Rofo 2025; 197(S 01): S13
DOI: 10.1055/s-0045-1802703
Abstracts
Vortrag (Wissenschaft)
Ganzkörperdiagnostik/Kohortenstudien

Body Composition Analyse: CT-basierte quantitative Bildgebungsmarker beim Multiplen Myelom

Authors

  • F Wegner

    1   UKSH, Campus Lübeck, Institut für Interventionelle Radiologie, Lübeck

  • T Leitner

    2   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Klinik für Hämatologie und Onkologie, Lübeck

  • H Grasshoff

    3   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Klinik für Rheumatologie, Lübeck

  • L Berkel

    4   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Institut für Radiologie und Nuklearmedizin, Lübeck

  • S Mogadas

    4   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Institut für Radiologie und Nuklearmedizin, Lübeck

  • F Nensa

    5   Uniklinikum Essen, Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Essen

  • R Hosch

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

  • R Klöckner

    7   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Institut für Interventionelle Radiologie, Lübeck

  • J Barkhausen

    4   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Institut für Radiologie und Nuklearmedizin, Lübeck

  • N von Bubnoff

    2   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Klinik für Hämatologie und Onkologie, Lübeck

  • C Khandanpour

    2   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Klinik für Hämatologie und Onkologie, Lübeck

  • M Sieren

    4   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Institut für Radiologie und Nuklearmedizin, Lübeck
Further Information
Also available at
 

Zielsetzung Die KI-basierte Body Composition Analyse (BCA) ist ein vielversprechendes Instrument zur Vorhersage von Krankheitsverläufen onkologischer Patient:innen. Da das multiple Myelom (MM) stark variable klinische Verläufe aufweist, besteht Bedarf für zuverlässige prognostische Parameter. Ziel dieser Arbeit war es, Zusammenhänge zwischen CT-basierten BCA-Daten und klinischen Aspekten zu untersuchen, BCA-Endotypen zu definieren und das Überleben der identifizierten Cluster zu analysieren.

Material und Methoden Wir untersuchten eine monozentrische, retrospektive Kohorte (38 Patientinnen, 53 Patienten) mit multiplem Myelom, bei denen routinemäßig Ganzkörper-CT-Untersuchungen durchgeführt wurden. Verschiedene Gewebekompartimente (Fett, Muskulatur, Knochen) wurden mittels KI-basiertem BCA-Algorithmus quantifiziert. Um potenzielle Zusammenhänge der BCA-Daten mit etablierten klinischen Parametern (Revised International Staging System (R-ISS), Hochrisiko-Zytogenetik und progressionsfreies Überleben/Tod) zu identifizieren, wurde der Mann-Whitney-U-Test verwendet. Die Bestimmung von BCA-Endotypen erfolgte mittels k-Means-Clusteranalyse. Die Überlebensraten beider Cluster wurden mittels Log-rank-Test verglichen.

Ergebnisse Patient:innen mit Hochrisiko-Zytogenetik wiesen erhöhte Werte für den kardialen Markerindex ((epikardiales Fettgewebe+perikardiales Fettgewebe)/Muskelvolumen, p=0,035) auf. Die BCA-Parameter zwischen den R-ISS-Kategorien unterschieden sich nicht signifikant. Bei Patient:innen mit Krankheitsprogression oder Tod waren die Volumina von subkutanem und viszeralem Fettgewebe im Vergleich zu Patient:innen ohne Progression/Tod signifikant niedriger (p=0,05, p=0,02). Die Clusteranalyse identifizierte zwei unterschiedliche BCA-Endotypen, die relevante Überlebensunterschiede aufwiesen (p=0,02).

Schlussfolgerungen Es zeigten sich signifikante Zusammenhänge zwischen BCA-Daten und klinischen Parametern. Insbesondere der prädiktive Charakter der BCA könnte beim Multiplen Myelom perspektivisch von klinischer Relevanz sein.



Publication History

Article published online:
25 March 2025

© 2025. Thieme. All rights reserved.

Georg Thieme Verlag KG
Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany