Dynamische kontrastmittelverstärkte MRT (DCE-MRI) zur automatischen Erkennung von residualen oder rezidivierenden Krebsherden nach Prostatektomie.
Purpose: This study aimed to develop an automated procedure for identifying suspicious foci of residual/recurrent disease in the prostate bed using dynamic contrast-enhanced-MRI (DCE-MRI) in prostate cancer patients after prostatectomy.Materials and Methods: Data of 22 patients presenting for salvag...
| Publicado en: | Strahlentherapie und Onkologie Vol. 193; no. 1; pp. 13 - 22 |
|---|---|
| Autores principales: | , , , , , , , , |
| Formato: | diagnostic images research tables/charts Journal Article |
| Publicado: |
Springer Nature
Jan2017
|
| Acceso en línea: | Ver este registro en EBSCOhost |
| Sumario: | Purpose: This study aimed to develop an automated procedure for identifying suspicious foci of residual/recurrent disease in the prostate bed using dynamic contrast-enhanced-MRI (DCE-MRI) in prostate cancer patients after prostatectomy.Materials and Methods: Data of 22 patients presenting for salvage radiotherapy (RT) with an identified gross tumor volume (GTV) in the prostate bed were analyzed retrospectively. An unsupervised pattern recognition method was used to analyze DCE-MRI curves from the prostate bed. Data were represented as a product of a number of signal-vs.-time patterns and their weights. The temporal pattern, characterized by fast wash-in and gradual wash-out, was considered the "tumor" pattern. The corresponding weights were thresholded based on the number (1, 1.5, 2, 2.5) of standard deviations away from the mean, denoted as DCE1.0, …, DCE2.5, and displayed on the T2-weighted MRI. The resultant four volumes were compared with the GTV and maximum pre-RT prostate-specific antigen (PSA) level. Pharmacokinetic modeling was also carried out.Results: Principal component analysis determined 2-4 significant patterns in patients' DCE-MRI. Analysis and display of the identified suspicious foci was performed in commercial software (MIM Corporation, Cleveland, OH, USA). In general, DCE1.0/DCE1.5 highlighted larger areas than GTV. DCE2.0 and GTV were significantly correlated (r = 0.60, p < 0.05). DCE2.0/DCA2.5 were also significantly correlated with PSA (r = 0.52, 0.67, p < 0.05). Ktrans for DCE2.5 was statistically higher than the GTV's Ktrans (p < 0.05), indicating that the automatic volume better captures areas of malignancy.Conclusion: A software tool was developed for identification and visualization of the suspicious foci in DCE-MRI from post-prostatectomy patients and was integrated into the treatment planning system. Ziel: Entwicklung eines automatischen Analyseverfahrens, um nach Prostatektomie mittels dynamischer kontrastmittelverstärkter Magnetresonanztomographie (DCE-MRT) residuelle/rezidivierende Krebsherde im Prostatabett zu identifizieren. Material und Methoden: Daten von 22 Patienten mit einer Salvage-Strahlentherapie (RT) und einem makroskopischen Tumorvolumen (GTV) im Prostatabett wurden retrospektiv analysiert. Die DCE-MRT-Kurven vom Prostatabett wurden mit einer nichtüberwachten Mustererkennungsmethode analysiert. Die Datendarstellung erfolgte als Produkt aus Mustern von Signal-vs.-Zeitverläufen und deren Gewichtungen. Zeitmuster, charakterisiert durch schnelles Anreichern und langsames Auswaschen, galten als 'Tumorgewebe'. Der Grenzwert für die entsprechenden Gewichtungen basierte auf dem Mehrfachen (1; 1,5; 2; und 2,5) der Standardabweichungen vom Mittelwert und wurde auf den T-gewichteten Bildern als DCE1.0, ..., DCE2.5 angezeigt. Die resultierenden 4 verschiedenen Volumina wurden mit dem GTV und dem maximal Wert des prostataspezifischen Antigens vor RT (pre-RT PSA) verglichen. Außerdem erfolgte eine pharmakokinetische Modellierung. Ergebnisse: Die Hauptkomponentenanalyse ermittelte anhand der DCE-MRT-Daten 2-4 signifikante Muster. Analyse und Darstellung der identifizierten, verdächtigen Krebsherde erfolgte mit einer kommerziellen Software. Gewöhnlich waren DCE1.0/DCE1.5 größer als das GTV. Eine starke Korrelation zeigte DCE2.0 und GTV (r = 0,60; p < 0,05) sowie DCE2.0/DCE2.5 mit dem PSA-Wert (r = 0,52; r = 0,67; p < 0,05). K für DCE2.5 war signifikant größer als K für GTV ( p < 0,05), was belegt, dass die automatische Volumenerkennung bösartige Tumorareale besser identifiziert. Schlussfolgerung: Anhand von DCE-MRT-Daten von Patienten nach Prostatektomie ließ sich ein Software-Programm zur Identifizierung und Darstellung verdächtiger Krebsherde entwickelt und in das Behandlungsplanungssystem integrieren. |
|---|