Die Wirbelsäule 2023; 7(01): 50
DOI: 10.1055/s-0043-1761301
Abstracts|DWG
1. Posterpreis

Quantifizierung der zervikalen Spinalkanalstenose mittels vollautomatischem 3D-MRT-Segmentierungsalgorithmus

M Hohenhaus
1   Universitätsklinikum Freiburg, Klinik für Neurochirurgie, Freiburg i. Br., Deutschland
,
J H Klingler
1   Universitätsklinikum Freiburg, Klinik für Neurochirurgie, Freiburg i. Br., Deutschland
,
C Scholz
1   Universitätsklinikum Freiburg, Klinik für Neurochirurgie, Freiburg i. Br., Deutschland
,
R Watzlawick
1   Universitätsklinikum Freiburg, Klinik für Neurochirurgie, Freiburg i. Br., Deutschland
,
U Hubbe
1   Universitätsklinikum Freiburg, Klinik für Neurochirurgie, Freiburg i. Br., Deutschland
,
J Beck
1   Universitätsklinikum Freiburg, Klinik für Neurochirurgie, Freiburg i. Br., Deutschland
,
M Reisert
2   Universitätsklinikum Freiburg, Klinik für Radiologie, Medizinphysik, Freiburg i. Br., Deutschland
,
N Kremers
3   Universitätsklinikum Freiburg, Klinik für Neuroradiologie, Freiburg i. Br., Deutschland
,
K Wolf
4   Universitätsklinikum Freiburg, Klinik für Neurologie, Freiburg i. Br., Deutschland
› Author Affiliations
 

Einleitung Die bildgebende Beurteilung der zervikalen Spinalkanalstenose basiert im klinischen Alltag zumeist auf subjektiven, oberflächlichen Kategorien. Für die optimierte Diagnostik und gezielte Behandlung ist eine präzisere und reproduzierbare Einschätzung wünschenswert. Dazu haben wir eine vollautomatische Quantifizierung der Spinalkanaleinengung über eine Segmentierung des Rückenmark- und Liquorvolumens basierend auf einem 3D-MRT-Datensatz entwickelt.

Methode Es wurden 114 symptomatische Patienten mit vorrangig monosegmentaler Stenose und 88 gesunde Probanden prospektiv mit 3D T2 SPACE MRT der Halswirbelsäule (HWS) untersucht. Mithilfe eines trained deep convolutional neuronal network wurden Liquorraum und Rückenmark vollautomatisch segmentiert und die adapted Maximal Canal Compromise (aMCC) sowie adapted Spinal Cord Occupation Ratio (aSCOR) für alle fünf HWS-Segmente von C2 – C7 berechnet. Evaluationsverfahren und Definition der Scores sind in [Abb. 1] dargestellt. Drei unabhängige Experten nahmen parallel als Goldstandard die subjektive Klassifizierung der HWS-Segmente in „keine“, „relative“ oder „absolute“ Stenose vor.

Zoom Image
Abb. 1 Überblick zum vollautomatischen Evaluationsverfahren aus 3D T2 SPACE MRT (A), Segmentierung von Rückenmark (gelb) und Liquorraum (grün) mit Detektion der Wirbelkörper (B), Berechnung der Liquor- und Rückenmarksvolumina im mittleren Drittel jedes Segments (schattiertes Rechteck, C). Rechts: Formel zur Berechnung des aMCC (Liquoranteil des Indexsegments zu beiden umgebenden Segmenten) und aSCOR (Liquoranteil am Gesamtvolumen im Indexsegment).

Ergebnisse Von insgesamt 1010 ausgewerteten HWS-Segmenten ergab die subjektive Klassifizierung bei 798 (79,0%) „keine“ Stenose, 85 (8,4%) eine „relative“ und bei 127 (12,6%) Segmenten eine „absolute“ Stenose. Assoziiert unterschieden sich die berechneten aMCC- und aSCOR-Werte zwischen diesen Gruppen signifikant (p ≤ 0,001; [Abb. 2]). Im 2. Schritt bestimmten wir Trennwerte mit optimaler diagnostischer Genauigkeit zur Unterscheidung von „keiner“ zur „relativen“ Stenose bei einem aMCC von 1,18 und aSCOR von 36,9%. Zur Differenzierung der „relativen“ und „absoluten“ Stenose ergaben sich entsprechend höhere Trennwerte (aMCC = 1,54; aSCOR = 49,3%; [Abb. 2]).

Zoom Image
Abb. 2 Boxplots für aMCC- und aSCOR-Werte. Der Vergleich mittels Kruskal-Wallis-Test ergab signifikante Unterschiede zwischen allen Gruppen (p ≤ 0,05). Die Trennwerte (rotes Rechteck) wurden mittels ROC-Analyse und Youdenʼs-Index bestimmt.

Diskussion Dieser vollautomatische 3D-MRT-Segmentierungsalgorithmus erreicht eine hohe und zuverlässige Genauigkeit zur Klassifizierung zervikaler Spinalkanalstenosen. Die berechneten Trennwerte können zur radiologischen Quantifizierung des Schweregrades in der klinischen Routine verwendet werden. Eine detailliertere Klassifikation auf Grundlage dieser anatomischen 3D-Daten ist in Entwicklung und soll das Verständnis der lokalen Pathophysiologie und die Korrelation zur klinischen Symptomatik verbessern.



Publication History

Article published online:
06 March 2023

© 2023. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany