Nový prístup v analýze DCE MRI dát pre rozlišovanie benígnych a malígnych lézií prsníka

English version

Autoři: P. Hnilicova; T. Jaunky; E. Baranovicova; E. Heckova; D. Dobrota
Působiště autorů: Department of Medical Biochemistry, Jessenius Faculty of Medicine in Martin, Comenius University in Bratislava, Slovak Republic
Vyšlo v časopise: Klin Onkol 2015; 28(1): 44-50
Kategorie: Původní práce
doi: https://doi.org/10.14735/amko201544

Souhrn

Východiská:
Dynamické, kontrastnou látkou sýtené MRI (DCE MRI) dokáže reflektovať zmeny vo vaskularite tkaniva, v permeabilite cievnych stien ale aj v difúzii v rámci extracelulárneho priestoru. Cieľom tejto štúdie bolo overiť aplikovateľnosť DCE MRI pri odlíšení benígnych a malígnych lézií prsníka.

Pacienti a metódy:
Z databázy bolo náhodne vybraných päť pacientov s malígnou a päť s benígnou léziou prsníka. Všetci pacienti podstúpili meranie v 3T MR skeneri vykonané pomocou prsníkovej cievky. Série T1- vážených MRI boli získané za použitia intravenózne aplikovanej kontrastnej látky. Následne bolo zmeraných 17 post kontrastných sérií snímok v priebehu 13 sekúnd. Všetky DCE MRI dáta boli vyhodnocované pomocou grafického balíka JIM. Pozorovali sme zmeny intenzity signálu počas doby akvizície – krivky dynamického sýtenia tkaniva kontrastnou látkou.

Záver:
Skúmali sme časti kriviek s najväčším nárastom intenzity signálu v rámci časového rámca. Pre ďalšie porovnanie sme použili hodnoty najväčších nárastov intenzity signálu medzi časovými intervalmi. Analýza týchto výsledkov viedla k pozorovaniu, že rozhranie medzi benígnymi a malígnymi léziami má relatívnu hodnotu 100. Navyše sme potvrdili významný rozdiel medzi uvedenými typmi lézií.

Kľúčové slová:
karcinóm prsníka – zobrazovanie magnetickou rezonanciou – kontrastná látka

Táto štúdia bola podporená projektom MZSR, kód: 2012/31-UKMA-8 a projektom „Zvýšenie možností kariérneho rastu vo výskume a vývoji v oblasti lekárskych vied“, ITMS kód: 26110230067, spolufinancovanými zo zdrojov EÚ a Európskeho sociálneho fondu.

Autoři deklarují, že v souvislosti s předmětem studie nemají žádné komerční zájmy.

Redakční rada potvrzuje, že rukopis práce splnil ICMJE kritéria pro publikace zasílané do biomedicínských časopisů.

Obdržané:
12. 9. 2014

Prijaté:
20. 10. 2014

Zdroje

1. Gilhujs KG, Gigeret ML, Bick U. Computerized analysis of breast lesions in three dimensions using dynamic magnetic‑ resonance imaging. Med Phys 1998; 25(9): 1647– 1654.

2. Glaßer S, Schäfer S, Oeltze S et al. A visual analytics approach to diagnosis of breast DCE‑ MRI data. Computers & Graphics 2010; 34(5): 602– 611.

3. Nishiura M, Yasuhiro T, Murase K. Evaluation of time‑ intensity curves in ductal carcinoma in situ (DCIS) and mastopathy obtained using dynamic contrast enhanced magnetic resonance imaging. J Magn Reson Imaging 2011; 29(1): 99– 105. doi: 10.1016/ j.mri.2010.07.011.

4. Fait V, Chrenko V, Schneiderová M et al. Changes in breast surgery spectrum after the introduction of breast screening. Klin Onkol 2007; 20(1): 38– 41.

5. Orel SG, Schnall MD, LiVolsi VA et al. Suspicious breast lesions: MR imaging with radiologic‑ pathologic correlation. Radiology 1994; 190(2): 485– 493.

6. Petráková K. Precursors of breast cancer. Klin Onkol 2013; 26 (Suppl): S7– S12.

7. Tozaki M. Interpretation of breast MRI: correlation of kinetic and morphological parameters with pathological findings. Magn Reson Med Sci 2004; 3(4): 189– 197.

8. Orel SG, Schnall MD. MR Imaging of the breast for the detection, diagnosis, and staging of breast cancer. Radiology 2001; 220(1): 13– 30.

9. Kurz KD, Roy S, Mödder U et al. Typical atypical findings on dynamic MRI of the breast. Eur J Radiol 2010; 76(2): 195– 210. doi: 10.1016/ j.ejrad.2009.07.036.

10. Chen W, Gigeret ML, Bickal U et al. Automatic identification and classification of characteristic kinetic curves of breast lesions on DCE‑ MRI. Med Phys 2006; 33(8): 2878– 2887.

11. Kuhl CK, Mielcareck P, Klaschik S et al. Dynamic breast MR imaging: are signal intensity time course data useful for defferential diagnosis of enhancing lesions? Radiology 1999; 211(1): 101– 110.

12. Yankeelov TE, Lepage M, Chakravarthy A et al. Integration of quantitative DCE‑ MRI and ADC mapping to monitor treatment response in human breast cancer: initial results. Magn Reson Imaging 2007; 25(1): 1– 13.

13. Sinha S, Lucas‑ Quesada FA, Sinha U et al. In vivo diffusion‑ weighted MRI of the breast: potential for lesion characterization. J Magn Reson Imaging 2002; 15(6): 693– 704.

14. Galiè M, Farace P, Merigo F et al. Washout of small molecular contrast agent in carcinoma‑ derived experimental tumors. Microvasc Res 2009; 78(3): 370– 378. doi: 10.1016/ j.mvr.2009.09.004.

15. Lehotská V. Význam a možnosti magnetickej rezonancie (MR‑ MAMOGRAFIE) v diagnostike prsníkových lézií. Onkológia 2007; 2(4): 211– 214.

16. Castellani U, Cristani M, Daducci A et al. DCE‑ MRI data analysis for cancer area classification. Methods Inf Med 2009; 48(3): 248– 253. doi: 10.3414/ ME9224.

17. Riedl ChC, Pfarl G, Helbrich TH. [homepage on the Internet] American College of Radiology, Breast imagng reporting and data system [updated 2011 January 17; cited 2014 January 18]. Available from: http:/ / www.birads.at/ info.html.

18. Lucht RE, Delorme S, Hei J et al. Classification of signal‑ time curves obtained by dynamic magnetic resonance mammography: statistical comparison of quantitative methods. Invest Radiol 2005; 40(7): 442– 447.

19. Fox SB, Generali DG, Harris AL. Breast tumour angiogenesis. Breast Cancer Res 2007; 10: 1186– 1796.

20. Jackson A, O’Connor JP, Parker GJ et al. Imaging tumor vascular heterogeneity and angiogenesis using dynamic contrast enhanced magnetic resonance imaging. Clin Cancer Res 2007; 13(12): 3449– 3459.

21. Twellmann T, Saalbach A, Gerstung O et al. Image fusion for dynamic contrast enhanced magnetic resonance imaging. Biomed Eng Online 2004; 3(1): 35.

22. Elmore JG, Armstrong K, Lehman CD et al. Screening for breast cancer. JAMA 2005; 293(10): 1245– 1256.

23. Siegmann KC, Müller‑ Schimpfle M, Schick F et al. MR imaging‑ detected breast lesions: histopathologic correlation of lesion characteristics and signal intensity data. Am J Roentgenol 2002; 178(6): 1403– 1409.

24. Xinapse Systems Ltd [homepage on the Internet]. West Bergholt, Colchester, UK, c2014 [updated 2014 September 12; cited 2014 September 18]. Available from: http:/ / www.xinapse.com .

25. Morris EA. Review of breast MRI: indications and limitations. Semin Roentgenol 2001; 36(3): 226– 237.

26. Barker PB, Bizzi A, Stefano ND et al. MRS in breast cancer. In: Clinical MR Spectroscopy, Techniques and Applications. Cambridge University Press 2010: 229– 242.

27. Yoshikawa MI, Ohsumi S, Sugata S et al. Comparison of breast cancer detection by diffusion‑ weighted magnetic resonance imaging and mammography. Radiat Med 2007; 25(5): 218– 223.

28. Katz‑ Brull R, Lavin PT, Lenkinski RE. Clinical utility of proton magnetic resonance spectroscopy in characterizing breast lesions. J Nati Cancer Inst 2002; 94: 1197– 1203.

29. Buchberger W, Niehoff A, Obrist P et al. Clinically and mammographically occult breast lesions: detection and classification with high‑resolution sonography. Semin Ultrasound CT MR 2000; 21(4): 325– 336.

30. Guo Y, Cai YQ, Cai ZL et al. Differentiation of clinicallybenign and malignant breast lesions using diffusion‑ -weighted imaging. J Magn Reson Imaging 2002; 16(2): 172– 178.

31. Nass SJ, Henderson IC, Lashof JC (eds). Mammography and beyond: developing technologies for the early detection of breast cancer. Washington, DC: Institute of Medicine, National Academy Press 2001.

32. European Medicines Agency (EMEA) [homepage on the Internet]. Questions and answers on the review of gadolinium‑ containing contrast agents. c2014 [updated 2014 September 12; cited 2014 September 18]. Available from: http:/ / www.emea.europa.eu.