Rofo 2022; 194(S 01): S44-S45
DOI: 10.1055/s-0042-1749880
Abstract
Vortrag (Wissenschaft)
Onkologische Bildgebung / Onkologie

Klinische Entscheidungshilfe für das axilläre Lymphknoten-Staging bei neu diagnostizierten Brustkrebspatientinnen auf der Grundlage von 18F-FDG PET/MRI und maschinellem Lernen

Authors

  • S J Morawitz

    1   Universitätsklinikum Düsseldorf, Institut für Diagnostische und Interventionelle Radiologie, Düsseldorf

  • B Sigl

    2   Universitätsklinik für Radiologie und Nuklearmedizin, Universitätsklinikum Wien, Universitätsklinikum Wien, Wien

  • C Rubbert

    3   Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Düsseldorf, Düsseldorf

  • M N Bruckmann

    3   Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Düsseldorf, Düsseldorf

  • F Dietzel

    3   Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Düsseldorf, Düsseldorf

  • P Baltzer

    4   Universitätsklinik für Radiologie und Nuklearmedizin, Universitätsklinikum Wien, Wien

  • K Herrmann

    5   Klinik für Nuklearmedizin, Universitätsklinikum Essen, Essen

  • L Umutlu

    6   Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Essen, Essen

  • G Antoch

    7   Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Düsseldorf, Düsseldorf

  • J Caspers

    3   Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Düsseldorf, Düsseldorf

  • J Kirchner

    3   Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Düsseldorf, Düsseldorf
Further Information
Also available at
 

Zielsetzung 1. Untersuchung der diagnostischen Genauigkeit von Algorithmen des maschinellen Lernens und von erfahrenen Radiologen bei der Erkennung von axillären Lymphknotenmetastasen bei primärem Brustkrebs in MRT und PET/MRT, 2. Beurteilung, welche morphologischen und metabolischen Lymphknotenmerkmale in MRT und PET/MRT am aussagekräftigsten sind, um die Lymphknotendignität zu bestimmen, 3. Bestimmung, ob ein angepasster Schwellenwert die Sensitivität von PET/MRT zum Ausschluss eines Lymphknotenbefalls mit ausreichender Sicherheit erhöhen kann, um negativen Patientinnen ein invasives Verfahren wie SLNB zu ersparen.

Material und Methoden 303 Patienten aus drei Zentren wurden in diese prospektive Studie eingeschlossen. Die (PET/)MRT-Datensätze wurden hinsichtlich der axillären Lymphknoten ausgewertet. Die Histopathologie der axillären Lymphknoten diente als Referenzstandard. Zur Bewertung der diagnostischen Leistung wurden Sensitivität, Spezifität, positiver und negativer prädiktiver Wert und die Genauigkeit berechnet. Die diagnostischen Leistung wurden mittels McNemar-Test verglichen.

Ergebnisse Es gab keine signifikanten Unterschiede in der diagnostischen Leistung von Radiologen und maschinellem Lernalgorithmus bei MRT (p=0,671) und PET/MRT (p=0,683). Das wichtigste Lymphknotenmerkmal war die Traceraufnahme (Verhältnis SUVmax Lymphknotens/SUVmax Aorta ascendens, ≥1,3-fach des mediastinalen Blutpools), gefolgt von der Lymphknotengröße (≥7,5 mm).

Schlußfolgerungen Die diagnostische Leistung eines Random-Forest-Klassifikators bei der Erkennung von axillären Lymphknotenmetastasen ist mit der eines erfahrenen Radiologen vergleichbar. Eine Größe von 7,5 mm und eine Tracer-Aufnahme vom 1,3-fachen des mediastinalen Blutpools sind die wichtigsten Merkmale zur Bestimmung der Dignität eines Lymphknotens. Durch Anpassung des Schwellenwerts kann die Sensitivität des Random-Forest-Klassifikators so erhöht werden, dass 54,5% der Patienten ein invasives Verfahren wie eine SLNB erspart werden kann.



Publication History

Article published online:
29 August 2022

© 2022. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany