Abstract
Purpose
índices de textura (TI) calculado a partir 18F imagens tumorais FDG PET mostram a promessa para predizer a resposta ao tratamento e sobrevivência. O cálculo envolve um reamostragem de valores de absorção padronizados (SUV) dentro do tumor. Esta redefinição da resolução pode ser realizada de forma diferente e impacta significativamente os valores de IT. Nosso objetivo foi investigar como a abordagem resampling afeta a capacidade de TI para refletir padrão específico de tecido da atividade metabólica.
Métodos
18F-FDG PET foram adquiridas por 48 pacientes com o tratamento prévio com não pequenas do cancro do pulmão de células e para um espectro uniforme. Foram estudados 7 TI, SUVmax e metabólico de volume (MV) em O Fantasma, tumores e tecidos saudáveis usando o método usual resampling relativo (RR) e um método de reamostragem absoluta (AR). As diferenças nos valores de TI entre os tipos de tecidos e subtipos de câncer foram investigados por meio de testes de Wilcoxon.
Resultados
A maioria menos de 60 mL (coeficiente de correlação Spearman TI foram altamente correlacionados com a MV para tumores baseada em RR r entre 0,74 e 1), enquanto que esta correlação foi reduzida para baseado AR-TI (r entre 0,06 e 0,27, excepto para RLNU onde r = 0,91). A maioria baseia-AR TI foram significativamente diferentes entre os tecidos tumorais e normais (pvalues 0,01 para todas as sete TI) e entre os subtipos de cancro (pvalues 0,05 para 6 TI). tecido saudável e adenocarcinomas apresentaram textura mais homogénea do que o tecido do tumor e carcinomas de células escamosas, respectivamente.
Conclusão
ti calculado usando um método de AR variar como uma função do tipo de tecido e o cancro do que o subtipo mais TI envolvendo o método habitual RR. -AR baseada TI pode ser útil para a caracterização do tumor
Citation:. Orlhac F, Soussan M, Chouahnia K, Martinod E, Buvat I (2015) 18F-FDG PET-Derived texturais Índices Reflita Padrão absorção pelos tecidos-Specific em Non-Small Cell Lung Cancer. PLoS ONE 10 (12): e0145063. doi: 10.1371 /journal.pone.0145063
editor: Prasad S. Adusumilli, Memorial Sloan-Kettering Cancer Center, United States |
Recebido: 04 de agosto de 2015; Aceito: 29 de novembro de 2015; Publicação: 15 de dezembro de 2015
Direitos de autor: © 2015 Orlhac et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados
Dados Disponibilidade: O Hospital Avicena Comissão de ética só permitiu Dr. Michael Soussan e seus colaboradores para acessar e trabalhar nesses dados do paciente. Qualquer terceiro disposto a usar os dados devem enviar um pedido específico à comissão, explicando o objetivo do estudo e todas as pessoas envolvidas ([email protected], presidente do comitê de ética local).
Financiamento: os autores deste manuscrito declaram que não há relações com as empresas cujos produtos ou serviços pode estar relacionado ao assunto do artigo. Os autores não têm apoio ou financiamento para relatar
Conflito de interesses:.. Os autores declararam que não existem interesses conflitantes
Introdução
A caracterização heterogeneidade do tumor é um desafio em oncologia . Como explicado por Marusyk e Polyak [1], a coexistência de diferentes clones em um tumor afeta a evolução do câncer e devem ser contabilizados na gestão paciente. Medir a extensão da heterogeneidade clonal pode, portanto, ser extremamente útil para seleccionar a abordagem terapêutica mais prometedora. Vários grupos têm caracterizado a heterogeneidade tumoral utilizando índices de textura em 18F-FDG PET [2-12], mas os resultados contraditórios têm sido relatados. Por exemplo, no cancro da cabeça e pescoço, Cheng et al [8] mostrou que um índice de uniformidade tumor (também chamada de energia em outros trabalhos), calculado no pré-tratamento 18F-FDG imagens de PET foi um fator prognóstico em avançado T-palco, enquanto El Naqa [3] não poderia prever a resposta do paciente usando este índice. Além disso, a maioria das análises utilizou uma abordagem univariada e não chegou a avaliar o valor incremental de métricas texturais mais índices convencionais, tais como volume metabólica do tumor ou captação de FDG. Além disso, tem sido apontado que as métricas texturais deve ser usado com cautela, pois algumas métricas são substancialmente variável no que diz respeito ao modo de aquisição e reconstrução parâmetros [13], estão fortemente correlacionados com o volume metabólica do tumor [14,15] e /ou são redundantes [14]. Equívocos sobre o significado dos índices de textura derivados de imagens de PET foram recentemente sublinhou, especialmente tendo em conta as limitações instrumentais encontrados na PET [16,17]. Em um estudo recente, utilizando 18F-FDG dados PET, Brooks e Grigsby [15] demonstraram que abaixo de um volume do tumor de 45 cm
3 (correspondente a 700 voxels no seu trabalho), as métricas de entropia reflectiu principalmente o volume do tumor e não a heterogeneidade da captação do traçador no tumor. portanto, esse resultado questiona o uso de métricas texturais para uma ampla gama de tumores e levanta dúvidas sobre as conclusões anteriores, obtidos em tumores para os quais o volume não foi relatado. Últimos, muitos estudos que demonstraram a capacidade de TI para distinguir entre grupos de tumor que realmente não controlar adequadamente a taxa de falso positivo causado pelo grande número de hipóteses testadas simultaneamente [18]. Além disso, o fato de que as imagens FDG-PET pode representar padrão textural específico do tecido, o que significa que diferentes tecidos pode ser caracterizado por diferentes valores de TI, tem recebido pouca atenção na literatura. Do mesmo modo, o significado real e variação de TI como uma função do tipo de tecido não foi completamente investigada em FDG-PET.
cálculo TI requer uma reamostragem inicial do tumor intensidades voxel que define voxels com absorção semelhante ao mesmo valor, consequentemente, reduz o impacto do ruído. O método habitual de reamostragem consiste em rescaling os valores de voxel tumoral entre 0 e 1 usando um número fixo de recipientes (tipicamente 64), de modo a que o valor máximo do voxel no tumor é definida como 1 enquanto o mínimo é definido como 0. esquemas alternativos de reamostragem têm sido propostos [19,20]. Por definição, este passo reamostragem afeta o valor da TI. No entanto, o impacto desta reamostragem na capacidade de TI para refletir as informações úteis sobre a distribuição espacial captação tem sido negligenciado. O objectivo deste estudo era, por conseguinte, para investigar o impacto desta etapa reamostragem com valores de IT e sobre a capacidade de TI para reflectir padrão específico de tecido da actividade metabólica. Para o efeito, utilizou-se primeiro um fantasma de FDG-cheia uniforme para caracterizar o comportamento da TI, como uma função do volume região quando nenhuma textura biológica está presente por duas abordagens de reamostragem. Em segundo lugar, foram analisadas as imagens de pacientes com cancro do pulmão de células não pequenas (NSCLC) para confirmar os resultados obtidos utilizando o fantasma e para determinar se o padrão regional FDG medida utilizando TI diferente pode distinguir entre tipos de tecidos e se esta distinção dependia da esquema de reamostragem.
Materiais e Métodos
Fantasma e pacientes
A 20 cm de altura do cilindro (16 cm de diâmetro) foi preenchido com água, incluindo 103,3 MBq de 18F-FDG. Para as aquisições de imagem, o eixo do cilindro foi paralela à direcção axial do scanner PET /CT.
Os dados dos pacientes foram retrospectivamente recuperado após aprovação pelo conselho de revisão instituição local de Avicena Hospital (Ile-de-France X) e a exigência de obter o consentimento informado foi dispensada. As informações do paciente foi anónimos e de-identificados antes da análise. Oitenta e cinco pacientes consecutivos com NSCLC foram submetidos a um 18F-FDG PET /CT entre julho de 2008 e junho de 2012, antes da cirurgia. Entre eles, apenas 48 pacientes foram incluídos no estudo, cujo encontram-se resumidos na Tabela 1. Como detalhado na Fig 1 características, os critérios de exclusão foram: 1) não tumoral claramente identificável em imagens de PET (n = 9 pacientes), 2) atraso entre o tempo de injeção e tempo de aquisição sair do [60-90] gama min (n = 12 pacientes) e 3) o volume metabólica após a segmentação inferior a 2,5 mL (n = 16 pacientes).
Todos os 48 pacientes foram submetidos a 18F-FDG PET /CT antes do início da terapia. Os exames PET /CT foram realizados a 75 ± 9 min (variação: 60-90 minutos) depois da injecção de 18F-FDG (3-3,5 MBq /kg). Para todos os pacientes, o nível de glicose no soro era inferior a 1,4 g /L no momento da injecção. Todos os pacientes foram submetidos a cirurgia, e a análise histológica foi realizada sobre o espécime de tumor para determinar o subtipo de cancro (Tabela 1). Entre 48 pacientes, 28 pacientes tiveram um adenocarcinoma, 13 tinham um carcinoma de células escamosas, enquanto 7 tinha outros tipos de NSCLC. A maioria dos pacientes teve uma lesão primária T2, 15 pacientes tinham metástases linfáticas. Nenhum paciente apresentou metástases à distância ou uma patologia hepática previamente identificados.
PET /CT aquisições
Todas as imagens 18F-FDG PET /CT foram obtidas utilizando um scanner Gêmeos TF PET /CT (Philips). As tomografias foram realizadas utilizando 1,45 min por aquisições posição de cama (axial do scanner campo de visão de 18 cm) e 8 a 10 posições de cama para os pacientes e 3 min para uma posição de cama para o fantasma. imagens de PET foram reconstruídos usando uma lista de modo algoritmo iterativo (BLOB-OS-TF, 2 iterações, 33 subconjuntos) e do voxel tamanho foi de 4 mm x 4 mm x 4 mm. Um modelo de dispersão de simulação de single foi utilizado para a correção de dispersão. Para correção de atenuação, uma tomografia computadorizada de baixa dose foi adquirido (sem suavização de pós-reconstrução). CT imagens foram obtidas sem agente de contraste, com um raio-X pico de tensão de tubo de 120 kV e 140 kV, 100 mAs e 32 mAs, respectivamente para os pacientes e fantasma, um passo de 0,69, uma espessura de corte de 2 mm e incremento de 1 mm. O tamanho voxel de CT foi de 0,68 mm x 0,68 mm x 0,68 mm. imagens de PET foram convertidos em unidades de SUV normalizados pela massa corporal do paciente.
Volume de delimitação Interesse em
Cinco volumes esféricos de interesse (VOI-S) centrada em 5 posições diferentes foram desenhados automaticamente no phantom imagens PET (Fig 2A). O diâmetro da esfera foi variou de 3 a 17 voxels (apenas valores ímpares foram usadas para centralizar a esfera em um voxel), de modo a estudar o impacto do volume região em valores TI.
Delimitação das esferas do fantasma dados de (A). Segmentação de tumores em um paciente NSCLC (B) e relocalização do volume do tumor no fígado do paciente.
Para cada paciente, o tumor de pulmão foi delineado utilizando um limiar adaptativo [21] tal como descrito anteriormente [14], resultando num volume ISV-T. Este VOI (VOI-T) foi, em seguida, mudou-se bem no interior do fígado (VOI-L) do paciente (Fig 2B), que era suposto ser uma região de tecido saudável de referência. Esta região do fígado de referência foi preferido a uma região de pulmão saudável contralateral dada a baixa captação de FDG no tecido pulmonar normal.
métodos de reamostragem
Como mencionado anteriormente, um passo inicial para calcular TI é resample intensidades voxel usando um número fixo de valores discretos. Este passo define voxels com intensidades perto do mesmo valor, reduzindo assim o impacto do ruído e o tamanho das matrizes necessários para o cálculo subsequente da TI. A maioria das publicações anteriores resampled os valores de tumor entre a máxima intensidade (SUVmax) no tumor VOI mínimo (SUVmin) e, usando: (1) onde R1 (x) é o valor resampled em voxel x, I (x) é o valor em voxel x antes de reamostragem e D o número de valores discretos, frequentemente tomado igual a 64. Este é chamado reamostragem reamostragem relativo (RR) em seguida. Para superar as limitações dessa abordagem RR (ver secção Resultados), testamos um método original Absolute Resampling (AR), em que os limites utilizados para reamostragem foram definidos para 0 e 20 unidades de SUV correspondentes à gama típica de SUVs tumorais em nossos pacientes , de modo que: (2)
para cada VOI, que resampled as intensidades voxel usando RR e AR, escolhendo D igual a 64 valores discretos [14]
para verificar a robustez do. resultados como uma função da elevada ligado no método de AR, também calculado a TI utilizando o método de AR com o elevado conjunto ligado para 15 ou 25 unidades de SUV em vez de 20 unidades de SUV. Estas três abordagens será denotado AR15, AR20 e AR25 a seguir.
A análise de textura
Para cada VOI, o volume metabólica (MV) e máxima SUV (SUVmax) foram computados. Depois de RR ou AR resampling, três matrizes de textura foram calculados como explicado em [14]: a co-ocorrência de matriz (CM), o nível de cinza matriz de comprimento de percurso (GRLM) e a matriz de comprimento da zona de nível de cinza (GZLM). A matriz de co-ocorrência foi calculado em 13 direcções utilizando uma distância de um voxel, e cada TI calculada a partir desta matriz corresponde ao valor médio nos 13 sentidos. Da mesma forma, o GRLM foi calculado para 13 direções enquanto o GZLM foi calculado diretamente em 3 dimensões.
Seven TI foram derivados por VOI usando o LIFEx caseira (
Características Imagem Local Extração
) software , selecionando um índice robusta para segmentação em cada grupo de índices altamente correlacionados previamente identificados em [14]: homogeneidade e entropia do CM, ênfase Curto Prazo (SRE), ênfase longo Prazo (LRE) e Run Length não uniformidade ( RLNU) com base na GRLM e Baixo nível de cinza Zona ênfase (LGZE) e ênfase Zona de nível de cinza alta (HGZE) a partir GZLM.
a análise estatística
Para estudar o impacto do resampling métodos sobre a relação entre o volume e TI região ou actividade metabólica, plotamos todos Ti (média e desvio padrão sobre as posições 5 esfera sob a tracejado) como uma função do número de voxeis em Voi-S, ISV-T e VOI- G, e como uma função de SUVmax. Estas parcelas foram caracterizadas pelo coeficiente de correlação de Spearman (r) entre a TI eo volume região, ou entre a TI ea região SUVmax.
Para determinar se a TI pode distinguir entre diferentes distribuições espaciais de captação em diferentes tipos de tecidos , utilizou-se os testes de Wilcoxon. Os testes foram realizados para cada TI e para os dois métodos de reamostragem para distinguir entre 1) tumores de pulmão e tecido saudável e 2) adenocarcinoma eo carcinoma de células escamosas.
Resultados
Relação entre TI baseada em RR e volume ou SUVmax
o volume de tumor médio segmentado pelo método limiar adaptativo foi de 19,5 ± 26,1 ml (intervalo: [2,8-119,0 ml])
as parcelas de TI baseada em RR como. uma função do volume (Figura 3 e Figura S1) mostram que a maioria dos índices de aumento ou diminuição no início da curva e, em seguida, atingir um patamar. A mesma tendência é observada para os dados de fantasmas, os tumores do pulmão e o tecido saudável. As tendências observadas na Figura 3A e 3C e S1A, S1C e S1G Fig mostram que estes TI está fortemente correlacionada com a MV para pequenas VOIs (| r | entre 0,74 e 0,99 para volumes VOI-L VOI-T e). HGZE exibe outra tendência com grandes flutuações de pequena VOIs (Fig 3E). RLNU aumenta linearmente com o número de voxeis e nunca atinge um plateau (Fig S1E) (r = 1). As parcelas de TI como uma função da SUVmax (Fig 3B, 3D e 3F e S1B, s1d, S1F e S1H FIG) demonstram que a TI baseada em RR são independentes da captação no VOI (| r | entre 0,01 e 0,43).
a parcela de homogeneidade (AB), a entropia (CD) e HGZE (EF) como uma função do número de voxels (a, C, e) ou como uma função de SUVmax (B, D, F) para o fantasma (azul), os tumores de pulmão (vermelho) e tecido saudável (verde) com o método de cálculo RR TI.
Relação entre TI e volume-base AR ou SUVmax
Os coeficientes de correlação entre TI baseada em AR e volume (Fig 4A, 4C e 4E e S2A, S2C e S2G Fig) eram muito mais baixos do que com TI com base em RR, com | r | entre 0,06 e 0,27, exceto para RLNU (S2E Fig, r = 0,91). No entanto, com base-AR TI foram correlacionados com SUVmax com | r | entre 0,47 e 0,98, excepto os dados fantasma para o qual SUVmax era quase constante.
A parcela de homogeneidade (AB), a entropia (CD) e HGZE (EF) como uma função do número de voxels (A, C , e) ou como uma função de SUVmax (B, D, F) para o fantasma (azul), os tumores de pulmão (vermelho) e tecido saudável (verde) com o método de cálculo AR20 TI.
diferenças TI em tumores e tecidos saudáveis
Foram comparados os valores da TI baseada em RR e TI baseada em AR no tumor e tecido saudável. -Se os pvalues de teste de Wilcoxon são relatados na Tabela 2 e o valor médio, o primeiro e terceiro quartis são dadas na Tabela S1 para os dois tipos de tecidos. Homogeneidade, SRE, LRE, HGZE e LGZE foram significativamente diferentes (p 0,05) entre as regiões de tecido saudável do tumor e, mas nenhum dos-se os pvalues calculado para um TI baseado-RR foi menor do que o obtido para SUVmax, sugerindo que nenhum dos RR baseado TI fez melhor do que SUV a separar tumor de regiões de tecidos saudáveis. Com a TI baseada em AR,-se os pvalues foram sempre inferiores aos obtidos para TI baseado em RR, sugerindo uma melhor identificação dos tipos de tecidos. Homogeneidade, entropia, SRE e LRE produziu um pValue menor do que a de SUVmax. Por exemplo, a entropia baseada-RR, como mostrado na Figura 5A e 5B, não distingue entre o tumor e o tecido saudável (pValue = 0,7621), enquanto que o mesmo índice calculado com o método de AR pode diferenciar entre estes dois tipos de tecidos (pValue 0,0001). Os resultados foram praticamente inalterada entre AR15, AR20 e AR25 (Tabela 2).
entropia Boxplots de RR base (A) e entropia baseada-AR (B) para o tumor e o tecido saudável e homogeneidade à base de RR (C ) e homogeneidade (D) para o adenocarcinoma eo carcinoma espinocelular e-se os pvalues de testes de Wilcoxon associados AR-base.
Usando o método AR (Tabela 3), o tecido do tumor exibiu HGZE maior do que o tecido saudável, enquanto os tumores tiveram menor homogeneidade e LGZE.
diferenças entre TI adenocarcinomas e carcinomas de células escamosas
Os resultados do teste de Wilcoxon realizados para determinar se TI são significativamente diferentes em adenocarcinomas ( n = 28) e carcinomas de células escamosas (n = 13) encontram-se resumidos na Tabela 4. com base-RR Todas as TI produziu pvalues superior a 0,07, enquanto a TI-AR com base sempre levado a pvalues inferiores ou iguais a 5%. Por exemplo, a homogeneidade calculado com o método de RR não foi significativamente diferente entre os dois subtipos de câncer enquanto ele estava com método AR (Fig 5C e 5D). -Se os pvalues observados para homogeneidade (pValue = 0,0039), a entropia (pValue = 0,0039), LGZE (pValue = 0,0083) e HGZE (pValue = 0,0076) são menores do que os obtidos para SUVmax (pValue = 0,0108) e MV (pValue = 0,1303) entre os dois subtipos de cancro com o método AR20. Os adenocarcinomas mostram uma homogeneidade maior e menor entropia do que os carcinomas de células escamosas (Tabela 3 e S2 tabela). Estes resultados permaneceram muito semelhante para os esquemas de reamostragem AR15 e AR25.
Discussão
Neste estudo, mostramos que a TI calculado usando um método AR eram menos correlacionada com MV do que aqueles calculados com um método de RR e demonstrado que, com base AR-TI foram significativamente diferentes no tecido saudável e tumor ou em dois subtipos de tumores pulmonares. Estas diferenças foram superiores aos observados com SUVmax, MT e TI baseada em RR. Verificou-se que o tecido do tumor de pulmão exibiu textura mais heterogénea do que o tecido saudável, o que corresponde a diminuir a homogeneidade e a entropia mais elevada (Tabela 3). Da mesma forma, observou-se que carcinomas de células escamosas rendeu um metabolismo tumor mais heterogênea que adenocarcinomas.
O primeiro objetivo do nosso estudo foi determinar o impacto do método de reamostragem na TI resultante e sobre a sua correlação com o volume região e SUVs. Ao contrário de Brooks e Grigsby [15], usamos imagens de PET de um fantasma uniformemente preenchido com FDG para nossos experimentos. Para que fantasma, a textura da distribuição de FDG foi apenas que o sinal de PET, que é correlacionado espacialmente nas imagens reconstruídas [22], como havia nenhuma textura “fisiológica” no fantasma. O comportamento de TI como uma função do volume da região utilizada para calcular poderia, assim, ser investigada sem qualquer factor de confusão potencialmente introduzida por um sinal fisiológico subjacente. Quando se utiliza a reamostragem RR habitual, verificou-se que a mudança na entropia (figura 3C) com o volume ISV foi muito semelhante ao que foi anteriormente reportado em [15], demonstrando a relevância do nosso estudo fantasma para caracterizar a relação entre a TI e o volume região. Além disso, descobrimos que a maioria TI realmente se comportam como entropia em relação à sua dependência do volume tumoral, com alta dependência de volume para o pequeno volume e valores de IT, em seguida, estáveis além de um certo volume. Ainda assim, o volume a partir do qual o planalto foi alcançado variou de um TI para outra (ver Fig 3A e 3C e S1A, S1C e S1G Fig). Observamos também que alguns TI nunca alcançou um platô, confirmando que esses índices foram descritores pobres da textura (RLNU, ver [14]).
Nós também descobrimos que a relação entre TI e MV foi semelhante nos dados phantom e em dados clínicos (figura 3), o que demonstra pela primeira vez que a abordagem fantasma era apropriado para caracterizar a dependência da TI em volume como observado em pacientes, apesar das diferenças na distribuição SUV (Fig 3) e relações sinal-para-ruído entre o fantasma e dados clínicos (phantom: 11 kBq /mL no momento da digitalização digitalizados por 3 min; paciente: 3-3,5 kBq /mL no momento da digitalização digitalizados para 1,45 min por posição cama).
Em sua conclusão , Brooks e Grigsby [15] recomendou cálculo entropia apenas nas regiões superior a 45 cm
3, o que limita significativamente o uso de TI. O esquema alternativo AR reamostragem propomos efectivamente superar esta limitação e permitir o cálculo de TI sem a introdução de um grande preconceito associado com o volume do tumor. A base racional para o método de AR é que a gama de SUV em um determinado tumor, na verdade, já fornece informações sobre a heterogeneidade do tumor, independentemente do arranjo espacial destes valores dentro de um tumor. De facto, espera-se que, se uma região do tumor inclui uma ampla gama de valores de SUV, o tumor será mais heterogénea do que se todos os SUV são semelhantes. Portanto, removendo as informações gama SUV usando Eq (1) na etapa resampling não parece ser relevante para avaliar a textura tumor. Pelo contrário, o facto de TI estão correlacionados com SUV (Figura 4) não parece contra-intuitivo uma vez que a gama de SUV de um tumor, na verdade, já reflete alguma heterogeneidade do tumor: por exemplo, se SUV varia de 2 a 10 em um tumor, ele é esperado para ser mais heterogênea do que um tumor em que SUV só varia de 2 a 3.
Resampling entre limites de baixa e alta SUV fixos, portanto, preserva esta informação SUV útil no cálculo TI. Nós arbitrariamente escolheu 0 como um baixo amarrado e 20 como um alto limite, já que esta é tipicamente a gama de SUV encontrado nas clínicas. Para avaliar o impacto do alto valor limite arbitrário, foi investigada a robustez dos resultados quando se muda o maior ligada a 15 ou 25 unidades de SUV (Tabelas 2 e 4) e constatou que as conclusões manteve-se inalterada, demonstrando que a escolha desta alta ligado não é crítica.
Usando TI baseado-AR, é possível determinar se as características texturais são diferentes, como uma função do tipo de tecido, sem ser afectado por diferenças no volume do tecido analisado. Como primeiro
in vivo
modelo que poderia servir como um modelo de brinquedo, primeiro investigou se TI foram significativamente diferentes nos tecidos saudáveis e tumor. Embora seja óbvio que esta distinção não é clinicamente significativa, TI deve permitir a distinção entre tecidos saudáveis e tumorais se eles são esperados para ser útil para distinguir diferenças sutis em tipos de tecidos. Usando este modelo de brinquedo, que demonstrou que todos os 7 TI foram significativamente diferentes entre estes dois tipos de tecidos quando se utiliza o método de AR, enquanto que este não foi o caso quando se utiliza o método de RR. tecido saudável foi mais homogénea do que o tecido do tumor (Tabela 3), como mostrado pela maior homogeneidade e valores de entropia mais baixos no fígado em comparação com o tumor nos pacientes com NSCLC. Da mesma forma, observou-se que os tumores continham menos “baixo nível de cinza” e mais voxels “de alta cinza de nível” do que o tecido saudável (Tabela 3), correspondendo a diminuir LGZE e superior HGZE em tumores, que é novamente o que poderia ser intuitivamente esperado. Para o melhor de nosso conhecimento, somente dois estudos compararam a gama de TI em todos os tipos de tecidos até agora. Utilizando 103 doentes não tratados com lesões ósseas e dos tecidos moles, Xu et al [23] mostrou que TI a partir de imagens de PET e CT poderia diferenciar entre lesões benignas e malignas. Eles descobriram que a entropia a partir de imagens FDG-PET foi maior nos tumores malignos do que em lesões benignas. O segundo estudo [24] relatou que o contraste TI (do CM) foi maior no fígado em comparação com tumores de 11 pacientes com câncer de mama que se submeteram a um fluorotimidina (FLT) PET scan antes do tratamento. Em nosso estudo, descobrimos que o mesmo índice de contraste (dados não mostrados) foi maior em tumores de pulmão (mediana 26,0, intervalo: [1,2-219,7]) do que no tecido hepático (mediana de 1,1, intervalo: [0,5-2,8]). Estes resultados discrepantes pode ser explicado pela utilização de diferentes marcadores, através do reduzido número de doentes em [24], através da inclusão de tumores com volumes muito heterogéneas (2,65 a 540,99 ml) sem levar em conta estas diferenças nos volumes e pelo uso de RR em vez de AR. É importante sublinhar que, ao usar RR, nenhum dos TI produziu um pValue menor do que a de SUVmax, enquanto que quando se utiliza o método de AR, 4 dos 7 TI foi melhor do que SUVmax em distinguir entre o tumor e o tecido saudável, demonstrando a relevância do método de AR. Dado que a base-AR TI também refletem algumas informações SUV, verificamos como-se os pvalues de testes de Wilcoxon de TI baseada em AR em comparação com-se os pvalues da combinação entre TI baseada em RR e SUVmax (S3 Tabela). Descobrimos que a TI baseada-AR conduziu a resultados muito semelhantes em comparação com TI com base em RR associado com SUVmax usando uma regressão logística com pvalues mais baixos para a homogeneidade, a entropia, SRE e LGZE para diferenciar tumores e tecidos saudáveis. Uma vantagem da utilização à base de AR TI é que ele inclui consistentemente TI e SUV informação em um único índice, o que pode facilitar o seu uso em um ambiente clínico em comparação com a co-análise de dois índices (RR-base de Ti e SUV).
ao determinar se TI foram diferentes entre os subtipos de tumor, que novamente observado que, com o método de AR, subtipos de tumor foram melhor distinto do que com o método RR (Tabela 4). TI refletiu diferenças entre o padrão de captação de FDG em adenocarcinomas e carcinomas de células escamosas: os adenocarcinomas eram mais homogênea, com maior homogeneidade e baixa entropia, e tinha menos voxels “de alta cinza de nível” do que os carcinomas de células escamosas (Tabela 3). Chi-2 testes de Pearson mostrou que apenas a presença de necrose medida nas espécime ressecado foi significativamente diferente entre os dois subtipos de câncer (pValue 0,01), ao contrário do estádio, estádio N e o nível de diferenciação (Tabela 5). Podemos, assim, a hipótese de que TI baseada AR poderia capturar a presença de necrose histológica. Em seu estudo, Asamura et al [25] demonstraram que os pacientes com carcinomas de células escamosas tiveram um pior prognóstico do que aqueles com adenocarcinomas, após a ressecção cirúrgica, com base em 11.939 pacientes. Além disso, os carcinomas de células escamosas exibem um índice proliferativo elevado em comparação com os adenocarcinomas [26]. Em conjunto, esses resultados sugerem que TI baseada-AR pode ajudar na objetivamente avaliar a agressividade do tumor através da combinação de forma eficiente informações textura e SUV em um único índice. Para três TI (homogeneidade, entropia e LGZE), o uso de TI baseada em AR levou a uma melhor distinção entre os tipos de tumores do que combinando os índices baseados em RR com SUVmax (S3 Tabela).
A método AR está próximo ao método de reamostragem usado por Leijenaar et al [19], onde os autores resampled intensidades voxel com largura bin fixa de 0,5 unidades de SUV. Sua abordagem, na verdade corresponde ao uso de AR com o máximo consolidado de 32 unidades de SUV. Com um máximo de 20 unidades ligadas SUV e 64 valores discretos, o bin de largura é de aproximadamente 0,3 unidades de SUV, o que torna a TI sensível a variações menores em SUV voxel em comparação com uma largura bin de 0,5 unidades de SUV. O tamanho ideal bin poderia ser mais investigada, mas já demonstrou que nossos resultados não dependem fortemente sobre ele (Tabelas 2 e 4).
Nossos resultados devem ser confirmados por grupos maiores, uma vez que só estudou a distinção dos subtipos entre 28 adenocarcinomas e 13 carcinomas de células escamosas. Além disso, as nossas conclusões devem ser validadas usando diferentes tipos de câncer, e um próximo passo será o de estabelecer valores de IT normais esperados em função do tipo de tecido, de modo que a TI poderia ser usado prospectivamente em uma base individual paciente para avaliar a homogeneidade do tumor, em vez de ser utilizado de estudos retrospectivos como foi relatado até agora.
em curso padronização de protocolos de imagem PET deve tornar mais fácil para definir mais tarde algumas regras comuns para a interpretação TI, também responsável por TI variabilidade como um função dos parâmetros do modo de aquisição e reconstrução de PET previamente descrito por Galavis et al [13]. Além disso, como anteriormente sublinhado [14], a relevância da TI deve sempre ser estudada através da medição do seu valor incremental para a caracterização do tumor em relação ao SUV amplamente utilizado e MV.
Para concluir, padrões de textura de actividade metabólica pode ser medida sem serem influenciados pelo volume região, utilizando um método de reamostragem absoluta idêntica para todos os tumores e preservando a informação que já SUV reflectir alguma heterogeneidade do tumor. Nós demonstramos que, com base-AR TI foram significativamente diferentes em tumores de pulmão e tecido saudável e também em carcinoma de células escamosas e adenocarcinoma, e que estas diferenças eram maiores do que os observados com SUVmax ou MV. Estes resultados mostram que, com base-AR TI capturar informações relevantes sobre a distribuição de amplitude e espacial de SUV e pode ser de interesse para enriquecer o perfil de tumor em análises radiomic [27] que visam a caracterização completa dos tumores com base em características da imagem.
Informações de Apoio
S1 Fig. TI como uma função de VM e SUVmax à base de RR. Terrenos de SRE (AB), LRE (CD), RLNU (EF) e LGZE (GH) como uma função do número de voxels (A, C, E , G) ou como uma função de SUVmax (B, D, F, H) para o fantasma (azul), os tumores de pulmão (vermelho) e tecido saudável (verde) com a redefinição da resolução relativa
doi:. 10.1371 /revista. pone.0145063.s001
(TIF)
S2 Fig. TI como uma função de VM e SUVmax à base de AR. Terrenos de SRE (AB), LRE (CD), RLNU (EF) e LGZE (GH) como uma função do número de voxels (A, C, E , G) ou como uma função de SUVmax (B, D, F, H) para o fantasma (azul), os tumores de pulmão (vermelho) e tecido saudável (verde) com a reamostragem absoluta
doi:. 10.1371 /revista. pone.0145063.s002
(TIF)
S1 Table. Quer dizer, primeiro e terceiro quartil (Q1, Q3) de baseada em RR e TI baseada-AR para o tecido tumoral e tecido saudável
doi:. 10.1371 /journal.pone.0145063.s003
(TIF)
Tabela S2.