Abstract
Formål
Texture indekser (TI) beregnet fra 18F-FDG PET svulst bildene viser lovende for å forutsi respons på behandling og overlevelse. Ved beregning innebærer en resampling av standardiserte opptaksverdier (SUV) i tumoren. Dette resampling kan utføres annerledes og betydelig påvirker TI-verdiene. Vårt mål var å undersøke hvordan resampling tilnærming påvirker evnen til TI å reflektere vev-spesifikke mønster av metabolsk aktivitet.
Metoder
18F-FDG PET ble kjøpt for 48 naive-behandling hos pasienter med ikke-småcellet lungekreft og for en enhetlig fantom. Vi studerte 7 TI, SUVmax og metabolsk volum (MV) i Fantomet, svulster og friskt vev ved hjelp av vanlige forhold resampling (RR) metode og en absolutt resampling (AR) -metoden. Forskjellene i TI-verdiene mellom vevstyper og kreft subtyper ble undersøkt ved hjelp av Wilcoxon tester.
Resultater
De fleste RR-baserte TI ble sterkt korrelert med MV for svulster mindre enn 60 ml (Spearman korrelasjonskoeffisient r mellom 0,74 og 1), mens denne korrelasjon ble redusert for AR-baserte TI (r mellom 0,06 og 0,27 bortsett RLNU hvor r = 0,91). De fleste AR-baserte TI var signifikant forskjellig mellom svulst og friskt vev (pvalues 0,01 for alle syv TI) og mellom kreft undergrupper (pvalues 0,05 for 6 TI). Friskt vev og adenokarsinomer utstilt mer homogen konsistens enn henholdsvis svulstvev og plateepitelkarsinom.
Konklusjon
TI beregnet ved hjelp av en AR-metoden varierer som en funksjon av subtype vevstype og kreft mer enn TI involverer den vanlige RR-metoden. AR-baserte TI kan være nyttig for svulst karakterisering
Citation. Orlhac F, Soussan M, Chouahnia K, Martinod E, Buvat I (2015) 18F-FDG PET-avledet Stofflige indekser Nødvendigvis Tissue-spesifikt opptak Mønster i ikke-småcellet lungekreft. PLoS ONE 10 (12): e0145063. doi: 10,1371 /journal.pone.0145063
Redaktør: Prasad S. Adusumilli, Memorial Sloan-Kettering Cancer Center, UNITED STATES
mottatt: 04.08.2015; Godkjent: 29 november 2015; Publisert: 15.12.2015
Copyright: © 2015 Orlhac et al. Dette er en åpen tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Data Tilgjengelighet: The Avicenne Hospital Etikkutvalget kun tillatt Dr Michaël Soussan og hans medarbeidere for å få tilgang til og arbeide med disse pasientdata. Enhver tredjepart villig til å bruke dataene bør sende en spesifikk forespørsel til komiteen, forklarer målet med studien og alle involverte personer ([email protected], president av lokale etikkutvalg).
Finansiering: forfatterne av dette manuskriptet erklære ingen relasjoner med noen selskaper som har produkter eller tjenester kan være relatert til innholdet i artikkelen. Forfatterne har ingen støtte eller finansiering for å rapportere
Konkurrerende interesser:.. Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
karakteriserer tumor heterogenitet er en utfordring i onkologi . Som forklart av Marusyk og Polyak [1], sameksistens av ulike kloner i en svulst påvirker utviklingen av kreft og skal regnskapsføres i pasientbehandling. Måle graden av heterogenitet klonale kan derfor være svært nyttig for å velge den mest lovende terapeutisk tilnærming. Flere grupper har preget svulst heterogenitet ved hjelp av stofflighet indekser i 18F-FDG PET [2-12], men motstridende resultater har blitt rapportert. For eksempel, i hode og nakke kreft, Cheng et al [8] viste at en svulst ensartethet indeks (også kalt energi i andre papirer) regnes i forbehandling 18F-FDG PET-bilder var en prognostisk faktor i avansert T-stadium, mens El Naqa [3] kunne ikke forutsi pasientens respons ved hjelp av denne indeksen. Videre har de fleste analyser brukt en univariat tilnærming og ikke faktisk vurdere inkrementell verdien av strukturelle beregninger enn konvensjonelle indekser som svulst metabolske volum eller FDG opptak. Også har det blitt påpekt at stofflighet beregninger bør brukes med forsiktighet, da noen beregninger er vesentlig variabel med hensyn til oppkjøp modus og gjenoppbygging parametre [13], er sterkt korrelert med svulst metabolske volum de [14,15] og /eller er overflødige [14]. Misforståelse om betydningen av tekstur indekser avledet fra PET-bilder har nylig blitt understreket, spesielt gitt de instrumentelle begrensningene man møter i PET [16,17]. I en fersk studie ved hjelp av 18F-FDG PET data, Brooks og Grigsby [15] viste at under en svulst volum på 45 cm
3 (tilsvarende 700 lydelementer i sitt arbeid), entropi beregninger mest reflekterte tumorvolumet og ikke heterogeniteten av tracer opptak i tumoren. Dette resultatet stiller derfor spørsmål ved bruk av strukturelle beregninger for et bredt spekter av svulster og sår tvil ved tidligere konklusjoner oppnådd i svulster som volumet ikke ble rapportert. Siste, mange studier som viste evne til å skille mellom TI tumor gruppene hadde faktisk ikke ordentlig tak i falske positive som følge av det store antall hypoteser som ble testet samtidig [18]. Dessuten har det faktum at FDG-PET-bilder kan avbilde vev-spesifikk tekstur mønster, noe som betyr at forskjellige vev kan karakteriseres ved forskjellige TI-verdiene, fått liten oppmerksomhet i litteraturen. Tilsvarende betydningen og faktiske variasjonen av TI som en funksjon av vevstype har ikke blitt grundig undersøkt i FDG-PET.
TI beregningen krever en start resampling av tumor voxel intensiteter som setter lydelementer med lignende opptak til samme verdi dermed reduserer effekten av støy. Den vanlige metode består i resampling rescaling tumor voxel-verdier mellom 0 og 1 ved hjelp av et fast antall binger (typisk 64), slik at den maksimale volumelement verdien i tumoren er satt til 1, mens den minste er satt til 0. Alternative resampling ordninger Det er foreslått [19,20]. Per definisjon, påvirker dette resampling trinnet verdien av TI. Likevel, til virkningen av denne resampling på evnen til TI reflektere nyttig informasjon om opptaket romlige fordelingen har blitt oversett. Målet med studien var derfor å undersøke effekten av denne resampling skritt på TI-verdiene og på evnen til å reflektere TI vev-spesifikke mønster av metabolsk aktivitet. For dette formål vi først brukte en ensartet FDG-fylt fantom for å karakterisere oppførselen til TI som en funksjon av regionsvolum når ingen biologisk struktur er til stede i to resampling tilnærminger. For det andre, vi analysert bildene fra pasienter med ikke-småcellet lungekreft (NSCLC) for å bekrefte funnene oppnådd ved bruk av fantom og for å avgjøre om den regionale FDG opptak mønster målt ved hjelp av ulike TI kunne skille mellom vevstyper, og om dette skillet var avhengig av resampling ordningen.
Materialer og metoder
Phantom og pasienter
En 20 cm høy sylinder (16 cm i diameter) ble fylt med vann inkludert 103,3 MBq 18F-FDG. For bilde oppkjøp, sylinderaksen var parallell med den aksiale retning av PET /CT-skanner.
Pasientdata ble retrospektivt hentet etter godkjenning av lokale institusjon gjennomgang styret i Avicenne Hospital (Ile-de-France X) og kravet om informert samtykke ble frafalt. Pasientinformasjon ble anonymisert og avidentifisert før analyse. Åtti-fem påfølgende pasienter med NSCLC gikk en 18F-FDG PET /CT mellom juli 2008 og juni 2012 før operasjonen. Blant dem, ble bare 48 pasienter inkludert i studien, hvis egenskaper er oppsummert i tabell 1. Som beskrevet i figur 1, eksklusjonskriteriene var: 1) ingen klart identifiserbar svulst i PET-bilder (n = 9 pasienter), 2) forsinkelse mellom injeksjon tid og oppkjøp tid å fravike [60-90] min range (n = 12 pasienter) og 3) metabolsk volum etter segmentering lavere enn 2,5 ml (n = 16 pasienter).
Alle 48 pasienter gjennomgikk en 18F-FDG PET /CT scan før starten av behandlingen. De PET /CT-skanning ble utført ved 75 ± 9 min (område: 60-90 min) etter injeksjon av 18F-FDG (3-3,5 MBq /kg). For alle pasienter, serum glukosenivået var mindre enn 1,4 g /l ved tidspunktet for injeksjonen. Alle pasientene gjennomgikk kirurgi, og histologisk analyse ble utført på tumor prøven for å bestemme undertype av kreft (Tabell 1). Blant 48 pasienter, 28 pasienter hadde en adenokarsinom, 13 hadde en plateepitelkarsinom mens syv hadde andre NSCLC typer. Flertallet av pasientene hadde en T2 primær lesjon, 15 pasienter hadde lymfeknutemetastaser. Ingen pasienter hadde fjernmetastaser eller en tidligere identifisert leverpatologi.
PET /CT oppkjøp
Alle 18F-FDG PET /CT-bilder ble oppnådd ved hjelp av en Gemini TF PET /CT-skanner (Philips). PET-skanner ble utført med 1,45 min per seng posisjon oppkjøp (scanner aksial felt-of-view av 18 cm) og 8 til 10 sengs stillinger for pasienter og 3 min for en seng posisjon for fantom. PET-bilder ble rekonstruert ved hjelp av en liste-modus iterativ algoritme (BLOB-OS-TF, 2 iterasjoner, 33 undergrupper) og voxel størrelse var 4 mm x 4 mm x 4 mm. En enkelt scatter-simuleringsmodell ble brukt for scatter korreksjon. For demping korreksjon, ble en CT scan lavdose ervervet (ingen post-rekonstruksjon utjevning). CT-bildene ble tatt uten kontrastmiddel, med en X-ray tube spenning topp på 120 kV og 140 kV, 100 Mas og 32 mas henholdsvis for pasienter og fantom, en 0,69 pitch, en skive tykkelse på 2 mm og tilveksten av 1 mm. Den voxel størrelse for CT var 0,68 mm x 0,68 mm x 0,68 mm. PET-bilder ble konvertert i SUV-enheter normalisert av kroppsvekt.
Volum av interesse avgrensing
Fem sfæriske volumer av interesse (VOI-S) sentrert på 5 forskjellige posisjoner ble automatisk trukket på fantom PET-bilder (fig 2A). Kula diameter ble variert fra 3 til 17 lydelementer (bare odde verdier ble brukt til å sentrere sfære på en voxel) for å studere virkningen av regionen volum på TI-verdiene.
Avgrensning av kuler i phantom data (A). Segmentering av tumorer i en pasient NSCLC (B) og flytting av tumorvolum i leveren hos pasienten.
For hver pasient ble lungetumor avgrenset ved hjelp av en adaptiv terskel [21] som beskrevet tidligere [14], noe som resulterer i en VOI-T volum. Dette VOI (VOI-T) ble deretter flyttet vel inne i leveren (VOI-L) av pasienten (figur 2B), som var ment å være et friskt vev regionen referanse. Dette lever region referanse ble foretrukket til en kontralateral sunn lunge regionen gitt svært lav FDG opptak i normal lungevevet.
resampling metoder
Som nevnt før, et første skritt for å beregne TI er å resample voxel intensiteter ved hjelp av et fast antall diskrete verdier. Dette trinn setter voksler med tette intensiteter til samme verdi, og dermed redusere virkningen av støy og størrelsen på matriser som er nødvendig for påfølgende beregning TI. De fleste tidligere publikasjoner omsamplede tumor-verdier mellom minimum (SUVmin) og maksimum (SUVmax) intensitet i tumoren VOI, ved hjelp av: (1) der R1 (x) er skalert verdi i voksel x, (x) er jeg verdien i voksel x før resampling og D antall diskrete verdier, ofte tatt lik 64. Denne resampling kalles Relativ resampling (RR) etterpå. For å overvinne begrensninger av denne RR tilnærming (se resultater avsnitt), testet vi en original Absolute Omsampling (AR) metode hvor grensene brukes for resampling ble satt til 0 og 20 SUV enheter som tilsvarer den typiske spekter av tumor SUVer i våre pasienter , slik at: (2)
for hver VOI, resampled vi voxel intensiteter bruker RR og AR, velge D lik 64 diskrete verdier [14]
for å sjekke robusthet. resultatene som en funksjon av den høye bundet i AR-metoden, har vi også beregnet for TI ved bruk av AR-metoden med den høye grense satt til 15 eller 25 SUV-enheter i stedet for 20 SUV enheter. Disse tre tilnærmingene vil bli betegnet AR15, AR20 og AR25 i det følgende.
Texture analyse
For hver VOI, metabolsk volum (MV) og maksimal SUV (SUVmax) ble beregnet. Etter RR eller AR resampling, ble tre tekstur matriser beregnet som forklart i [14]: co-forekomst matrise (CM), den grå-nivå lengde matrise (GRLM) og den grå-nivå sonen lengde matrise (GZLM). Samtidig forekomst matrise ble beregnet i 13 retninger ved hjelp av en avstand på en voxel, og hver TI beregnes ut fra denne matrisen tilsvarer gjennomsnittsverdien i de 13 retninger. Tilsvarende ble det GRLM beregnet for 13 retninger mens GZLM ble beregnet direkte i 3 dimensjoner.
Seven TI ble avledet per VOI hjelp av hjemmelagde LIFEx (
Lokal Bildefunksjoner Extraction
) programvare , ved å velge en indeks robust til segmentering i hver gruppe høyt korrelerte indekser tidligere identifisert i [14]: homogenitet og entropi fra CM, Short-Run Emphasis (SRE), Long-Run Emphasis (LRE) og Run Length ujevnhet ( RLNU) basert på GRLM, og Low Gray-level Zone Emphasis (LGZE) og High Gray-nivå Zone Emphasis (HGZE) fra GZLM.
Statistisk analyse
for å studere virkningen av resampling metoder på forholdet mellom TI og region volum eller metabolsk aktivitet, plottet vi alle TI (gjennomsnitt og standardavvik over 5 sfære stillinger i fantom) som en funksjon av antallet voksler i VOI-S, VOI-T og VOI- l, og som en funksjon av SUVmax. Disse plottene ble preget av Spearman korrelasjonskoeffisient (r) mellom TI og regionen volum eller mellom TI og regionen SUVmax.
For å finne ut om TI kunne skille mellom ulike opptaks romlige fordelinger i forskjellige vevstyper brukte vi Wilcoxon tester. Testene ble utført for hver TI og for de to resampling metoder for å skille mellom 1) lungesvulster og friskt vev og 2) adenokarsinom og plateepitelkarsinom.
Resultater
Forholdet mellom RR-baserte TI og volum eller SUVmax
gjennomsnittlig tumorvolum segmentert av adaptive terskel metoden ble 19,5 ± 26,1 ml (range: [2,8 til 119,0 ml])
plott av RR-baserte TI som. en funksjon av volum (figur 3 og figur S1) viser at de fleste indekser øke eller avta ved begynnelsen av kurven og deretter nå et platå. Den samme tendensen er observert for fantomdata, lungesvulster og det friske vevet. Trendene sett i figur 3A og 3C og S1A, S1C og S1G figur viser at disse TI er sterkt korrelert med MV for liten VOIS (
