jump to content jump to footer
[Translate to German:]

Universitätsklinikum Ulm: Pilotstudie zeigt Trennschärfe MRT-basierter 3D-Texturanalyse bei Knochenläsionen

Die Unterscheidung zwischen dem Enchondrom, einem benignen Tumor, und dem Chondrosarkom, einem malignen Tumor mit geringer Aggressivität, stellt oftmals eine Herausforderung dar, da die Läsionen sowohl histologisch als auch radiografisch eine hohe Ähnlichkeit aufweisen. Aufgrund der Tatsache, dass das Enchodrom nur eine regelmäßige Verlaufskontrolle erfordert, bei einem Chondrosarkom aber eine chirurgische Resektion erfolgen muss, ist eine Unterscheidung beider äußerst wichtig, wenn es um die Therapieentscheidung geht.

Dr. Catharina S. Lisson und weitere Kollegen verschiedener Abteilungen am Universitätsklinikum Ulm haben in ihrer Studie aufgezeigt, dass eine MRT-basierte Texturanalyse bei der Unterscheidung beider Entitäten helfen könnte [1]. „Ziel unserer Studie war es, Texturparameter zu identifizieren, die das Potenzial haben, als nicht-invasive Imaging Biomarker für die Charakterisierung des Chondrosarkoms zu fungieren“, erläuterten sie.

22 Patienten wurden nachträglich evaluiert: 11 Patienten mit einem Low-Grade-Chondrosarkom und 11 Patienten mit einem Enchondrom. Die Texturanalyse wurde auf vier MRT-Sequenzen in mint Lesion vorgenommen. Kurtosis, Entropie, Skewness, Mean of positive Pixels (MPP) und Uniformity of positive Pixel Distribution (UPP) wurden ermittelt und mit der Histopathologie in Korrelation gebracht.

Die Ergebnisse zeigen, dass deutliche Unterschiede bei vier von 20 Texturparametern in Bezug auf die verschiedenen MRT-Sequenzen gefunden wurden (p < 0,01). In den T1-gewichteten Serien mit Kontrastmittelgabe lagen die Werte für die Area under the curve (AUC) zur Unterscheidung von Chondrosarkom und Enchondrom bei 0,876 für Kurtosis und 0,826 für Skewness. In den T1-gewichteten Serien ohne Kontrastmittelgabe lagen die Werte bei 0,851 bei Entropie und 0,822 bei UPP. Die höchste Trennschärfe zeigte sich bei Kurtosis bei T1-gewichtet mit Kontrastmittel mit einer hohen Sensitivität (82%), Spezifizität (91%) und Genauigkeit (86%).

„Trotz vielversprechender Resultate aufkommender Studien, welche zeigen, wie gut die Texturanalyse für die Unterscheidung zwischen verschiedenen Tumortypen und -graden, Verlaufskontrollen und Vorhersagen von Resultaten geeignet ist, hat diese noch keinen Eingang in die klinische Routine gefunden“, so Dr. Lisson. „Wir hoffen, dass weitere Studien an größeren Patientenpopulationen unsere Beobachtungen bestätigen und so zu einem Wandel der aktuellen Indikation zur Biopsie und Resektion von Knochenläsionen führen werden.“

 

[1] Lisson, C.S., Lisson, C.G., Flosdorf, K. et al. Eur Radiol (2018) 28: 468. https://doi.org/10.1007/s00330-017-5014-6

[Translate to German:] Radiologist reviewing whole-body MRI images with AI-supported tumor burden quantification for bone metastases and multiple myeloma using mint Lesion.
[Translate to German:] Mint Medical has integrated an AI algorithm developed by The Institute of Cancer Research and The Royal Marsden into mint Lesion. The solution supports bone disease assessment and treatment response evaluation in advanced prostate cancer and multiple myeloma.
Das ICR und The Royal Marsden arbeiten mit Mint Medical zusammen, um KI-gestützte Software für die Krebsbehandlung bereitzustellen
Das Institute of Cancer Research (ICR), London, und der Royal Marsden NHS Foundation Trust haben eine neue Lizenzvereinbarung mit dem…
Read more
Onur Özek von Mint Medical im Interview mit RadMag über die Herausforderungen und Anforderungen des Lungenkrebsscreenings in Deutschland.
In der aktuellen RadMag-Sonderausgabe spricht Onur Özek über strukturierte Befundung, KI, Zweitbefundung und integrierte Workflows im deutschen Lungenkrebsscreening.
RadMag Spezial: Onur Özek über die Herausforderungen des Lungenkrebs-Screenings in Deutschland
Mit dem bundesweiten Start des Lungenkrebs-Screenings stehen radiologische Einrichtungen vor neuen Herausforderungen. Strukturierte Befundung,…
Read more
Mint Medical und Coreline Teams kommen zusammen, um die gemeinsame Partnerschaft anzukündigen
Mint Medical und Coreline Soft integrieren AVIEW in mint Lesion, um KI-gestützte Workflows für strukturierte Befundung, Lung-RADS-Klassifikation und longitudinale Nachverfolgung im Lungenkrebsscreening zu unterstützen.
Coreline Soft und Mint Medical geben Partnerschaft zur Weiterentwicklung KI-gestützter Lungenkrebsscreening-Workflows bekannt
Coreline Soft und Mint Medical geben heute ihre Partnerschaft zur Weiterentwicklung KI-gestützter Workflows im Lungenkrebsscreening bekannt. Der…
Read more
scroll-top