Ein linearisiertes Fit-Modell zur robusten Parametrisierung von FET-PET-TACs

18. März 2021

Christoph Lerche, Timon Radomski, Philipp Lohmann, Liliana Caldeira, Cláudia Régio Brambilla, Lutz Tellmann, Jürgen Scheins, Elena Rota Kops, Norbert Galldiks, Karl-Josef Langen, Hans Herzog, Jon Shah

Die Positronen-Emissions-Tomographie (PET) mit dem Tracer 18F-FET ist ein bewährtes bildgebendes Verfahren zur Beurteilung von Hirntumorpatienten. Insbesondere die kinetische Analyse von 18F-FET-Zeit-Aktivitäts-Kurven (TAC) kann bei Gliom-Patienten wertvolle diagnostische Informationen liefern. Daher ist eine Analysemethode, die möglichst viele detaillierte Informationen in einem klinisch praktikablen Zeitrahmen und auf robuste Art und Weise liefert, für die Diagnose und Behandlungsplanung von Vorteil.

Ziel dieser Arbeit war es, die 18F-FET-Aufnahme mit Hilfe eines expliziten linearisierten Modells zu untersuchen, das die unterschiedlichen Aufnahmekinetiken von 18F-FET mit hoher Genauigkeit und Robustheit reproduzieren kann, wobei so viele TAC-Daten wie möglich verwendet werden und gleichzeitig die unterschiedlichen kinetischen Verhaltensweisen von gesundem Hirngewebe und Gliomgewebe objektiv und mit geringer numerischer Unsicherheit abgebildet werden können.

Das Modell wurde in einer Gruppe von 33 erwachsenen Patienten mit histomolekular charakterisierten primären (n=32) oder rezidivierenden zerebralen Gliomen (n=1) gemäß der revidierten WHO-Klassifikation 2016 für Tumoren des zentralen Nervensystems validiert. Die Durchführbarkeit und der prädiktive Wert dieses Ansatzes wurden ebenfalls an der gleichen Patientenkohorte evaluiert.

Die Ergebnisse zeigen, dass im Vergleich zu alternativen Fit-Modellen das linearisierte Modell, das an die gemittelten TAC-Werte aus dynamischen FET-PET-Daten im Zeitintervall 4-50 min p.i. angepasst wurde, die beste Klassifizierung von Gliomen erreichen konnte.

Es wurde auch festgestellt, dass das vorgeschlagene linearisierte Modell im Vergleich zu anderen möglichen Modellen eine gute Übereinstimmung mit den gemessenen TACs erreichte, nur zwei freie Parameter hat und linearisiert werden kann, wodurch eine erhöhte numerische Stabilität und geringere Parameterunsicherheiten, insbesondere bei der voxelweisen Analyse, erreicht werden.

Da zudem die Klassifikationszuverlässigkiet des linearisierten Fit-Modells und des linearen Standard-Fit-Modells für das reduzierte Erfassungsintervall 20-40 min p.i. nur geringfügig unterschiedlich waren, ist die Methode für klinische Anwendungen geeignet. Folglich ist nach weiteren Untersuchungen zu erwarten, dass die Verwendung dieses Modells das klinische Verständnis und die Behandlung von Gliomen verbessern wird.

Originalpublikation:

A Linearised Fit Model for Robust Shape Parameterization of FET-PET TACs