Rofo 2025; 197(S 01): S57-S58
DOI: 10.1055/s-0045-1802833
Abstracts
Vortrag (Wissenschaft)
Onkologische Bildgebung

Vollständig diagnostische Ganzkörper-CTs für Brustkrebspatientinnen mit 25% der Strahlendosis mittels Deep Learning Denoising Software

Authors

  • M Hahn

    1   Universitätsklinikum Tübingen, Abteilung für Diagnostische und Interventionelle Radiologie, Tübingen

  • S Afat

    2   Universitätsklinikum Tübingen, Interventionelle und Diagnostische Radiologie, Tübingen

  • A Brendlin

    3   Universitätsklinikum Tübingen, Diagnostische und Interventionelle Radiologie, Tübingen
Further Information
Also available at
 

Zielsetzung Patient/innen mit erhöhtem Metastasenrisiko bei Mamma-Ca benötigen häufig repetitiv Ganzkörper-CTs um das Krankheitsstadium einzuschätzen, das erhöht jedoch die Strahlenexposition. Deep Learning Denoising (DLD) Algorithmen zeigen vielversprechende Ergebnisse zur Strahlenreduktion bei gleichbleibender Bildqualität. Wir untersuchten einen KI Denoising Algorithmus bei Mamma-Ca und evaluierten mögliche Unterschiede im Staging hinsichtlich Bildqualität und Diagnostik.

Material und Methoden 100 Patientinnen mit Ganzkörper-Initialstaging bei Mamma-Ca wurden retrospektiv inkludiert. Es wurden Scans mit voller Dosis (100%) und simulierter niedriger Dosis (25%) mit einer iterativen Rekonstruktion (IR2) sowie DLD bearbeitet. Anschließend wurden sowohl subjektive als auch objektive Bildqualitäts-Merkmale sowie das bildmorphologische Staging von drei Radiolog/innen ausgewertet. Bayes‘sche Sensitivität und Spezifizität wurden mit einem Kredibilitätsintervall von 95% berechnet.

Ergebnisse Die Subjektive Analyse zeigte bessere Ergebnisse für 100% DLD im Vergleich zu 100% IR2 und 25% IR2 (p<0.001). Keine signifikanten Unterschiede konnten zwischen 25% DLD und 100% IR2 festgestellt werden. Die Objektive Analyse zeigte keine signifikanten Unterschiede im CT-Wert. Bei niedrigerer Dosis stieg das Bildrauschen, jedoch zeigte DLD niedrigere Noise-Level bei sowohl 100% als auch 25% Dosis im Vergleich zu 100% IR2 (p<0.001). 25% IR2 zeigte eine verringerte Sensitivität in der Detektion von Metastasen in supraklavikulären (81%) und Mammaria-Interna-Lymphknoten (85%), obwohl die Spezifität hoch blieb. Im Gegensatz dazu behielt 25% DLD eine zur Referenz unverändert hohe Sensitivität und Spezifität in der Metastasendetektion in allen Regionen.

Schlussfolgerungen Der untersuchte Algorithmus ermöglicht qualitativ hochwertige, vollständig diagnostische Mamma-Ca Stagings mit 25% Strahlendosis und verbessert somit die langfristige Patient/innenversorgung durch die Reduzierung unnötiger Strahlenbelastung.



Publication History

Article published online:
25 March 2025

© 2025. Thieme. All rights reserved.

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