Dal 1999 la National Library of Medicine (NLM) degli National Institutes of Health (NIH) finanzia una libreria pubblica per la segmentazione e la registrazione di immagini biomediche, distribuita con licenza BSD: l’Insight Toolkit, in sigla ITK. Il contratto triennale è coordinato dal project manager Terry Yoo e affidato a sei contraenti — tre industriali (GE Corporate R&D, Kitware, MathSoft/Insightful) e tre accademici (University of North Carolina at Chapel Hill, University of Tennessee, University of Pennsylvania). Le release pubbliche del codice escono da oltre un anno e la libreria si avvicina alla maturità funzionale del primo ciclo di sviluppo.

Contesto

Negli anni ‘90 l’analisi quantitativa delle immagini mediche — segmentare strutture anatomiche, registrare volumi acquisiti in momenti o modalità diverse — si appoggiava in gran parte a strumenti commerciali (Analyze della Mayo Clinic, Amira, gli add-on di MATLAB) oppure a codice di laboratorio mai condiviso. Gli stessi algoritmi di base — diffusione anisotropa di Perona–Malik, fast marching e level set di Sethian, mutual information di Viola e Wells per la registrazione multimodale — venivano riscritti da capo in decine di gruppi, e da un articolo pubblicato i risultati erano spesso impossibili da replicare.

Il finanziamento NLM nasce come prolungamento del Visible Human Project, il dataset anatomico ad alta risoluzione i cui volumi maschile (1994) e femminile (1995) erano già distribuiti come risorsa pubblica. Il contratto punta dichiaratamente a una libreria di riferimento, ispezionabile e riusabile, su cui costruire algoritmi confrontabili tra loro a partire da quei dati.

Architettura

ITK è scritta in C++ e usa i template in modo pesante. Ogni filtro è parametrizzato sul tipo di pixel e sulla dimensionalità dell’immagine, entrambi risolti a tempo di compilazione: lo stesso codice lavora su immagini 2D, 3D e su serie di volumi senza una riga di riscrittura, e l’astrazione non costa nulla a runtime. È la filosofia della Standard Template Library portata in un dominio scientifico, con una ricaduta pratica precisa — i tempi di compilazione si allungano e gli errori che il compilatore stampa sui template sono notoriamente illeggibili.

L’elaborazione è organizzata come pipeline dataflow. Le immagini attraversano catene di filtri (itk::ImageToImageFilter e derivati); la richiesta di una regione di interesse risale all’indietro lungo la catena, e i risultati intermedi vengono ricalcolati solo quando cambia un parametro a monte. Il modello è preso di peso dall’esperienza di Kitware con il Visualization Toolkit (VTK), la libreria di visualizzazione scientifica che la stessa azienda pubblica come open source dal 1996.

Tra gli oggetti di base ci sono itk::Image, itk::Mesh, itk::PointSet, itk::SpatialObject, e l’apparato di registrazione costruito attorno a una metrica, una trasformazione, un interpolatore e un ottimizzatore — componenti intercambiabili che si combinano per definire un esperimento di allineamento.

La build è gestita da CMake, generatore multipiattaforma anch’esso nato in Kitware dentro lo stesso contratto, la cui versione 1.0 è uscita nel novembre 2001. Da una sola descrizione CMake produce i makefile su Unix e i progetti per gli ambienti di sviluppo su Windows: è ciò che rende ITK compilabile su Unix, Windows e Mac aggirando i limiti pratici di autoconf/automake sul codice C++ portabile.

Algoritmi inclusi

La libreria copre un insieme ampio di tecniche di riferimento per il medical image computing:

  • Filtri — gaussiani, derivata di Canny, diffusione anisotropa (Perona–Malik); morfologia matematica (erosione, dilatazione, apertura, chiusura).
  • Segmentazione — region growing, watershed, clustering (K-means, Markov Random Field), metodi a level set con schemi narrow-band e fast marching.
  • Registrazione — trasformazioni rigide, affini e deformabili (B-spline); ottimizzatori (discesa del gradiente, Powell, LBFGS); metriche tra cui somma dei quadrati delle differenze, correlazione e mutual information.
  • Input/output — i formati di imaging medico in uso: DICOM, Analyze, MetaImage (.mha), GIPL.

Il punto critico

La scelta che definisce ITK è l’uso del template C++ esteso a tutto il dominio. Costa parecchio — barriera di ingresso ripida, compilazioni lente, dipendenza da compilatori che trattino bene la specializzazione parziale dei template, ancora un problema concreto nel 2002 con alcune toolchain. In cambio dà due proprietà decisive per una libreria di calcolo: la genericità dimensionale (un solo RegionGrowingFilter vale per 2D e 3D) e l’assenza di dispatch a runtime sui tipi numerici, che su volumi da centinaia di megabyte non è un dettaglio.

C’è una seconda scelta, meno appariscente ma altrettanto importante: la licenza BSD. Una licenza permissiva permette a un produttore di dispositivi medici di incorporare parti della libreria in un prodotto chiuso, condizione necessaria perché un finanziamento pubblico abbia ricaduta industriale e non solo accademica. Il trade-off è che le migliorie fatte a valle non rientrano per forza nel codice pubblico — la comunità lo mette in conto come prezzo dell’adozione.

Implicazioni

Per la ricerca clinica quantitativa una libreria pubblica, documentata e mantenuta ha effetti strutturali. La barriera di ingresso scende: un gruppo piccolo arriva agli stessi strumenti di laboratori molto più finanziati. La riproducibilità cresce, perché un articolo può uscire insieme all’implementazione eseguibile, e una pipeline diventa l’input verificabile di un’altra. ITK fa già da motore di calcolo a 3D Slicer, l’applicazione open source di imaging medico avviata tra Brigham and Women’s Hospital e MIT, che usa ITK per l’analisi e VTK per la visualizzazione.

Il consorzio sta scrivendo un manuale esteso — The ITK Software Guide — che documenta classi, algoritmi ed esempi, distribuito in forma elettronica. Una documentazione così completa è insolita per una libreria scientifica a questo stadio, e la rende usabile come materiale didattico nei corsi di medical imaging.

Limiti

Oggi ITK resta una libreria di calcolo senza interfaccia grafica propria: per la visualizzazione servono VTK o un’applicazione esterna. La registrazione deformabile funziona ma costa tempo e memoria, e gli schemi diffeomorfici sono ancora ricerca aperta più che codice stabile. I binding verso i linguaggi di scripting (Tcl, Python) per la prototipazione rapida sono in lavorazione e immaturi. Il modello di governance oltre la durata del contratto NLM non è ancora formalizzato in un’entità stabile: per ora il progetto vive sul repository pubblico (CVS), sulle mailing list tecniche e sulla code review tra i contraenti.

Resta da vedere, nei prossimi anni, se l’investimento pubblico darà l’effetto cercato: spostare il baricentro dell’imaging medico quantitativo dagli strumenti chiusi a un’infrastruttura ispezionabile, su cui ricerca e industria costruiscano sullo stesso codice.

Immagine di copertina: Sezione anatomica trasversale a colori della testa umana ottenuta per criosezione, con strutture interne di cervello, occhi e ossa… — foto di National Library of Medicine, Visible Human Project, pubblico dominio — https://commons.wikimedia.org/wiki/File:NLM_Visible_Human_Project_-_Section_through_the_head_of_a_human_male.jpg