CT- Gefäßentfernungsalgorithmus verbessert die Vorhersage der Invasivität von Lungenkrebs

Wissenschaftlern einer kürzlich im „European Journal of Radiology“ veröffentlichten Studie zufolge, kann die zusätzliche Verwendung eines Gefäßentfernungsalgorithmus (vessel removal algorithm, VRA) bei einer CT die Vorhersage der invasiven Komponente eines Adenokarzinoms der Lunge verbessern.

Zwischen Januar 2014 und Juni 2015 analysierten die Wissenschaftler 68 subsolide Knoten mit einer durch die Pathologie diagnostizierten invasiven Komponente von ≤ 10 mm. Zwei Radiologen führten für jeden Knoten eine halbautomatische Segmentierung durch. Die Software errechnete vor und nach Anwendung des VRA den längsten 3-dimensionalen (3D), axialen und tatsächlichen Durchmesser. Diese Messwerte wurden dann mit den Angaben des Pathologen für die invasive Komponente verglichen.

Der durchschnittliche maximale Durchmesser der invasiven Komponente der Pathologie betrug 4,6 mm (Spanne 0-10 mm). Der Zusammenhang zwischen den CT-Software- und Pathologie-Messwerten war signifikant (p<0,01) und es zeigte sich, dass der Zusammenhang nach VRA (r=0,49–0,54) besser war, als vor VRA (r=0,27–0,41). Bei allen Messungen war die durchschnittliche Messwertdifferenz zwischen der soliden Komponente bei der CT und invasivem Tumor der Pathologie vor Anwendung des VRA signifikant größer als danach. Der kleinste durchschnittliche Messwertunterschied wurde von beiden Radiologen beim 3D-Durchmesser der soliden Komponente nach Anwendung des VRA erzielt, ohne signifikanten Unterschied zu den Angaben aus der Pathologie (p=0,53-0,83).

Autoren: Garzelli L et al.
Korrespondenz: Jin Mo Goo, Department of Radiology; Institute of Radiation Medicine, Seoul National University Medical Research Center, Seoul, Republic of Korea; Cancer Research Institute, Seoul National University College of Medicine, Seoul, Republic of Korea; [email protected]
Studie: Improving the prediction of lung adenocarcinoma invasive component on CT: Value of a vessel removal algorithm during software segmentation of subsolid nodules
Quelle: Eur J Radiol 2018 Mar;100:58-65.
Web: http://dx.doi.org/10.1016/j.ejrad.2018.01.016