| dc.description.abstract |
Einleitung
Die Texturanalyse als Teilgebiet der Radiomics in der medizinischen Bildgebung beschreibt die computergestützte Extraktion von Bilddaten zur objektiven Auswertung der räumlichen Heterogenität der Grauwertverteilung z.B. eines Tumors in der Computertomographie (CT) oder Positronen-Emissionstomographie (PET). So sollen Texturcharakteristiken quantitativ erfasst werden, die dem menschlichen Auge nicht zugänglich sind und möglicherweise Hinweise auf die Histologie eines Tumors oder das klinische Out-come von Patienten liefern könnten.
Ziel
Die vorliegende Studie hatte zum Ziel, die Wertigkeit von ausgesuchten, in der Literatur vorbeschriebenen Texturfeatures von Bronchialkarzinomen in der CT und 18F-Fluorodeoxyglucose-PET (18F-FDG-PET) hinsichtlich der Prädiktion des histologischen Subtyps und des Gesamtüberlebens an einem Kollektiv des Universitätsklinikums Tübingen zu untersuchen.
Des Weiteren wurde der Einfluss der Kontrastmittelphase und der Segmentierungstechnik auf die Ergebnisse der Texturanalyse in der CT untersucht.
Material und Methoden
Von insgesamt 7759 Patienten, welche zwischen 2014 und 2017 am Universitätsklinikum Tübingen nach klinischer Indikation mittels 18F-FDG-PET/CT untersucht wurden, wurden 183 Patienten nach folgenden Kriterien in die Studienauswertung eingeschlossen: (1) Alter über 18 Jahre, (2) Erstdiagnose eines histologisch gesicherten Bronchialkarzinoms sowie (3) das Vorliegen einer kontrastangehobenen Ganzkörper-18F-FDG-PET/CT-Untersuchung, welche eine CT-Thorax in Inspiration sowie eine Ganzkörper-CT in portalvenöser Kontrastmittelphase beinhaltet. Für die Auswertung wurde ein positives Votum der Ethikkommission eingeholt. Erfasst wurden folgende Daten: Alter, Geschlecht, cTMN-Stadium, histologischer Befund mit Grading des Tumors, Lokalisation des Primarius, letzter Patientenkontakt sowie das Todesdatum. Die Bronchialkarzinome wurden in insgesamt drei Bilddatensätzen segmentiert und weiter analysiert: (I) in der 18F-FDG-PET, (II) in der CT-Thorax in Inspiration (CTINSP) und (III) der CT-Ganzkörper (CTPET). Für den PET-Datensatz wurde hierfür eine 3D 40 %-ige Isokontur (Volume of interest, VOI) verwendet, wodurch die stoffwechselaktiven Tumoranteile erfasst werden. Diese VOI wurde anschließend auf die CTPET kopiert, um diese stoffwechselaktiven Tumoranteile in der CT zu analysieren. In der CTINSP wurden die Tumore anhand der anatomischen Be-grenzung der CT manuell segmentiert. Folgende Texturfeatures der Tumore wurden aus den drei Datensätzen mittels der Software ImFEATbox in Matlab (The Mathworks Inc, Natick, USA) berechnet: Entropy, Homogeneity und Energy.
Die statistische Auswertung erfolgte mittels IBM SPSS Statistics 27 (IBM, Armonk, NY, USA). Zum Vergleich allgemeiner Patienten- und Krankheitsparameter wurde ein Mann-Whitney-U-Test zwischen den Gruppen (Adenokarzinom vs. Plattenepithelkarzinom) durchgeführt. Die Korrelation zwischen den Features und dem histologischen Subtyp der Tumore wurde mittels Spearman-Test untersucht. Zur Berücksichtigung der multiplen Tests wurde die FDR mittels Benjamini-Hochberg-Korrektur auf 10 % begrenzt. Das Signifikanzniveau wurde auf p = 0,05 gesetzt.
Die statistische Signifikanz der einzelnen Regressionskoeffizienten wurde mittels Wald-Test durchgeführt.
Unterschiede der einzelnen Texturfeatures in den drei Bildgebungsmethoden, unter Berücksichtigung des Tumorgradings und des Gesamtüberlebens, wurden ebenfalls mittels Mann-Whitney-U-Test analysiert.
Ergebnisse
Von den eingeschlossenen 183 Patienten (42,5 % Frauen) hatten 61,7 % (n = 113) ein primäres Adenokarzinom und 38,3 % (n = 70) ein primäres Plat¬ten¬epi-thel¬kar¬zi¬nom. Das mittlere Alter unterschied sich signifikant zwischen den beiden Testgruppen (Adenokarzinomgruppe: 65,1 ± 9,2 Jahre vs. 68,6 ± 8,3 Jahre, p < 0,001).
Grading: Adenokarzinomgruppe: je 47,8 % G2 und G3; 3,5 % G1; Plattenepi-thelkarzinomgruppe: 50,0 % G3; 45,7 % G2 und 2,9 % G1; bei jeweils einer Person der beiden Gruppen wurde das Grading nicht bestimmt. Zwischen den beiden Testgruppen (Adenokarzinom und Plattenepithelkarzinom) bestand kein signifikanter Unterschied (p > 0,05) hinsichtlich des Gesamtüberlebens (overall survival, OS): median OSAdeno 17,1 Monate, Range 0,6–67,1 Monate vs. Median OSPLECA 18,1 Monate, Range 0,2–67,2 Monate, p = 0,771. Bei der Auswertung der Texturanalyse zeigte sich nach Korrektur der Falscherkennungsrate ein statistisch signifikanter Unterschied der Entropy (p = 0,009) und der Energy (p = 0,039) zwischen den beiden Tumorhistologien Adeno- und Plattenepithelkarzinom in der PET. In Bezug auf die Gradingstufen sowie das Gesamtüberleben ergaben sich zwischen den beiden Tumorgruppen hinsichtlich der Texturfeatures Entropy, Homogeneity und Energy in der CT und der PET weder im Gesamtkollektiv noch bei den Plattenepithel- und Adenokarzinomen signifikante Unterschiede. Bei der Korrelation zwischen den Texturfeatures ergaben sich folgende Korrelationen: Homogeneity (CTPET) mit Entropy (PET) r = -0,289. Homogeneity (CTPET) bzw. Energy (CTPET) mit Entropy (PET) r = 0,434 bzw. r = 0,335). Homogeneity (PET) mit Homogeneity (CTPET) r = -0,289. Ansonsten ergaben sich hier keine signifikanten Korrelationen.
Für die CTINSP und CTPET konnten keine signifikanten Korrelationen zwischen den einzelnen Texturfeatures gefunden werden (p > 0,265).
Schlussfolgerung
In dem untersuchten Kollektiv unserer Studie konnten interessanterweise lediglich in der PET signifikante Unterschiede in den Texturfeatures der Adeno- und Plattenepithelkarzinome gefunden werden. Die untersuchten Texturfeatures der CT erlaubten keine Differenzierung zwischen den beiden Tumorgruppen. Weder die Texturfeatures der PET noch der CT korrelierten mit dem Tumorgrading oder dem Gesamtüberleben. Auch unterschieden sich die Features aus den beiden CT-Datensätzen (CTINSP und CTPET) deutlich, was die Rolle der Segmentierungs- und Aufnahmetechnik der ausgewählten Features verdeutlicht. Die Ergebnisse unserer Studie können damit die in der Literatur zum Teil vorbeschriebenen Korrelationen von Texturfeatures zu klinischen oder histologischen Daten nicht in der beschriebenen Ausprägung bestätigen.
Insgesamt variieren die bereits durchgeführten und publizierten Studien stark hinsichtlich der verwendeten Methoden zur Texturanalyse, der Auswahl der Features, der verwendeten Bilder und entsprechend auch der Ergebnisse. Es fehlt an prospektiven Studien mit ausreichend großen Patientenkollektiven zur Vereinheitlichung der Datenakquisition und Auswertungsstrategie. Der Fokus dieser Studie lag in der Untersuchung von lediglich drei, in der Literatur als relativ robust beschriebenen Texturfeatures (Entropy, Homogeneity und Ener-gy), um den statistischen Fehler durch multiples Testen zu minimieren. Zusammenfassend deuten die Ergebnisse dieser Studie darauf hin, dass die Texturfeatures in der eingesetzten Form keine eindeutige Differenzierung des histologischen Subtyps erlauben und einen nur eingeschränkten prädiktiven Wert hinsichtlich des Gesamtüberlebens bei Patienten mit Bronchialkarzinom haben. Die deutlichen Unterschiede zwischen den beiden CT-Datensätzen unterstreichen die Notwendigkeit einer Standardisierung der Untersuchungsprotokolle, Bildnachbearbeitung sowie der Segmentierungstechnik von Tumoren. Der Einsatz künstlicher Intelligenz könnte als Weiterentwicklung der quantitativen Bildgebung und Radiomics helfen, bestehende Probleme in die-sem Bereich zukünftig zu lösen. |
de_DE |
