A Wilms-daganatokban és a normál ellenoldali veseszövetekben előforduló diffúziós modellek összehasonlítása

Kapcsolatba lépni:tina.xiang@wecistanche.com

Absztrakt

CélkitűzésA diffúziós súlyozott képalkotásból (DWI) származó ADC (látszólagos diffúziós együttható) ígéretesnek bizonyult nem-1invazív kvantitatív képalkotó biomarkerkéntWilms-daganatok. Azonban sok nem Gauss-féle modell alkalmazható a DWI-re. Ennek a tanulmánynak az volt a célja, hogy összehasonlítsa négy alkalmasságátdiffúziómodellek (monoexponenciális, IVIM [Intravoxel Incoherent Motion], nyújtott exponenciális és kurtózis) Wilms-tumorokban és az érintetlen kontralaterálisbanvese.

Anyagok és módszerek A DWI-adatokat retrospektíven felülvizsgáltuk (110 Wilms-tumor és 75 normál vese adatkészlet). Az egyes modellek illeszkedésének jóságát voxelenként mérték az Akaike Information Criteria (AIC) segítségével. Az átlagos AIC-t minden tumortérfogathoz (vagy ellenoldali normál veseszövethez) számítottuk. A Greenhouse-Geisser korrekcióval és a Bonferroni korrekciót alkalmazó post hoc tesztekkel végzett egyirányú ANOVA-k szignifikáns különbségeket értékeltek az AIC értékek között; a legalacsonyabb AIC, amely az optimális modellt jelzi.

EredményekAz IVIM és a feszített exponenciális biztosította a legjobb illeszkedést a Wilms-tumor DWI-adatokhoz. Az IVIM biztosította a legjobb illeszkedést a normál vese adatokhoz. A mono exponenciális volt a legkevésbé megfelelő illesztési módszer mind a Wilms-tumor, mind a normál vese adatokhoz.

VitaA diffúziós súlyozott jel beWilms-daganatokés normálisveseszövetnem mutat mono-exponenciális bomlást, és jobban leírható nem Gauss-féle diffúziós modellekkel.

KulcsszavakWilms-daganat. Vese. Diffúzió

További információért kattintson ide

Bevezetés

A Wilms-daganat a leggyakoribb gyermekkori vesedaganat [1], és Európában a betegeket kemoterápiával kezelik a műtét előtt a daganat méretének csökkentésére [2]. A teljes vagy részleges nefrektómia után a szövettani analízis a tumort altípusba sorolja a domináns sejttípustól függően [3]. A betegek gyakran több MRI-vizsgálatot is végeznek a kezelésre adott válasz nyomon követésére, és gyakran végeznek diffúziós súlyozott képalkotást (DWI).

A látszólagos diffúziós együttható (ADC) a DWI-ből származtatható mono-exponenciális illesztés (1. egyenlet) alkalmazásával a diffúziós adatokra.

(1)S(b)= Se-b.ADC

ahol S(b) a jel egy adott b érték mellett, és S. a diffúziós súlyozás nélküli jel.

Az ADC nagy ígéretet mutatott a Wilms-tumor kvantitatív képalkotó eszközeként. Például az ADC-t a jóindulatú és a rosszindulatú daganatok megkülönböztetésére használták (ennek egy alcsoportja

A kohorsz Wilms-tumorok[4], elválasztja a neuroblasztómát a Wilms-tumortól[5], figyelemmel kíséri a kemoterápiás választ [6, 7], azonosítja a szövettani altípusokat [7] és segít a nekrotikus Wilms-tumorszövet azonosításában [8].

Míg az ADC hasznos paraméter, vannak más nem Gauss-modellek (VIM[9][ntravoxel Incoherent Motion], feszített exponenciális [10] és kurtosis [11]), amelyek a DWI adatokra alkalmazhatók a mérések széles skálájának előállítására. diffúziós metrikák. Az IVIM(Eq.2) egy bi-exponenciális modell, amely nemcsak az extravascularis térben, hanem a véletlenszerűen orientált mikrokapilláris hálózatban is leírja a víz mozgását. A D paramétereket állítja elő (a diffúziós együttható, amely mentes a kapillárishálózatban a gyorsan áramló víz befolyásától, amelyet lassú diffúziónak neveznek), D* (a diffúziós együttható a vérben a vérben lévő véletlenszerűen orientált mozgás miatt). kapillárishálózat-gyors diffúzió), és f (a gyorsan áramló komponenshez tartozó térfogathányad). (2)S(b)= So[(1-f)e(-bD plusz fel-b(D plus D')

A nyújtott exponenciális modell (3. egyenlet) egyetlen voxelen belüli diffúzió heterogenitását írja le, leírva a mono-exponenciális bomlástól való eltérést. Előállítja a DDC (az elosztott diffúziós együttható) és a (a homogén diffúziótól való eltérést leíró nyújtási paramétert) paramétereket.

(3)S(b)= S,e(-(b.DDC)")

A kurtózis modell (4. egyenlet) leírja a vízmolekulák elmozdulásától való eltérést Gauss-eloszlást követve, és előállítja a D paramétereket (a diffúziós együttható a nem Gauss-elmozdulásra korrigálva) és a K (a körtózis) paramétereket.

(4)S(b)= Soe-bD plusz b2D,?K/6

Ezek a modellek kiegészítő információkat szolgáltathatnak a szövetek mikrostruktúrájáról. Ezenkívül kimutatták, hogy a végbélrák [12], a prosztatarák csontmetasztázisai [13], a petefészekrák [14] és az egészséges veseszövet [15] monoexponenciális modelljéhez képest kiválóan leírják a diffúziós adatokat. Korlátozott kutatások állnak azonban ezen modellek alkalmazásáról Wilms-tumorban, ahol ezek hasznosak lehetnek, a tumorszövet rendkívül heterogén sejtkörnyezete miatt. Továbbá feltételezik, hogy a magas perfúziós szint miatt avese, és hogy az IVIM-et úgy tervezték, hogy figyelembe vegye a diffúziós jelben a perfúzióval kapcsolatos komponenst, ez a modell kiválóan illeszkedik ezekhez a DWI-adatokhoz [16].

A kutatás célja annak meghatározása volt, hogy ezek a modellek (VIM, feszített exponenciális és kurtózis) jobb illeszkedést biztosítanak-e a diffúziós súlyozott jelhez egy monoexponenciális modellhez képest Wilms-tumorokban és az ellenoldali normálban.vese. Az illeszkedés jóságát az Akaike Information Criterion (AIC)[17] segítségével számítottuk ki, amely a nyers adatok által alátámasztottnál több szabad paramétert tartalmazó modelleket büntet. Ezenkívül másodlagos célként a Wilms-daganatokat szövettani altípusok szerint különítették el, hogy meghatározzák, bizonyos modellek előnyben részesítenek-e bizonyos altípusokat.

Anyagok és módszerek Vizsgálati populáció

Az intézményi etikai jóváhagyást megadták, és lemondtak a hozzájárulás szükségességéről ehhez az egyközpontú vizsgálathoz. Intézményünk radiológiai képalkotó rendszerének 10-éves retrospektív felülvizsgálatát (2017. április 2007-március) végeztük el az összes hasi MRI adatra olyan gyermekeknél, akiknél igazolt szövettani diagnózisWilms-daganat. A beválasztási kritériumok a többszörös b értékű DWI adatok voltak (beleértve a maximális b értéket 1000 s/mm2), és a tumor mérete legalább 2 axiális szeletet fed le a DWI-n. Az extrém mozgási műtermékekkel rendelkező DWI-ket is eltávolították. Az MRI-adatokat Wilms-tumoros betegektől gyűjtötték a kemoterápia előtt és után egyaránt. A szövettani altípusokat a műtét után megerősítették a daganatok egy részében. A normál vese adatokhoz az ellenoldali, nem érintett vesét használtuk, kivéve a kétoldali betegségben szenvedő betegeket.

MRI

Az összes képalkotást 1,5 T-s Siemens Magnetom Avanto szkenneren végeztük, amely 40 mT/m gradienssel volt felszerelve. A páciens méretétől függően egy vagy két testmátrix tekercset használtak a teljes lefedettség eléréséhez (6 elemes kialakítás, Siemens). A betegek életkoruktól függően ébren voltak, vagy elaltatták.

Minden betegnél többszörös b értékű DWI-t kaptunk, és szabad légzés során szereztük be. A DWI protokoll a következő volt: 7 vagy 8b értékek 3 ortogonális irányban (0, 50, 100,250,500,750,1000 s/mm² vagy 0,50,100,150,200,250,500,200,250,500,200,100 mm²s/lickmm²) TR/TE: 2800 ms/89 ms, látómező: 350 × 350 mm, voxel mérete: 1,4 × 1,4 × 6 mm, szeletek száma: 19, mátrix mérete: 128 × 96 × 19. Kilenc átlagot kaptunk az egyes értékeket és a nyomképeket (átlagosan 3 irányban) használtuk az elemzéshez. Standard klinikai szekvenciákat is vettünk együtt, beleértve a zsírelnyomott T w-t a gadolínium-alapú kontraszt beadása előtt és után; a klinikai képalkotó szekvenciák teljes részletei megtalálható a [18]-ban.

Utófeldolgozás

DiffúzióAz adatokat a Matlabban (2019a verzió, MathWorks Inc., Natick, MA, USA) tervezett nyomkövetési képek és házon belüli modellillesztési rutinok segítségével dolgozták fel, voxelenkénti alapon, négy különböző diffúziós modellt alkalmazva: monoexponenciális (Eq. 1), IVIM (2. egyenlet), nyújtott exponenciális (3. egyenlet) és kurtosis (4. egyenlet).

Minden esetben a SW-t a b{{{{10}}}} pontban lévő jelként határoztuk meg, és a mono-exponenciális modell esetében az In(S/S.) lineáris illesztése az összes b értékhez. teljesített. A nem Gauss-modellek esetében az illesztést a Levenberg-Mar-quart nemlineáris legkisebb négyzetek algoritmusával (a Matlab 'lsq-curve-fit függvényével) végeztük el az összes b értékre (kivéve az IVIM modellt). Az IVIM modell esetében először is az In(S/S.) lineáris illesztését b-hez számoltuk ki magas b értékeknél (200-1000 s/mm2), hogy meghatározzuk D értékét. Ezt követően D* és f egyidejűleg illeszkedtek (fix D-vel).D-nek nem volt megkötése a felső határokon, f pedig 0 és 1 közé volt korlátozva. A nyújtott exponenciális modell esetében a DDC-nek nem voltak felső határfeltételei, és 0 közé volt korlátozva. és 1. A kurtosis esetében sem Dk, sem K nem volt korlátozva felső határokkal, és K alsó határa 0 volt.

Érdekes régiók (ROI)

A ROI-kat a Mango Software (Research Imaging Institute, UTHSCSA) segítségével állítottuk elő. A ROI-kat a b{{0}} képre rajzoltuk a teljes tumortérfogat körül, ezeket egy gyermekradiológiára szakosodott radiológus szerkesztette és ellenőrizte (MV3). éves gyermekradiológia). A normál veseszövetet szintén meghatároztuk a b0 képeken az ellenoldali vese használatával (kivéve a kétoldali betegségben szenvedőket) a teljes vesetérfogat körül, és a nagy áramlású területeket, például a vesemedencet körülvevő területeket kizártuk; egy példa látható az 1. ábrán. A modell-összehasonlításokkal kapcsolatos minden elemzés ezekre a ROI-kra korlátozódott.

Modell összehasonlító elemzés

Az AIC-t használtuk a négy modell (monoexponenciális, IVIM, nyújtott exponenciális és kurtózis) összehasonlítására. A tumor ROI-n belüli minden voxelhez és a normál vese ROI-hoz. Az AIC modellenként lett kiszámítva. Az átlagos AIC-t a teljes ROI-térfogatra számítottuk modellenként. Az egyes modellek átlagos AIC-értékeit ezután egyirányú, ismételt mérésű ANOVA-val hasonlítottuk össze Greenhouse-Geis-ser korrekcióval, hogy figyelembe vegyék a nem egyenlő varianciát, és post hoc teszteket végeztünk Bonferroni korrekcióval. A szignifikáns különbséget p<0.05.anovas were="" calculated="" for="" the="" entire="" wilms'tumour="" and="" normal="" kidney="" populations,="" as="" well="" as="" within="" different="" subgroups="" (pre-chemotherapy,="" post-chemotherapy,="" and="" different="" b="" value="" acquisitions="" [7="" and="" 8="" b="" value="" ranges]).="" additionally,="" models="" were="" compared="" between="" wilms'tumour="" histological="" subtypes="" to="" determine="" whether="" a="" certain="" subtype="" favoured="" a="" particular="" model.="" the="" post-chemotherapy="" data="" were="" used="" for="" this="" comparison="" as="" it="" was="" the="" nearest="" time="" point="" to="">

Eredmények

Vizsgálati populáció

Összesen 110 Wilms-tumort vettünk fel a diffúziós modell összehasonlító elemzéséhez; 49 kemoterápia előtti és 61 kemoterápia utáni daganatból állt (a kemoterápia előtti daganatok közül 38 szerepelt a 61 kemoterápia utáni kohorszban). A 2. ábrán látható egy folyamatábra, amely részletezi az esetek bezárását és kizárását. A betegek átlagéletkora a kemoterápia előtti szkenneléskor 2,43 év (SD:2,2), a kemoterápia utáni vizsgálat átlagéletkora 3,0 év (SD:2,8).

The diffusion data were acquired using either 7 or 8 b values（0,50,100,250,500,750,1000 s/mm²or 0,50,100,150,200,250,500,1000 s/mm>).Ez annak köszönhető, hogy a vizsgálati időszak során a protokoll megváltozott, a tanulmányhoz nem kapcsolódó okok miatt. Negyvenkilenc tumor esetében volt a 7b értékű protokoll (22 kemoterápia előtt és 27 kemoterápia után), és 61 daganatnál volt a 8b értékű protokoll (27 kemoterápia előtt és 34 kemoterápia után).

A 61 kemoterápia utáni daganat közül 56-nak volt szövettanilag igazolt altípusa: 7 blastemális, 9 epiteliális, 13 stromális, 8 regresszív, 18 vegyes és 1 teljesen nekrotikus. Az altípusokat a SIOP-2001 protokoll szerint határoztuk meg [3].

Normál vese adatként az ellenoldali, érintetlen vesét használtuk. A kétoldalú esetek kizárásának szükségessége miatt összesen 75 normál vese adatkészletet vettek fel;38kemoterápiában részesült betegektől és 37 olyan betegektől, akik nem részesültek. A 75 normál vese adatkészletből 31 rendelkezett a 7 b érték protokollal (15 a kemoterápia előtt és 16 a kemoterápia után), és 44 rendelkezett a 8b értékkel (22 a kemoterápia előtt és 22 a kemoterápia után).

Wilms daganat eredményei

A Greenhouse-Geisser korrekcióval végzett egyirányú ANOVA-k kimutatták, hogy az AIC értékek szignifikánsan különböztek a diffúziós modellek között, minden körülmények között: teljes kohorsz:(F(1.08, 117.91)=157.08,p=1.68 ×10-24), kemoterápia előtt:(F(1,05,50,53)=79,35,p=3,11×10-12), kemoterápia utáni kezelés:( F(1.13;67.92)=85.92,p=1.34×10-14),7b értékek:(F(1.21;58.16)=76.23,p{ {39}}.10×10-13),és8b értékek:(F(1.04;62.49)=95.51,p=1.68×10-14).

A 3. ábra az egyes állapotok boxplotjait mutatja, jelentős sávokkal kiemelve a Bonferroni-korrekciót alkalmazó post hoc teszteredményeket. A monoexponenciális modell AIC értékei minden körülmények között szignifikánsan magasabbak voltak, mint a másik három modellé, ami azt jelzi, hogy ez volt a legkevésbé megfelelő modell a Wilms-tumor adatokhoz. A teljes Wilms-daganat és a kemoterápia utáni kohorsz esetében a nyújtott exponenciális volt a legjobb modell a diffúziós adatok illesztésére, mivel ez adta a legalacsonyabb AIC-értékeket. A 4. ábra egy példát mutat be arra vonatkozóan, hogy a modellek milyen jól illeszkednek a diffúziós csillapítási jelhez a kemoterápia utáni Wilms-tumor egyetlen voxelében.

A kemoterápia előtti kohorsz esetében, és amikor az adatokat 7 és 8 b értéktartományra osztottuk, mind az IVIM, mind a feszített exponenciális modellt tekintették a legmegfelelőbb modellnek, e két modell AIC értékei között nem volt jelentős különbség.

Additionally, one-way ANOVAs were used to investigate whether the best fit model was related to Wilms'tumour histological subtypes, using the post-chemotherapy data as they were the closest timepoints to histology. Only one tumour was classified as necrotic and was therefore removed from this section of the analysis. Figure 5 shows the AIC values for each subtype based on different diffusion models. There were no significant differences between AIC values across the subtypes (blastemal [n=7], epithelial [n=9], mixed [n=18], stromal [n=13], regressive [n=8]), for any of the models (p>0.05).

Normál vese eredmények

A Greenhouse-Geisser korrekcióval végzett egytényezős ANOVA-k azt is feltárták, hogy az AIC értékek szignifikánsan különböztek a diffúziós modellek között, minden körülmények között a normál vese adatok esetében: teljes kohorsz:(F(1.51,85.2)=276. 07, p=2,57×10-30), kemoterápia előtti:(F(1,43, 41,13)=119,38, p=1,16×{{22} }), kemoterápia után: (F(1.16;42.81)=157.33,p=1.10×10-15,7 b értékek:(F(1.14;34.10){{ 38}}.49,p=1.06×10-1),és 8b értékek:(F(1.14;49.10)=193.30,p=1.19× 10-19.

A 6. ábra az egyes állapotok boxplotjait mutatja, a szignifikanciasávok kiemelik a Bonferroni-korrekciót használó post hoc teszteredményeket. A normál vese adatok hasonló eredményeket adtak a Wilms-tumor adatokhoz: minden körülmények között a monoexponenciális modell AIC értékei szignifikánsan magasabbak voltak, mint a másik három modellé, ami azt jelzi, hogy ez volt a legkevésbé megfelelő modell a normál vese adatokhoz. A Wilms-tumor adatokkal ellentétben minden állapot esetén a normál vese adatok azt mutatták, hogy az IVIM adta a legalacsonyabb AIC értékeket, jelezve, hogy ez a legmegfelelőbb modell ezekhez a diffúziós adatokhoz. A 7. ábra egy példát mutat be arra, hogy a modellek milyen jól illeszkednek a diffúziós lecsengési jelhez egy kemoterápiás Wilms-tumoros beteg kontralaterális normál vese adataiban.

Vita

Ez a tanulmány négy modellt hasonlított összediffúzió(monoexponenciális, IVIM, nyújtott exponenciális és kurtózis) attól függően, hogy mennyire illeszkednek a DWI jelcsillapításhoz, az AIC szerint. Ezeket az összehasonlításokat a kemoterápia előtti és utáni Wilms-tumorokban, valamint az ellenoldali, nem érintett vesében végezték, a normál veseszövet méréseként. A diffúziós adatok 7 és 8 b értéktartományból származtak. A Wilms-tumor adatok esetében kimutatták, hogy a nyújtott exponenciális modell biztosítja a legjobb illeszkedést összességében. Ez az eredmény megmaradt, amikor az elemzés a kemoterápia utáni csoportra korlátozódott. Ha azonban az elemzés a kemoterápia előtti adatokra összpontosult, és a b érték felvételével elválasztva, akkor nem volt szignifikáns különbség az IVIM és a feszített exponenciális között, mindkét modell a legalacsonyabb AIC értékeket adta. Ezenkívül nem voltak különösebb modellpreferenciák, amikor a daganatokat szövettani altípusok szerint csoportosították. A normál vese adatokhoz az IVIM adta a legjobb illeszkedést minden elemzésben. A mono-exponenciális modell bizonyult a legkevésbé megfelelő modellnek az AIC szerint; a többi modellhez képest folyamatosan szignifikánsan magasabb AIC értékeket biztosítva mind aWilms-daganatés normál vese adatkészletek.

A vizsgálat fő megállapítása az volt, hogy a nem Gauss-modellek jobban leírják a diffúziós adatokat, mint a monoexponenciális, mind Wilms-tumorban, mind a normál veseszövetben. A mono-exponenciális bomlástól való eltérést korábban kiemelték és feltárták: kimutatták, hogy a májban alacsonyabb értékeknél a jel gyors csökkenése következett be, majd magasabb b értékeknél fokozatosabb csökkenés következett be [19]. Ez a kezdeti csökkenés a vaszkuláris perfúziónak tulajdonítható, mivel az alacsonyabb b értékek érzékenyek a perfúzióból származó jelgyengülésre [9], így az IVIM modell jól illeszkedik ezekhez az adatokhoz. Kimutatták, hogy ez a helyzet az egészséges veseszövetben [20,21], ahol a jel bi-exponenciálisnak bizonyult, szemben a monoexponenciálisval; mivel a vese jól áteresztő szerv. A jelen tanulmány alátámasztja ezeket a megállapításokat, mivel az IVIM-et a normál veseszövetben előnyben részesítették a többi modellel szemben. Ez a megállapítás megmaradt a kemoterápia utáni normál vese adatkészletében is, ami arra utal, hogy a kezelés nem befolyásolta a normál veseszövetet a DWI adatokkal kimutatható módon.

A nyújtott exponenciális modell jól illeszkedett a DWI Wilms-tumor adataihoz. A korábban említett végbélrák és egészséges végbélszövet[12], prosztatarák csontáttét [13] és petefészekrák[14] vizsgálatai mind azt mutatták, hogy ez a modell a legjobban illeszkedik a DWI-adatokhoz az IVIM-hez és a monoexponenciálishoz képest. A nyújtott exponenciális modell két paramétert biztosít, és a DDC; míg a pontos fiziológiai alapja ismeretlen, úgy gondolják, hogy a szövetek heterogenitását jelenti, alacsonyabb érték pedig heterogénebb környezetre utal [10]. Mivel a Wilms-tumorszövet nagyon heterogén, nem meglepő, hogy a nyújtott exponenciális modell jól leírja ezeket az adatokat.

A nyújtott exponenciális modell mellett az IVIM ugyanolyan jól illeszkedett a kemoterápia előtti Wilms-tumorokhoz, míg a kezelés után ez nem volt így. A kezelést követően valószínűleg megnövekszik a nekrotikus szövet, és ezáltal csökken a perfúzió, ezért az IVIM (a perfúziós hatásokra összpontosító modell) kevésbé alkalmas.

Úgy tűnt, hogy egyetlen szövettani altípus sem támogatna egy bizonyos modellt, azonban az egyes csoportok száma kicsi volt. Fontos megjegyezni továbbá, hogy a szövettani altípusokat csak egy alszakasz elemzése után határozzuk meg

a teljes tumortérfogatból. A Wilms-tumorok nagyon heterogének, és egyetlen daganaton belül különböző sejtkörnyezetű területek lesznek. Az ezekben a különböző régiókban lévő voxelek változó diffúziós modell-preferenciákat mutathattak. A fejlett szövettan hiánya miatt azonban ez az elemzés nem volt lehetséges.

A nem Gauss-modellek használata nemcsak jobb illeszkedést biztosíthat az adatokhoz, hanem további klinikai információkat is szolgáltathat. Például kimutatták, hogy a kurtosisból származó D nagyobb diagnosztikai pontosságot biztosíthat az ADC-hez képest a tumor és a nem daganat megkülönböztetésében hasnyálmirigyrákban [22]. Ezenkívül az (exponenciálisan nyújtott) magasabb érzékenységi és specifitási szinteket mutatott a minimális zsírtartalmú angiomyolipoma és a vesesejtes karcinóma közötti különbségtétel során, mint az ADC [23]. Ezenkívül mind a D, mind az f(IVIM) ígéretesnek bizonyult a vesefunkció kiemelésében, mivel mindkét paraméter a becsült glomeruláris filtrációs rátához kapcsolódik krónikus vesebetegségben szenvedőknél [24]. Ezért a nem Gauss-modellek is képesek további információkat szolgáltatni a veseszövet mikrostruktúrájáról.

Míg a mono-exponenciális modell nem a legjobb illeszkedést adta a DWI adatokhoz, ez nem jelenti azt, hogy ne lehetne klinikailag használni. Amint korábban említettük, az ADC klinikailag hasznosnak bizonyult Wilms-tumor [4-8] esetében. Ezenkívül az ADC nem igényel több b értéket, ami előnyös, mivel előfordulhat, hogy sok központ nem szerzi meg a DWI-t több b értékkel standard módon. Ezért annak ellenére, hogy a jelen tanulmány eltérést mutat a mono-exponenciális jelgyengüléstől, fontos tisztában lenni azzal, hogy bár a modell nem feltétlenül a legjobb leíró a DWI-adatokhoz, ennek ellenére klinikailag hasznos.

A legjobban illeszkedő modell kiválasztásának módszere a tanulmány lehetséges gyengesége. Az AIC figyelembe veszi a modell összetettségét és az illeszkedés jóságát, ezért megfelelő választásnak tűnt a modellek összehasonlításához és kiválasztásához. Fontos mérlegelni, hogy egy modell egyértelműen a legjobb-e az egész szövet számára, vagy csak kis különbség van a modellek között. Ezt korábban Manikis et al. [25] végbélrákban, ahol bár összességében mono exponenciális volt az IVIM-mel szemben, a szövetek között nagy volt a heterogenitás. Ezt a jelen tanulmányban Wilms-tumorokban is kimutatták, mind az IVIM, mind a nyújtott exponenciális modellekkel, amelyek jól illeszkednek az adatokhoz. Ezt szem előtt tartva óvatosnak kell lennünk, mielőtt azt állítanánk, hogy egy adott modell felel meg a legjobban az adatoknak, mivel előfordulhat, hogy sok modell közel azonos illeszkedési minőséggel rendelkezik.

Ezenkívül az 1000 s/mm²-es maximális b érték korlátozhatja a kurtosis modellt, mivel magasabb b értékeknél érzékenyebbé válik [26]. Ezért egy optimalizált b értéktartomány mellett ez a modell jobban teljesíthetett, mint a jelenlegi adatokkal. Azonban egy tanulmányban, amely a vesékben a kurtosis megvalósíthatóságát vizsgálta, maximum b=1000 s/mm'-t is alkalmaztak [27]. Ezen túlmenően a jelen tanulmány a rutinszerűen szerzett klinikai adatokhoz való illesztésre kívánt összpontosítani, amelyek nem rendelkeznek rendkívül magas b-értékekkel. Ezt az érzést javasolták korábbi munkákban is, amelyek a mono-exponenciális modellt hasonlították össze a májban előforduló görcsösséggel, szintén maximális b=1000 s/mm² 【28】 használatával.

Összességében ez a tanulmány kimutatta, hogy a mono-exponenciális modell nem illeszkedik a DWwI adatokhoz, valamint az IVIM-hez, a feszített exponenciálishoz vagy a kurtózishoz Wilms-tumorszövetben vagy normál veseszövetben. Ezenkívül nem volt modell preferencia

a különböző sejtaltípusok. Az IVIM biztosította a legjobb illeszkedést a normál veseszövethez, Wilms-tumorokban pedig mind az IVIM, mind a nyújtott exponenciális modellek adták az adatok legjobb leíróját. Az ADC-t gyakran használják a klinikai kutatásokban, ezért az a feltételezés, hogy a jelgyengülés monoexponenciális. Ezek az eredmények azonban arra utalnak, hogy Wilms-tumorban és normál veseszövetben a DWI-jel nem mutat monoexponenciális bomlást. Ezért más modellek felhasználása pontosabb reprezentációt biztosíthat a mögöttes szöveti környezetről, és a származtatott paraméterek klinikailag hasznos információkkal szolgálhatnak.

Hivatkozások

1. Pastore G, Znaor A, Spreafco F et al (2006) Rosszindulatú vese daganatok előfordulása és túlélése európai gyermekeknél (1978–1997): jelentés az Automated Childhood Cancer Information System projektből. Eur J Cancer 42:2103–2114. https://doi. org/10.1016/j.ejca.2006.05.010

2. van den Heuvel-Eibrink MM, Hol JA, Pritchard-Jones K et al (2017) Position paper: Rationale for the treatment of Wilms tumor in the UMBRELLA SIOP-RTSG 2016 protocol. Nature Rev Urol 14:743–752. https://doi.org/10.1038/nrurol.2017.163

3. Vujanić GM, Sandstedt B, Harms D és munkatársai (2002) A gyermekkori vesetumorok felülvizsgált Nemzetközi Társasága (SIOP) munkaosztályozása. Med Pediatr Oncol 38:79–82

4. Gawande RS, Gonzalez G, Messing S et al (2013) A diffúziós súlyozott képalkotás szerepe a jóindulatú és rosszindulatú gyermekkori hasi daganatok megkülönböztetésében. Pediatr Radiol 43:836–845. https:// doi.org/10.1007/s00247-013-2626-0

5. Aslan M, Aslan A, Habibi HA és munkatársai (2017) Diffúziós súlyozott MRI a Wilms-daganat és a neuroblasztóma megkülönböztetésére. Diagn Interv Radiol 23:403–406. https://doi.org/10.5152/dir.2017.16541

6. Littooij AS, Humphries PD, Olsen ØE (2015) A teljes tumor látszólagos diffúziós koefficiensének intra- és interobserver variabilitása nephroblasztómában: kísérleti tanulmány. Pediatr Radiol 45:1651–1660. https://doi.org/10.1007/s00247-015-3354-4

7. Hales PW, Olsen ØE, Sebire NJ és mtsai (2015) Multi-Gauss-modell a Wilms-tumor altípus és a kemoterápiára adott válasz látszólagos diffúziós együtthatójának hisztogramjának elemzéséhez. NMR Biomed 28:948-957. https://doi.org/10.1002/nbm.3337

8. Rogers HJ, Verhagen MV, Shelmerdine SC és munkatársai (2018) A kontrasztanyagos képalkotás alternatív megközelítése: a difúziós súlyozott képalkotás és a T1-súlyozott képalkotás azonosítja és számszerűsíti a Wilms-daganat nekrózisát. Eur Radiol. https://doi. org/10.1007/s00330-018-5907-z

9. Le Bihan D, Breton E, Lallemand D és munkatársai (1988) A diffúzió és a perfúzió szétválasztása intravoxel inkoherens mozgású MR képalkotásban. Radiology 168:497–505. https://doi.org/10.1148/radio logy.168.2.3393671

10. Bennett KM, Schmainda KM, Bennett RT et al (2003) Folyamatos eloszlású kérgi vízdiffúziós sebességek jellemzése feszített-exponenciális modellel. Magn Reson Med 50:727–734. https://doi.org/10.1002/mrm.10581

11. Jensen JH, Helpern JA, Ramani A és mtsai (2005) Diffúzionális kurtosis képalkotás: a nem Gauss-féle vízdiffúzió mennyiségi meghatározása mágneses rezonancia képalkotással. Magn Reson Med 53:1432–1440. https://doi.org/10.1002/mrm.20508

12. Zhang G, Wang S, Wen D és munkatársai (2016) Nem Gauss és Gauss diffúziós modellek összehasonlítása a végbélrák diffúziós súlyozott képalkotásában 3,0 T MRI-n. Sci Rep. https://doi. org/10.1038/srep38782

13. Reischauer C, Patzwahl R, Koh DM et al (2017) Non-Mono Exponential Analysis of Difusion-Weighted Imaging for Treat ment Monitoring in Prostate Cancer Bone Metastasies. Sci Rep. https://doi.org/10.1038/s41598-017-06246-4

14. Winfield JM, deSouza NM, Priest AN et al (2015) DW-MRI adatok modellezése primer és metasztatikus petefészektumorokból. Eur Radiol 25:2033–2040. https://doi.org/10.1007/s0033 0-014-3573-3

15. Pentang G, Lanzman RS, Heusch P és munkatársai (2014): Az emberi vese diffúziós kurtózisos képalkotása: megvalósíthatósági tanulmány. Magn Reson Imaging 32:413–420. https://doi.org/10.1016/j.mri.2014.01.006

16. Caroli A, Schneider M, Friedli I et al (2018) Diffúzióval súlyozott mágneses rezonancia képalkotás a diffúz vesepatológia értékelésére: szisztematikus áttekintés és nyilatkozat. Nephrol Dial Transplant 33:ii29–ii40. https://doi.org/10.1093/ndt/gfy163