Inhaltszusammenfassung:
Zielsetzung
Ziel dieser Arbeit ist die systematische Evaluation eines herstellerunspezifischen, AI-basierten Denoising-Algorithmus zur Bildrekonstruktion in der Thorax-CT. Im Rahmen einer multizentrischen Studie wird die Performance von AID auf unterschiedlichen Dosisstufen im Vergleich zur iterativen Rekonstruktion untersucht. Bewertungskriterien hierfür sind die subjektive Bildqualität, objektive Bildqualitätsmetriken und die Beurteilung typischer pathologischer Lungenveränderungen.
Material und Methoden
In dieser retrospektiven, multizentrischen Studie wurden 60 COVID-19-positive Patienten von drei Standorten in Deutschland einbezogen, die eine native Thorax-CT-Bildgebung erhalten hatten. Für jeden Patienten wurden CT-Datensätze mit simulierten Dosisstufen (50%, 25% mAs) sowohl mit iterativer Rekonstruktion als auch mit dem untersuchten AID-Algorithmus (ClariAce, ClariPi Inc.) erzeugt. Die subjektive Bildqualität wurde im Paired-Comparison-Verfahren durch zwei erfahrene Radiologen im Konsens bewertet. Objektive Parameter wie CT-Werte, Bildrauschen und CNR wurden in definierten ROIs auf mehreren Schichten erhoben. Zusätzlich erfolgte eine semiquantitative Analyse typischer pulmonaler Pathologiemuster (Milchglastrübungen, Konsolidierungen, Nodularitäten, Retikulationen). Die statistische Auswertung erfolgte mittels Mixed-Effects-Analysen und korrigierter paarweiser post-hoc-Vergleiche.
Ergebnisse
Die subjektive Bildqualität nahm mit sinkender Dosis ab, jedoch zeigten AID-verarbeitete Bilder signifikant höhere Bewertungen als IR-Datensätze auf gleicher Dosisstufe (p < 0,001). Zwischen 25%-AID-Datensätzen und 100%-IR-Datensätzen wurde kein signifikanter Unterschied gemessen (p = 0,203). Objektiv zeigten AID-Datensätze auf allen Dosisstufen ein signifikant geringeres Bildrauschen und eine höhere CNR im Vergleich zu IR. Die CT-Dichtewerte blieben dabei über alle Bedingungen hinweg stabil. Die diagnostische Beurteilung pulmonaler Pathologien war unabhängig von Dosis und Rekonstruktionsmethode vergleichbar (p > 0,235), was auf eine erhaltene klinische Aussagekraft auch bei 25%-Dosisniveau unter AID hinweist.
Diskussion
Die Ergebnisse der Studie decken sich mit vorherigen Studien, dass mit AID eine deutliche Dosisreduktion in der Low-Dose-CT erreicht werden kann. Je nach Anwendungsfall und Studiendesign konnte eine Dosisreduktion von 46-94% erzielt werden, andere Forschungsgruppen bestätigen eine mögliche Dosisreduktion um 75% wie in unserer Studie. Wir konnten mit unserem multizentrischen, multiscanner-Ansatz zur zusätzlichen Validierung des Algorithmus beitragen.
Eine klinische, aufgabenbasierte Bewertung des Algorithmus erfolgte bisher vor allem für Lungennoduli. In diesem Punkt stimmen unsere Ergebnisse mit der bestehenden Evidenz überein, dass für die Detektion von Lungennoduli eine Dosisreduktion von 75% erreicht werden kann. Unsere Ergebnisse unterstützen die Evidenz zusätzlich bezüglich der Detektion von Konsolidierungen, Milchglastrübungen und Retikulationen.
Fazit
AID stellt eine vielversprechende Möglichkeit dar, die Bildqualität bei Low-Dose-CT aufrechtzuerhalten und somit die Strahlenexposition in der klinischen Routine zu senken. Die vorliegende Arbeit zeigt multizentrisch und multiscanner-basiert, dass der untersuchte herstellerunabhängige AID-Algorithmus eine Dosisreduktion um ca. 75% ermöglichen kann, ohne klinisch relevante Einbußen. Diese Rekonstruktionsmethode hat das Potenzial, zu einem neuen Standard in der Low-Dose-CT-Bildgebung zu werden, insbesondere bei vulnerablen Patientengruppen und in Szenarien mit hoher Bildgebungsfrequenz.
Denoising