| dc.description.abstract | Bakgrunn
Kreftsvulster er karakterisert av uorganisert blodkarnettverk på grunn av økt angiogenese, som vil si formasjon av blodårer. Dette resulterer i at svulsten får områder med lavt oksygennivå, kalt hypoksi. Hypoksi i svulster er assosiert med dårlig prognose for hode- og halskreft. Dynamisk kontrastforsterket magnetisk resonans avbildning (DCE-MRI) er en lovende kvantitativ bildemodalitet for å beskrive mikrovaskulaturen til svulster. Dermed har DCE-MRI potensialet til å bli et prognostisk og prediktivt verktøy for behandling av hode- og halskreft. DCE-MR bilder kan bli analysert både semi-kvantitativt og kvantitativt. Tre av de mest vanlige farmakokinetiske modellene brukt i kvantitativ analyse er Tofts, utvidet Tofts og Brix modellene. Tofts og utvidet Tofts modellene trenger en arteriell inputfunksjon (AIF). AIF bestemmes oftes for hver pasient. Det er ikke alltid det er mulig å beregne en slik individuell AIF, og derfor blir en populasjon AIF som er basert på flere pasienters AIF brukt istedenfor. Hovedmålet med dette studiet var å undersøke presisjonen og robustheten til populasjon AIF-en og å sammenligne de tre ulike kvantitative modellene. De farmakokinetiske parameterne beregnet av modellene ble også sammenlignet med semi-kvantitative parametere.
Metode
DCE-MRI ble gjennomført for 20 hode- og halskreftpasienter. Noen av pasientene hadde ondartete lymfeknuter i tillegg til primærsvulsten. Seks ulike populasjon AIF-er ble beregnet. DCE-MR bilder av lymfeknutene ble analysert med Tofts modellen sammen med populasjon AIF-ene og med individuell AIF for hver pasient. Samsvarskorrelasjonskoeffisientene, på engelsk kjent som concordance correlation coefficient (CCC), som sammenligner de farmakokinetiske parameterne beregnet med populasjon AIF-ene med de tilhørende parameterne beregnet med individuell AIF ble beregnet. DCE-MR bildene ble også analysert med den utvidete Tofts modellen ved å bruke individuell AIF og med Brix modellen. Semi-kvantitative parametere kalt arealet under kurven (AUC) ble også beregnet fra DCE-MRI bildene. Analysene ble utført voxel-for-voxel, som betyr at farmakokinetiske parametere fra modellene og AUC-ene ble beregnet for hver voxel i lymfeknutene. Medianene over alle voxelene ble beregnet for de farmakokinetiske parameterne for hver lymfeknute. I tillegg ble en gjennomsnittlig ROI analyse utført, det vil si lymfeknutens gjennomsnittlige kontrastforløpet ble brukt til å beregne de farmakokinetiske og semi-kvantitative parameterne, som resulterte i ett sett med parametere for hver lymfeknute. Pearsons korrelasjonskoeffisienter (CC) mellom medianverdien til både de ulike farmakokinetiske og semi-kvantitative parameterne ble beregnet. Korrelasjonskoeffisientene mellom de ulike parameterne ble også beregnet ved bruk av de gjennomsnittlige ROI-verdiene.
Resultater
Populasjon AIF-ene var robuste, men de farmakokinetiske parameterne fra Tofts modellen brukt sammen med populasjon AIF-ene var betydelig ulike de tilhørende parameterne beregnet med individuell AIF. Derfor gav ikke populasjon AIF-ene korrekte farmakokinetiske parametere. Median Ktrans og median ve fra Tofts modellen korrelerte med de tilhørende parameterne fra den utvidete Tofts modellen med en CCC på henholdsvis 0.99 og 1.00. I tillegg korrelerte median Ktrans med median ve fra Tofts modellen med en Pearson CC på henholdsvis 0.71 og 0.83. Pearson CC-en mellom A og Ktrans fra Brix modellen var 0.96 og 0.93 for henholdsvis gjennomsnittlig ROI verdier og medianverdier. Den sterkest korrelasjonen mellom parameterne fra ulike modeller ble funnet mellom Kel fra Brix modellen og Kep fra den utvidete Tofts modellen. De korrelerte med en Pearson CC på 0.77 og 0.70 for henholdsvis gjennomsnittlige ROI verdier og medianverdier. De farmakokinetiske parameterne korrelerte derimot ikke med AUC-ene, noe som var uventet.
Konklusjon
Resultatene i denne oppgaven viste at individuell AIF burde brukes fremfor populasjon AIF. Tofts og utvidet Tofts modellene ga lignende Ktrans-og ve-verdier. Det er uklart om dette skjedde fordi vevet var svakt vaskularisert, men immunhistokjemi av resekterte lymeknuter hadde vært nyttig for å analysere vaskulaturen i lymfeknutene og bør utføres i senere studier. Noen ganger resulterte modelltilpasningen i ugyldige verdier, som kan være på grunn av nekrose. Dette burde undersøkes grundigere senere. Kel fra Brix modellen korrelerte med Kep fra Tofts modellene. Korrelasjonsanalysen var basert på gjennomsnittlig ROI verdier og medianverdier. Fremtidige studier burde også undersøke korrelasjonen mellom parameterne voxel-for-voxel. Til slutt burde parameternes prognostiske og prediktive verdi undersøkes når langtids oppfølgingsdata av pasientene er tilgjengelige. | |
| dc.description.abstract | Background
Tumours are characterised by disorganised vasculature due to increased angiogenesis, i.e. formation of blood vessels. This results in regions with low oxygen, also called hypoxia, within the tumour. Tumour hypoxia is associated with a poor prognosis for head and neck cancer. Dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) is a promising quantitative imaging modality for describing the microvasculature of the tumour. Thus, DCE-MRI has the potential to become a prognostic and predictive tool for head and neck cancer treatment. DCE-MR images can be analysed both semi-quantitatively and quantitatively. Three of the most common pharmacokinetic models used in the quantitative analysis are the Tofts model, the extended Tofts model and the Brix model. The Tofts and extended Tofts model require an arterial input function (AIF). The AIF is usually obtained for each patient. It is not always possible to obtain an individual AIF and thus a population AIF, based on the AIFs of other patients, is used. The main objectives of this study were to investigate the accuracy and robustness of the population AIF and to compare the three different quantitative models. The pharmacokinetic parameters found by the models were also compared to semi-quantitative parameters.
Methods
DCE-MRI was performed on 20 head and neck cancer patients. Some of the patients had malignant lymph nodes in addition to the primary tumour. Six different population AIFs were calculated. The DCE-MR images of the lymph nodes were analysed using the Tofts model together with the population AIFs and with the individual AIF for each patient. The concordance correlation coefficients (CCC) comparing the pharmacokinetic parameters obtained with the population AIFs and the corresponding parameters found with the individual AIF were calculated. The DCE-MR images were also analysed using the extended Tofts model with the individual AIF and the Brix model. Further, the semi-quantitative parameters called the areas under the curve (AUCs) were also calculated from the DCE-MR images. The analyses were performed voxel-by-voxel, meaning the pharmacokinetic parameters from the models and the AUCs were calculated for each voxel in the lymph node. Further, the median pharmacokinetic parameters and AUCs over the voxels were calculated for each lymph node. In addition, a mean ROI analysis was performed, i.e. the mean enhancement pattern over all voxels in the lymph node was used to calculate pharmacokinetic and semi-quantitative parameters which resulted in a single set of parameters for each lymph node. The Pearson correlation coefficients (CC) comparing the median and the mean ROI parameters from the quantitative and semi-quantitative analysis were calculated.
Results
The population AIF was robust. However, the pharmacokinetic parameters found with the Tofts model using the population AIFs differed substantially from the corresponding parameters found using the individual AIF. Thus, the population AIFs did not result in accurate pharmacokinetic parameters. The median Ktrans and median ve from the Tofts model correlated with the corresponding parameters from the extended Tofts model with a CCC of 0.99 and 1.00, respectively. In addition, the median Ktrans correlated with the median ve from the Tofts model with a Pearson CC of 0.71 and 0.83, respectively. The Pearson CC between A and Kep from the Brix model were 0.96 and 0.93 for the mean ROI and median values, respectively. The most significant correlation between parameters from different models was the correlation between Kel from the Brix model and Kep from the extended Tofts model. They correlated with a Pearson CC of 0.77 and 0.70 when using the mean ROI and median values, respectively. In contrast, the pharmacokinetic parameters did not correlate with the AUCs which was unexpected.
Conclusions
The results presented in this thesis showed that the individual AIF is preferred over the population AIFs. The Tofts and extended Tofts models gave similar Ktrans and ve values. Whether this occurred due to weakly vascularised tissue is not clear, but an analysis of lymph node vasculature using immunohistochemistry of resected lymph node samples would be useful and should be done in the future. The model fitting did sometimes result in invalid values which can be associated with necrosis, which also should be investigated further. The Ktrans from the Brix model correlated with the Kep from the Tofts models. The correlation analysis was based on mean ROI and median values, future work should also investigate the correlation between the parameters on a voxel-by-voxel basis. Last, the parameters' prognostic and predictive value should be investigated when the long-term patient outcome is available. | |
