PLoS ONE: 18F-FDG PET-Afledt Textural Indices Reflect Tissue-specifikke optagelse Mønster i ikke-småcellet lungekræft

Abstrakt

Formål

Texture indeks (TI) beregnet fra 18F-FDG PET tumor billeder viser lovende for at forudsige respons på behandlingen og overlevelse. Deres beregning indebærer en resampling af standardiserede optagelse er værdier (SUV) i tumoren. Denne resampling kan udføres forskelligt og betydeligt konsekvenser TI værdier. Vores mål var at undersøge, hvordan resampling tilgang påvirker evnen af ​​TI til at reflektere vævsspecifik mønster af metabolisk aktivitet.

Metoder

18F-FDG PET blev erhvervet for 48 patienter naive-behandling med ikke-småcellet lungekræft og for en ensartet fantom. Vi studerede 7 TI, SUVmax og metabolisk volumen (MV) i fantom, tumorer og sundt væv under anvendelse af sædvanlige relative resampling (RR) fremgangsmåde og et absolut gensampling (AR) metode. Forskellene i TI-værdier mellem vævstyper og kræft undertyper blev undersøgt ved hjælp af Wilcoxon tests.

Resultater

Det meste RR-baserede TI var stærkt korreleret med MV for tumorer mindre end 60 ml (Spearman korrelationskoefficient r mellem 0,74 og 1), medens dette korrelation blev reduceret til AR-baserede TI (r mellem 0,06 og 0,27 undtagen for RLNU hvor r = 0,91). De fleste AR-baserede TI var signifikant forskellig mellem tumor og sundt væv (pvalues ​​ 0,01 for alle 7 TI) og mellem kræft undertyper (pvalues ​​ 0,05 for 6 TI). Sundt væv og adenocarcinomer udviste mere homogen tekstur end tumorvæv og skælcellecarcinomer henholdsvis.

Konklusion

TI beregnes ved hjælp af en AR metode varierer som funktion af vævstypen og kræft subtype mere end TI involverer den sædvanlige RR metode. AR-baserede TI kunne være nyttigt for tumor karakterisering

Henvisning:. Orlhac F, Soussan M, Chouahnia K, Martinod E, Buvat I (2015) 18F-FDG PET-afledte Textural Indices Reflect vævsspecifik Optagelse Mønster i ikke-småcellet lungekræft. PLoS ONE 10 (12): e0145063. doi: 10,1371 /journal.pone.0145063

Redaktør: Prasad S. Adusumilli, Memorial Sloan-Kettering Cancer Center, UNITED STATES

Modtaget: 4. august, 2015; Accepteret: November 29, 2015; Udgivet: 15 December, 2015

Copyright: © 2015 Orlhac et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Data Tilgængelighed: The Avicenne Hospital etiske komité kun tilladt Dr. Michaël Soussan og hans medarbejdere for at få adgang til og arbejde med disse patientdata. Enhver tredjepart, er villige til at bruge dataene skal sende en specifik anmodning til udvalget, forklarer målet med undersøgelsen, og alle involverede personer ([email protected], formand for de lokale etiske udvalg).

Finansiering: forfatterne af dette manuskript erklære ingen relationer til nogen virksomheder, hvis produkter eller tjenester kan være relateret til emnet for artiklen. Forfatterne har ingen støtte eller finansiering til at rapportere

Konkurrerende interesser:.. Forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

Karakterisering tumor heterogenitet er en udfordring i onkologi . Som forklaret af Marusyk og Polyak [1], sameksistensen af ​​forskellige kloner i en tumor påvirker udviklingen af ​​kræft og skal medregnes i patientbehandlingen. Måling af omfanget af klonal heterogenitet kunne derfor være yderst nyttigt at vælge den mest lovende terapeutiske tilgang. Flere grupper har karakteriseret tumor heterogenitet hjælp stoflige indekser i 18F-FDG PET [2-12], men modstridende resultater er blevet rapporteret. For eksempel, i hoved- og halscancer, Cheng et al [8] viste, at en tumor ensartethed indeks (også kaldet energi i andre papirer) beregnet i forbehandling 18F-FDG PET-billeder var en prognostisk faktor i avanceret T-stadie, mens El Naqa [3] kunne ikke forudsige patientens respons ved hjælp af denne indeks. Desuden fleste analyser brugte en univariat tilgang og ikke faktisk vurdere inkremental af stoflige målinger i forhold til konventionelle indeks såsom tumor metaboliske volumen eller FDG optagelse. Også er det blevet påpeget, at stoflige målinger skal anvendes med forsigtighed, da nogle målinger er væsentligt variabel med hensyn til parametre erhvervelse tilstand og genopbygning [13], er stærkt korreleret med tumor metaboliske volumen [14,15] og /eller er overflødige [14]. Misforståelser om betydningen af ​​stoflige indekser afledt af PET billeder er for nylig blevet understreget, især i betragtning af de instrumentale begrænsninger stødt på i PET [16,17]. I en nylig undersøgelse med 18F-FDG PET-data, Brooks og Grigsby [15] viste, at under en tumor volumen på 45 cm

3 (svarende til 700 voxels i deres arbejde), entropien metrics hovedsagelig afspejlede tumorvolumenet og ikke heterogenitet sporstof optagelse i tumoren. Dette resultat derfor spørgsmålstegn ved brugen af ​​stoflige målinger for en bred vifte af tumorer og sår tvivl om tidligere konklusioner opnået i tumorer, som volumen ikke var rapporteret. Sidst, mange undersøgelser, der påviste evne TI til at skelne mellem tumor grupper har faktisk ikke rigtigt styre falsk positive rate forårsaget af det store antal testede samtidigt [18] hypoteser. Desuden har den omstændighed, at FDG-PET-billeder kan skildre vævsspecifik stoflige mønster, hvilket betyder, at forskellige væv kan være karakteriseret ved forskellige TI-værdier, modtaget lille opmærksomhed i litteraturen. Tilsvarende betydning og faktiske variation af TI som en funktion af vævstype er ikke blevet grundigt undersøgt i FDG-PET.

TI beregning kræver en indledende resampling af tumor voxel intensiteter, der sætter voxels med lignende optagelse til samme værdi reducerer dermed virkningen af ​​støj. Den sædvanlige resampling metode består i reskalere tumor voxel værdier mellem 0 og 1 under anvendelse af et fast antal beholdere (typisk 64), således at den maksimale voxelværdi i tumoren er sat til 1, mens den mindste er sat til 0. Alternative resampling ordninger der er blevet foreslået [19,20]. Per definition dette gensampling trin påvirker værdien af ​​TI. Men til virkningen af ​​denne resampling på evnen af ​​TI reflektere nyttige oplysninger om optagelsen rumlige fordeling er blevet overset. Målet for vores undersøgelse var derfor at undersøge effekten af ​​denne resampling skridt på TI-værdier og på evnen af ​​TI til at reflektere vævsspecifik mønster af metabolisk aktivitet. Til det formål vi først brugt en ensartet FDG-fyldt phantom at karakterisere adfærden af ​​TI som funktion af volumenet region, når ingen biologisk tekstur er til stede i to resampling tilgange. For det andet, vi analyserede billeder fra patienter med ikke-småcellet lungekræft (NSCLC) for at bekræfte resultaterne opnået ved hjælp af fantom og at afgøre, om den regionale FDG optagelse mønster målt ved hjælp af forskellige TI kunne skelne mellem vævstyper, og om denne skelnen afhang af resampling ordningen.

Materialer og metoder

Phantom og patienter

En 20 cm høj cylinder (16 cm i diameter) blev fyldt med vand, herunder 103,3 MBq 18F-FDG. Ved køb billede, cylinderaksen var parallel med den aksiale retning af PET /CT-scanner.

Patient data blev retrospektivt hentet efter godkendelse af den lokale institution revision bestyrelse Avicenne Hospital (Ile-de-France X) , og kravet om at indhente informeret samtykke blev frafaldes. Patientinformation blev anonymiseret og de-identificeret før analyse. Firs-fem på hinanden følgende patienter med NSCLC undergik en 18F-FDG PET /CT mellem juli 2008 og juni 2012, før operationen. Blandt dem, blev kun 48 patienter inkluderet i studiet, hvis karakteristika er sammenfattet i tabel 1. Som beskrevet i figur 1, udelukkelseskriterierne var: 1) ikke klart identificerbare tumor i PET billeder (n = 9 patienter), 2) forsinkelse mellem injektion tid og erhvervelse tid afviges fra [60-90] min rækkevidde (n = 12 patienter) og 3) metaboliske volumen efter segmentering lavere end 2,5 ml (n = 16 patienter).

Alle 48 patienter gennemgik en 18F-FDG PET /CT-scanning før starten af ​​behandlingen. PET /CT-scanninger blev udført ved 75 ± 9 min (område: 60-90 min) efter injektion af 18F-FDG (3-3,5 MBq /kg). For alle patienter, serum glucose niveauet var mindre end 1,4 g /l på tidspunktet for injektionen. Alle patienter blev opereret, og histologisk analyse blev udført på de tumorprøve at bestemme subtype af cancer (tabel 1). Blandt 48 patienter, 28 patienter havde en adenokarcinom, 13 havde en pladecellecarcinom mens 7 havde andre NSCLC typer. Størstedelen af ​​patienterne havde en T2 primære læsion, 15 havde lymfeknudemetastaser. Ingen patient havde fjernmetastaser eller en tidligere identificeret leverpatologi.

PET /CT opkøb

Alle 18F-FDG PET /CT-billeder blev opnået ved hjælp af en Gemini TF PET /CT-scanner (Philips). De PET scanninger blev udført ved hjælp af 1,45 min pr seng position overtagelser (scanner aksiale field-of-view på 18 cm) og 8 til 10 bed positioner for patienter og 3 min i en seng position for fantom. PET-billeder blev rekonstrueret under anvendelse af en liste-mode iterativ algoritme (BLOB-OS-TF, 2 iterationer, 33 delgrupper) og voxelstørrelsen var 4 mm x 4 mm x 4 mm. En enkelt scatter-simulation model blev anvendt til scatter korrektion. For dæmpning korrektion blev en lavdosis CT-scanning erhvervet (ingen post-genopbygning udjævning). CT-billeder blev opnået uden kontrastmiddel, med et røntgenrør spændingsspids på 120 kV og 140 kV, 100 mAs og 32 mAs henholdsvis for patienter og fantom, en 0,69 tonehøjde, en skivetykkelse på 2 mm og tilvækst på 1 mm. Voxelstørrelsen for CT var 0,68 mm x 0,68 mm x 0,68 mm. PET billeder blev omdannet i SUV-enheder normaliseret af patientens kropsvægt.

Volumen af ​​Interest afgrænsning

Fem sfæriske mængder af interesse (VOI-S) centreret på 5 forskellige positioner blev automatisk trukket på fantom PET-billeder (figur 2A). Kuglen diameter blev varieret fra 3 til 17 voxels (kun ulige værdier blev brugt til at centrere kuglen på en voxel), således at undersøge virkningen af ​​regionens volumen på TI-værdier.

Afgrænsning af kugler i fantom data (A). Segmentering af tumorer i en NSCLC patient (B) og flytning af tumorvolumen i leveren hos patienten.

For hver patient blev lungesvulst afgrænset anvendelse af en adaptiv tærskel [21] som beskrevet tidligere [14], hvilket resulterer i en VOI-T volumen. Dette VOI (VOI-T) blev derefter flyttet godt inde i leveren (VOI-L) af patienten (Fig 2B), der skulle være et sundt væv region reference. Denne lever region reference blev foretrukket frem for en kontralateral sund lunge region betragtning af den meget lave FDG optagelse i normalt lungevæv.

Resampling metoder

Som nævnt før, et første skridt til at beregne TI er at resample voxel intensiteter under anvendelse af en fast antal diskrete værdier. Dette trin sætter voxel med tætte intensiteter til samme værdi, og dermed mindske virkningerne af støj og størrelsen af ​​de matricer, der er nødvendige for efterfølgende TI beregning. De fleste tidligere udgivelser resamples de tumor-værdier mellem minimum (SUVmin) og maksimum (SUVmax) intensitet i tumoren VOI, hjælp: (1), hvor R1 (x) er den resampled værdi i voxel x, I (x) er den værdi i voxel x før resampling og D antallet af diskrete værdier, ofte taget lig med 64. Dette resampling kaldes Relativ resampling (RR) derefter. For at overvinde begrænsningerne ved denne RR tilgang (se afsnittet Resultater), testede vi en original Absolute Resampling (AR) fremgangsmåde, hvor grænserne anvendes til resampling blev sat til 0 og 20 SUV enheder svarende til det typiske tumor SUV’er i vores patienter , således at: (2)

for hver VOI, vi resamplet de voxel intensiteter ved hjælp af RR og AR, at vælge D svarende til 64 diskrete værdier [14]

for at kontrollere robusthed. resultater som en funktion af den høje bundet i AR metode, vi også beregnet TI ved hjælp af AR-metoden med den høje bundne sæt til 15 eller 25 SUV enheder i stedet for 20 SUV enheder. Disse tre metoder vil blive betegnet AR15, AR20 og AR25 i det følgende.

Texture analyse

For hver VOI, metabolisk volumen (MV) og maksimal SUV (SUVmax) blev beregnet. Efter RR eller AR resampling, blev tre tekstur matricer beregnet som beskrevet i [14]: co-forekomst matrix (CM), den grå-niveau run længde matrix (GRLM) og den grå-niveau zone længde matrix (GZLM). Samtidig forekomst matrix blev beregnet i 13 retninger ved hjælp af en afstand på 1 voxel, og hver TI beregnet ud fra denne matrix svarer til den gennemsnitlige værdi i de 13 retninger. Tilsvarende blev GRLM beregnet for 13 retninger, mens GZLM blev beregnet direkte i 3 dimensioner.

Seven TI blev afledt pr VOI ved hjælp af hjemmelavede LIFEx (

Lokal billede Features Extraction

) software ved at vælge en indeks robust over for segmentering i hver gruppe af højt korrelerede indeks tidligere identificerede i [14]: homogenitet og entropi fra CM, Short-Run vægt (SRE), Long-Run vægt (LRE) og Run Length Ikke-ensartethed ( RLNU) baseret på GRLM, og Low Gray-Level Zone Vægten (LGZE) og High Gray-niveau Zone vægt (HGZE) fra GZLM.

Statistisk analyse

for at undersøge virkningen af ​​resampling metoder om forholdet mellem TI og region volumen eller metabolisk aktivitet, vi plottet alle TI (gennemsnit og standardafvigelse over 5 sphere positioner i fantom) som en funktion af antallet af voxel i VOI-S, VOI-T og VOI- L, og som funktion af SUVmax. Disse parceller blev præget af Spearman korrelationskoefficient (r) mellem TI og volumen region eller mellem TI og regionen SUVmax.

For at afgøre, om TI kunne skelne mellem forskellige uptake rumlige fordelinger i forskellige vævstyper vi brugte Wilcoxon tests. Testene blev udført for hver TI og for de to resampling metoder til at skelne mellem 1) lunge tumorer og sundt væv og 2) adenocarcinom og pladecellekræft.

Resultater

Forholdet mellem RR-baserede TI og volumen eller SUVmax

den gennemsnitlige tumor volumen segmenteret efter den adaptive tærskling metoden blev 19,5 ± 26,1 ml (interval: [2,8 til 119,0 ml])

de afbildninger af RR-baserede TI som. en funktion af volumen (fig 3 og S1 fig) viser, at de fleste indeks stige eller falde i begyndelsen af ​​kurven og derefter nå et plateau. observeres den samme tendens for phantom dataene beregnes lungetumorer og sundt væv. De tendenser, der ses i figur 3A og 3C og S1A, S1c og S1G Fig viser, at disse TI er stærkt korreleret med MV for lille vois (