de 7-μm en diferents concentracions, han proporcionat una informació essencial sobre la dinàmica de les partícules rellevant per al diagnòstic de la meningitis. El sistema desenvolupat permet l'adquisició d'imatges d'alta resolució que proporcionen una claredat i detall excel·lent. A més, l'alta taxa d'adquisició permet rastrejar el patró de partícules resultant a les imatges amb coherència lateral. El model d'aprenentatge profund (Deep Learning, DL) s’ha implementat a la plataforma i permet classificar els pacients en funció dels patrons de LCR segons les concentracions de WBC. Aquesta eina facilita l’inici ràpid del tractament si se superen els llindars de diagnòstic. Els algorismes integrats al dispositiu, optimitzats per al maquinari específic de la plataforma, garanteixen una ràpida anàlisi in vivo en qüestió de minuts. Els assajos clínics realitzats a Espanya, el Marroc i Moçambic han donat resultats preliminars prometedors que demostren el potencial de la plataforma per donar suport al diagnòstic de la meningitis. Aquesta tesi estableix una metodologia robusta per a l'anàlisi immediata i precisa del LCR, avançant en el diagnòstic de la meningitis infantil mitjançant una plataforma d'ultrasons d'alta resolució ben optimitzada i rigorosament avaluada.

La meningitis infantil sigue siendo una grave problema para la salud mundial, sobre todo para los neonatos y lactantes pequeños. La urgencia de diagnosticar esta enfermedad exige soluciones alternativas que puedan aplicarse ampliamente. La evaluación de la concentración de glóbulos blancos (GB) en el líquido cefalorraquídeo (LCR) es clave para el diagnóstico de la meningitis. Los ultrasonidos surgen como una tecnología ideal para dicha aplicación, debido a su bajo coste, portabilidad y seguridad. Sin embargo, las técnicas de ultrasonidos convencionales tienen una resolución espacial limitada para detectar glóbulos blancos en el LCR. Esta tesis presenta el proceso de investigación y desarrollo de un dispositivo portátil que utiliza ultrasonidos de alta resolución para evaluar la concentración de glóbulos blancos en el LCR a través de la fontanela de neonatos y lactantes pequeños. Este novedoso enfoque pretende proporcionar una alternativa no invasiva a los métodos tradicionales de diagnóstico de la meningitis infantil, ofreciendo una herramienta de cribado rápida y accesible. La plataforma desarrollada emplea un transductor focalizado de 20 MHz, lo que mejora significativamente la resolución espacial y permite la detección de las señales de retrodispersión de los glóbulos blancos. Todo el sistema se ha construido en torno a una sonda personalizada que permite controlar mecánicamente el transductor para cartografiar la zona de interés en el LCR. Los componentes de hardware y software se integraron en una plataforma que mediante técnicas de inteligencia artificial (IA) es capaz de obtener imágenes y análisis de LCR precisos. La evaluación in vitro y el proceso de optimización fueron esenciales para lograr imágenes de alta calidad cumpliendo las regulaciones de seguridad. Los experimentos realizados utilizando un modelo anatómico de la sección tubular debajo de la fontanela neonatal, con suspensiones de partículas de 7-μm en diferentes concentraciones, proporcionaron información esencial sobre la dinámica de las partículas relevante para el diagnóstico de la meningitis. El sistema desarrollado permite la adquisición de imágenes de alta resolución que proporcionan una excelente claridad y detalle. Además, la alta tasa de adquisición permite rastrear el patrón de partículas resultante en las imágenes con coherencia lateral. El modelo de aprendizaje profundo (Deep Learning, DL) se ha integrado en la plataforma y permite clasificar a los pacientes en función de los patrones de LCR según las concentraciones de WBC. Esta herramienta facilita el inicio rápido del tratamiento si se superan los umbrales de diagnóstico. Los algoritmos integrados en el dispositivo, optimizados para el hardware específico de la plataforma, garantizan un rápido análisis in vivo en cuestión de minutos. Los ensayos clínicos realizados en España, Marruecos y Mozambique han arrojado resultados preliminares prometedores que demuestran el potencial de la plataforma para apoyar el diagnóstico de la meningitis. Esta tesis establece una metodología robusta para el análisis inmediato y preciso del LCR, avanzando en el diagnóstico de la meningitis infantil mediante una plataforma de ultrasonidos de alta resolución bien optimizada y rigurosamente evaluada.

Infant meningitis remains a severe burden on global health, particularly for young infants. The urgency to solve this problem demands alternative solutions that can be widely applied. The assessment of white blood cell (WBC) concentration in the cerebrospinal fluid (CSF) is key to the diagnosis of meningitis. Ultrasound emerges as an ideal technology for such application, due to its low cost, portability, and safety. However, conventional ultrasound techniques are limited in spatial resolution to detect WBCs in the CSF. This thesis presents the research and development process of a portable device that uses high-resolution ultrasound to evaluate WBC concentration in the CSF through the fontanelle of neonates and young infants. This novel approach aims to provide a non-invasive alternative to the traditional diagnostic methods for infant meningitis, offering a rapid and accessible screening tool. The developed platform employs a 20 MHz focused transducer, significantly enhancing spatial resolution and enabling the detection of the backscatter signals from microscopic WBCs. The whole system was built around a custom probe that allows the transducer to be mechanically controlled to map the area of interest in the CSF. Hardware and software components were carefully integrated into an artificial intelligence (AI)-powered platform capable of accurate imaging and CSF analysis. In vitro evaluation and optimization process were essential to achieve high-quality images while complying with safety guidelines. Experiments using a tube phantom through neonatal fontanelle with 7-μm particles suspensions under different concentrations provided essential information on particle dynamics relevant to the diagnosis of meningitis. The developed system allows the acquisition of high-resolution images that provide excellent clarity and detail. In addition, the high acquisition rate enables to track the resulting particle pattern in the images with lateral coherence. An Deep Learning (DL) model was deployed into the platform to classify patients based on CSF patterns according to WBC concentrations. This tool facilitates prompt treatment initiation if diagnostic thresholds are exceeded. Optimized for the platform-specific hardware, the algorithms integrated into the device ensure fast on-site analysis in a matter of minutes. Clinical trials in Spain, Morocco, and Mozambique have yielded promising preliminary results that demonstrate the potential of the platform to support the diagnosis of meningitis. This thesis establishes a robust methodology for immediate and accurate CSF analysis, advancing the diagnosis of infant meningitis through a well-optimized and rigorously evaluated high resolution ultrasound platform.