Computerassistierte Detektion (CAD) von kleinen pulmonalen Rundherden in der Mehrdetektor-Spiral-Computertomografie (MDCT) bei Kindern

Zusammenfassung

Ziel: Retrospektive Evaluierung eines Systems zur computerassistierten Detektion (CAD, LungCAD, Siemens Medical Solutions, Forchheim) und Volumetrie (LungCARE) von pulmonalen Rundherden bei dosisreduzierten pädiatrischen MDCTs. Material und Methoden: 30 CT-Untersuchungen bei 24 Kindern (10,4 ± 5,9 Jahren, 13 Mädchen, 11 Jungen, 39,7 ± 29,3 kg Körpergewicht) wurden an einem 16-Zeilen-MDCT bei Tumorstaging (n = 18), Entzündungssuche (n = 9), anderen Fragestellungen (n = 3) durchgeführt. Röhrenspannung 120 kV, mAseff körpergewichtsadaptiert. Rekonstruierte Schichtdicke 2 mm, Inkrement 1 mm. Ein Kinderradiologe (U1), ein CAD-Experte (U2) und ein wenig erfahrener Radiologe (U3) analysierten unabhängig voneinander die Bilder in Lungenfenstertechnik mit und ohne CAD-Unterstützung. Im Konsens bildeten U 1 und U 2 unter Berücksichtigung aller Ergebnisse der Radiologen sowie der Software den Referenzstandard. Ergebnisse: 5 Untersuchungen konnten wegen zusätzlicher Lungenveränderungen nicht mittels CAD ausgewertet werden. Insgesamt lagen 24 Rundherde mit einem minimalen Durchmesser von 0,35 bis 3,81 mm (MW 1,7 ± 0,85 mm) vor. Die Sensitivitäten waren wie folgt: U 1 95,8 % und 100 % mit CAD; U 2 91,7 % U 3 66,7 %. U 2 und U 3 fanden keine zusätzlichen Läsionen mittels CAD. Die Sensitivität des CAD allein lag bei 41,7 % mit 0,32 falsch positiven Befunden pro MDCT-Untersuchung. Die Interobserverübereinstimmung bezüglich der Lungenrundherddetektion war zwischen U1 / U2 mit CAD gut (k = 0,6500) und ohne CAD sehr gut (k = 0,8727). Ansonsten war sie zwischen U1 / U3 bzw. U2 / U3 gering (k = 0,0667 – 0,1884). Je nach betrachtetem Messwert (axiale Ausdehnung, Volumen) besteht eine signifikante Korrelation (p = 0,0026 – 0,0432) zwischen der Rundherdgröße und der CAD-Detektionsrate. Die nichtdetektierten Rundherde waren kleiner (MW 1,35 mm; 0,35 – 2,61 mm) als die von der Software detektierten (MW 2,19 mm; 1,35 – 3,81 mm). Es zeigte sich keine signifikante Korrelation zwischen den richtig positiven bzw. falsch negativen der CAD-Evaluation und dem Alter (p = 0,9263) sowie dem Körpergewicht (p = 0,9271) des Kindes. Es bestand kein Zusammenhang zwischen der Lokalisation des Rundherdes (subpleural, intraparenchymal) bzw. Rauschen/SNR und der Detektion durch die CAD-Software (p = 1,0). Schlussfolgerung: Bei einer Schichtdicke von 2 mm und sehr kleinen Läsionsgrößen ist der von uns untersuchte CAD-Algorithmus zur Detektion und Volumetrie von Lungenrundherden bei pädiatrischen dosisreduzierten 16-MDCT-Untersuchungen eingeschränkt anwendbar. Eine Bestimmung der Ausdehnung der Läsionen ist auch bei Nichtdetektion durch LungCADTM möglich.

Abstract

Purpose: Retrospective evaluation of computer-aided detection software (CAD) for automated detection (LungCAD, Siemens Medical solutions, Forchheim, Germany) and volumetry (LungCARE) of pulmonary nodules in dose-reduced pediatric MDCT. Materials and Methods: 30 scans of 24 children (10.4 ± 5.9 years, 13 girls, 11 boys, 39.7 ± 29.3 kg body weight) were performed on a 16-MDCT for tumor staging (n = 18), inflammation (n = 9), other indications (n = 3). Tube voltage 120 kVp and effective mAs were adapted to body weight. Slice thickness 2 mm, increment 1 mm. A pediatric radiologist (U1), a CAD expert (U2) and an inexperienced radiologist (U3) independently analyzed the lung window images without and with the CAD as a second reader. In a consensus decision U 1 and U 2 were the reference standard. Results: Five examinations had to be excluded from the study due to other underlying lung disease. A total of 24 pulmonary nodules were found in all data sets with a minimal diameter of 0.35 mm to 3.81 mm (mean 1.7 ± 0.85 mm). The sensitivities were as follows: U 1 95.8 % and 100 % with CAD; U 2 91.7 % U 3 66.7 %. U 2 and U 3 did not detect further nodules with CAD. The sensitivity of CAD alone was 41.7 % with 0.32 false-positive findings per examination. Interobserver agreement between U1 / U2 regarding nodule detection with CAD was good (k = 0.6500) and without CAD very good (k = 0.8727). For the rest (U1 /U3; U2 / U3 with and without CAD), it was weak (k = 0.0667 – 0.1884). Depending on the measured value (axial measurement, volume), there is a significant correlation (p = 0.0026 – 0.0432) between nodule size and CAD detection. Undetected pulmonary nodules (mean 1.35 mm; range 0.35 – 2.61 mm) were smaller than the detected ones (mean 2.19 mm; range 1.35 – 3.81 mm). No significant correlation was found between CAD findings and patient age (p = 0.9263) and body weight (p = 0.9271) as well as nodule location (subpleural, intraparenchymal; p = 1.0) and noise/SNR. Conclusion: In our study with 2 mm slice thickness and very small lesion sizes, the analyzed CAD algorithm for detection and volumetry of pulmonary nodules has limited application in pediatric dose-reduced 16-MDCTs. Determination of lesion size is possible even in the case of false-negatives.

Key words

thorax - metastases - CT spiral - computer-aided diagnosis - pediatric - nodule

Literatur

• 1 Fischbach F, Knollmann F, Griesshaber V. et al . Detection of pulmonary nodules by multislice computed tomography: improved detection rate with reduced slice thickness.  Eur Radiol. 2003;  13 2378-2383
• 2 Schäfer J F, Vollmar J, Schick F. et al . Detektion von Lungenrundherden mit der Magnetresonanztomographie in Atemanhaltetechnik im Vergleich zur Spiral-Computertomographie.  Fortschr Röntgenstr. 2005;  177 41-49
• 3 Achenbach T, Vomweg T, Heussel C P. et al . Computerunterstützte Diagnostik in der Thoraxradiologie – aktuelle Schwerpunkte und Techniken.  Fortschr Röntgenstr. 2003;  175 1471-1481
• 4 Beyer F, Wormanns D, Novak C. et al . Klinische Evaluation einer Software zur automatischen Lokalisation von Lungenrundherden in CT-Verlaufskontrollen.  Fortschr Röntgenstr. 2004;  176 829-836
• 5 Bolte H, Riedel C, Knoss N. et al . Computed tomography-based lung nodule volumetry – do optimized reconstructions of routine protocols achieve similar accuracy, reproducibility and interobserver variability to that of special volumetry protocols?.  Fortschr Röntgenstr. 2007;  179 276-281
• 6 Das M, Mühlenbruch G, Katoh M. et al . Automated volumetry of solid pulmonary nodules in a phantom: accuracy across different CT scanner technologies.  Invest Radiol. 2007;  42 297-302
• 7 Das M, Ley-Zaporozhan J, Gietema H A. et al . Accuracy of automated volumetry of pulmonary nodules across different multislice CT scanners.  Eur Radiol. 2007;  17 1979-1984
• 8 Das M, Mühlenbruch G, Mahnken A H. et al . Small pulmonary nodules: effect of two computer-aided detection systems on radiologist performance.  Radiology. 2006;  241 564-571
• 9 Enquobahrie A A, Reeves A P, Yankelevitz D F. et al . Automated detection of small pulmonary nodules in whole lung CT scans.  Acad Radiol. 2007;  14 579-593
• 10 Marten K, Rummeny E J, Engelke C. Computerassistierter Nachweis und automatisierte Volumetrie pulmonaler Rundherde in der Multislice-CT: aktueller Stand und Perspektive.  Fortschr Röntgenstr. 2005;  177 188-196
• 11 Marten K, Grillhösl A, Seyfarth T. et al . Computer-assisted detection of pulmonary nodules: evaluation of diagnostic performance using an expert knowledge-based detection system with variable reconstruction slice thickness settings.  Eur Radiol. 2005;  15 203-212
• 12 Marten K, Engelke C, Seyfarth T. et al . Computer-aided detection of pulmonary nodules: influence of nodule characteristics on detection performance.  Clin Radiol. 2005;  60 196-206
• 13 Marten K, Engelke C. Computer-aided detection and automated CT volumetry of pulmonary nodules.  Eur Radiol. 2007;  17 888-901
• 14 Marten K, Seyfarth T, Auer F. et al . Computer-assisted detection of pulmonary nodules: performance evaluation of an expert knowledge-based detection system in consensus reading with experienced and inexperienced chest radiologists.  Eur Radiol. 2004;  14 1930-1938
• 15 Wiemker R, Rogalla P, Blaffert T. et al . Aspects of computer-aided detection (CAD) and volumetry of pulmonary nodules using multislice CT.  Br J Radiol. 2005;  78 S46-56
• 16 Wormanns D, Fiebich M, Saidi M. et al . Automatic detection of pulmonary nodules at spiral CT: clinical application of a computer-aided diagnosis system.  Eur Radiol. 2002;  12 1052-1057
• 17 Honnef D, Wildberger J E, Stargardt A. et al . Mehrschicht-Spiral-CT (MDCT) in der Kinderradiologie: Dosisreduktion bei der Untersuchung von Thorax und Abdomen.  Fortschr Röntgenstr. 2004;  176 1021-1030
• 18 D’Agostino A G, Remy-Jardin M, Khalil C. et al . Low-dose ECG-gated 64-slices helical CT angiography of the chest: evaluation of image quality in 105 patients.  Eur Radiol. 2006;  16 2137-2146
• 19 Altman D G. Practical Statistics for Medical Research. Boca Raton, USA; Chapman & Hall 1991
• 20 Bland J M, Altman D G. Statistical methods for assessing agreement between two methods of clinical measurement.  Lancet. 1986;  1 307-310
• 21 Lin L IK. A concordance correlation coefficient to evaluate reproducibility.  Biometrics. 1989;  45 255-268
• 22 Maturen K E, Blane C E, Strouse P J. et al . Pulmonary involvement in pediatric lymphoma.  Pediatr Radiol. 2004;  34 120-124
• 23 Kammen B F, Matthay K K, Pacharn P. et al . Pulmonary metastases at diagnosis of neuroblastoma in pediatric patients: CT findings and prognosis.  Am J Roentgenol. 2001;  176 755-759
• 24 Wootton-Gorges S L, Albano E A, Riggs J M. et al . Chest radiography versus chest CT in the evaluation for pulmonary metastases in patients with Wilms’ tumor: a retrospective review.  Pediatr Radiol. 2000;  30 533-537
• 25 Owens C M, Veys P A, Pritchard J. et al . Role of chest computed tomography at diagnosis in the management of Wilms’ tumor: a study by the United Kingdom Children’s Cancer Study Group.  J Clin Oncol. 2002;  20 2768-2773
• 26 Kaste S C, Pratt C B, Cain A M. et al . Metastases detected at the time of diagnosis of primary pediatric extremity osteosarcoma at diagnosis: imaging features.  Cancer. 1999;  86 1602-1608
• 27 McCarville M B, Kaste S C, Cain A M. et al . Prognostic factors and imaging patterns of recurrent pulmonary nodules after thoracotomy in children with osteosarcoma.  Cancer. 2001;  91 1170-1176
• 28 Manson D, Traubici J, Mei-Zahav M. et al . Pulmonary nodular opacities in children with hereditary hemorrhagic telangiectasia.  Pediatr Radiol. 2007;  37 264-268
• 29 McConnell P I, Feola G P, Meyers R L. Methylene blue-stained autologous blood for needle localization and thoracoscopic resection of deep pulmonary nodules.  J Pediatr Surg. 2002;  37 1729-1731
• 30 Partrick D A, Bensard D D, Teitelbaum D H. et al . Successful thoracoscopic lung biopsy in children utilizing preoperative CT-guided localization.  J Pediatr Surg. 2002;  37 970-973
• 31 Kim W S, Moon W K, Kim I O. et al . Pulmonary tuberculosis in children: evaluation with CT.  Am J Roentgenol. 1997;  168 1005-1009
• 32 Bae K T, Kim J S, Na Y H. et al . Pulmonary nodules: automated detection on CT images with morphologic matching algorithm – preliminary results.  Radiology. 2005;  236 286-293
• 33 Rubin G D, Lyo J K, Paik D S. et al . Pulmonary nodules on multi-detector row CT scans: performance comparison of radiologists and computer-aided detection.  Radiology. 2005;  234 274-283
• 34 Peldschus K, Herzog P, Wood S A. et al . Computer-aided diagnosis as a second reader: spectrum of findings in CT studies of the chest interpreted as normal.  Chest. 2005;  128 1517-1523
• 35 Beigelman-Aubry C, Hill C, Grenier P A. Management of an incidentally discovered pulmonary nodule.  Eur Radiol. 2007;  17 449-466
• 36 Gurung J, Maataoui A, Khan M. et al . Automatisierte Detektion von Lungenrundherden mittels Mehrzeilen-Detektor-Spiral-CT: Einfluss unterschiedlicher Rekonstruktionsprotokolle auf die Leistung eines Softwareprototyps.  Fortschr Röntgenstr. 2006;  178 71-77