Subscribe to RSS
DOI: 10.1055/s-0037-1600478
Automatisierte Auswertung von multiparametrischen MRTs für die Prostatakrebs Detektion: Eine ausreichende Alternative zur Biopsie? Ergebnisse von 104 histologisch gesicherten Läsionen
Publication History
Publication Date:
23 March 2017 (online)
Zielsetzung:
Die quantitative Untersuchung von multiparametrischen MRTs mit Computer- assistierten Diagnosesystemen (CADs) stellt eine Herausforderung in der Diagnostik von Prostatakrebs (PCa) dar. Unser Ziel war die Bewertung der Genauigkeit von Watson Elementary™ CAD-Software auf Basis der Datenbank von MRT-gestützt-bioptierten Prostataläsionen aus unserer Klinik.
Material und Methodik:
Wir überprüften retrospektiv 104 Läsionen (47 PCa, 57 benigne) von insgesamt 79 Patienten, im Alter von 64,61 ± 6,64 Jahren, welche gemäß 3T T2w, ADC und dynamisch- kontrastmittelgestützten MRTs untersucht wurden. Watson Elementary™ kalkuliert einen „malignacy attention index“ (MAI), welche mit den zugehörigen histologisch gesicherten Bereichen verglichen wurde.
Ergebnisse:
Ergebnisse: Die PCa Läsionen zeigten eine signifikante ADC Signalsenkung von ca. 31,57% (von 950/340 auf 650/295 Median/IQR), P < 0.001, ranksum. Das CAD- System fand 36/104 Läsionen, dies entspricht einer Sensitivität von 46,80% für PCa mit einer falsch negativen Rate von 0,53/pt. Die Spezifität liegt bei 75,43% mit einem positiv prädiktiven Wert von 61,11%, einem negativ prädiktiven Wert von 63,23% und falsch detektierter Rate von 38,89%. Watson Elementary™ erkannte maligne und benigne Läsionen mit gleicher Wahrscheinlichkeit (P 0.06, �‡2 test) und der MAI lässt keine signifikante Korrelation mit dem Gleason Score (P 0.60, Pearson correlation) erkennen. Die ROC gibt einen schwachen Vorhersagewert für den MAI mit AUC 0,63 ± 0.06 (MAI median/SEM), P 0.02. Der MAI cut-off Wert wurde mit 0.535 geschätzt, dies entsprach einem Sensitivität/Spezifiät Verhältis von 61,70% (CI 46,38 – 75,49%) und 68,42% (CI 54,76 – 80.09%).
Schlussfolgerungen:
Schlussfolgerung: MAI eignet sich nicht als Gleason Vorhersage in unserer Untersuchung. Divergenzen mit vorausgegangenen Publikationen wurden erörtert. Keine Interessenkonflikte zu erklären.