Magnetresonanztomographisch gestützte Subtypisierung von Glioblastomen und Korrelation mit dem MGMT-Status und dem Gesamtüberleben

URN to cite this document:: urn:nbn:de:bvb:355-epub-478522
DOI to cite this document:: 10.5283/epub.47852

Froitzheim, Benjamin

Preview

License: Creative Commons Attribution Non-commercial No Derivatives 4.0
PDF - Published Version
(13MB)

Date of publication of this fulltext: 23 Aug 2021 05:21

Details

Item type:	Thesis of the University of Regensburg (PhD)
Date:	23 August 2021
Referee:	Prof. Dr. Christina Wendl
Date of exam:	4 August 2021
Institutions:	Medicine > Lehrstuhl für Röntgendiagnostik
Keywords:	MRT, Glioblastom, Konstrastmittel, Gesamtüberleben, Überleben, glioblastoma, mri, contrast enhancement, overall survival, OS, MGMT
Dewey Decimal Classification:	600 Technology > 610 Medical sciences Medicine
Status:	Published
Refereed:	Yes, this version has been refereed
Created at the University of Regensburg:	Yes
Item ID:	47852

Preview

Export bibliographical data

Abstract (German)

Abstract (German)

Ziel dieser Untersuchung sollte die Erhebung eines Imaging Biomarkers zur nicht-invasiven und schnellen Abschätzung der Prognose von Glioblastompatienten sein. Hierzu erfolgte die detaillierte visuelle Analyse des Kontrastmittenanreicherungsverhaltens der Tumoren im MRT im Hinblick auf die Konstrastmittelmorphologie von neu diagnostizierten Glioblastomen. Mit dieser Studie ist es gelungen, anhand einfach zu erhebender bildmorphologischer Parameter Glioblastome im kontrastmittelgestützten MRT in vornehmlich zwei visuell unterscheidbare Kategorien einzuteilen, einen rahmenförmigen und einen palisadenförmigen Kontrastmittel-Phänotyp. Eine einfache Integration in den klinischen Alltag ist gegeben, da die Auswertung auf einer T1 gewichteten post-Kontrastmittel Sequenz, die eine Standardsequenz bei der Untersuchung von Patienten mit Verdacht auf ein Glioblastom darstellt, basiert. Zudem können die Kriterien relativ schnell gelernt werden, sodass die Einteilung eines Tumors in den meisten Fällen auf den ersten Blick erfolgen kann und weder langwierige, manuelle Markierungen bestimmter Areale, noch zeitaufwändige computergestützte Algorithmen von Nöten sind. Obwohl die Anwendung dieser Kategorien mit vergleichsweise wenig Arbeitsaufwand verbunden ist, wies sie in der Testgruppe eine statistisch signifikante Aussagekraft hinsichtlich des medianen Gesamtüberlebens der Patienten auf. Erwiesen sich die erhobenen Kategorien auch als eigenständige und unabhängige Prognosefaktoren ohne Korrelation mit bekannten Markern, wie der MGMT-Promotermethylierung oder dem Karnofsky Performance Score, so lässt dies doch zur selben Zeit Raum für weitere Forschung bezüglich der Ursachen für die verschiedenen Anreicherungsformen und ihrer Verbindungen zu anderen molekularpathologischen Markern oder Signalwegen. Eventuelle Ergebnisse aus solchen Untersuchungen könnten weitere Anwendungsmöglichkeiten der Kategorisierung nicht nur zur Prognoseeinschätzung, sondern auch bezüglich der Vorhersage von Erfolgswahrscheinlichkeiten bestimmter Therapien oder Ansätze für neue Therapieverfahren liefern. Somit liefert diese Arbeit nicht nur ein nützliches, gut in den Alltag integrierbares Tool zur Einschätzung der Prognose eines Patienten mit Glioblastom, das als Richtungsweiser bei der Wahl des weiteren Vorgehens bzw. der Therapie genutzt werden kann, sondern legt auch den Grundstein für weitere Forschungsprojekte hinsichtlich der Ursachen der bildmorphologischen Heterogenität von Glioblastomen.

Translation of the abstract (English)

The goal of this study was to establish an imaging biomarker for the fast and non-invasive estimation of the prognosis of patients with glioblastoma. In order to accomplish this goal, the contrast enhancement patterns of the tumors in MR imaging were thoroughly visually analyzed with emphasis on the morphology of the contrast enhancing areas of newly diagnosed glioblastoma. With the findings of this study, it is possible to divide glioblastomas into two visually different categories, a frame-like and a palisade-like contrast enhancement phenotype, using easily evaluable image morphological parameters in contrast based magnetic resonance imaging. A simple integration in the clinical daily workflow is possible, since the evaluation is based on a T1-weighted post-contrast sequence, which is a standard sequence in the examination of patients with a suspected diagnosis of a glioblastoma. In addition, the categorization criteria can be learned relatively quickly, so that the identification of the tumor enhancement pattern can in most cases be completed at the first glance and without the need of manual mark-ups of certain areas or the usage of time intensive computer-based algorithms. Although the application of the categorization is associated with a comparatively low amount of work, it showed statistical significance in the test group regarding the median overall survival of the patients. The MRI-phenotype-based categorization introduced in this study proved as independent prognostic factor for the overall survival. There was no correlation with known prognostic parameters, such as the MGMT promoter hypermethylation or the Karnofsky Performance Score. This leaves room for more research regarding the origin and cause of the different contrast enhancement patterns and their possible connection to other molecular signaling pathways. Potential findings of those future studies could open up further possible applications for the contrast-enhancement-pattern-based categorization, not only as a prognostic factor for the overall survival but possibly for the prognostic evaluation of the success probability of certain treatment methods. They could also lead to new approaches in the research, exploration and testing of new treatment options. Thus, this study does not only present a helpful and user-friendly tool for assessing the prognosis of a patient with glioblastoma, but also lays the foundation for future research projects regarding the morphological heterogeneity of glioblastomas in MRI.

Owner only: item control page

Download Statistics

More literature (via CORE)

Details

Preview

Export bibliographical data

Abstract (German)

Abstract (German)

Translation of the abstract (English)

Translation of the abstract (English)

Download Statistics

Downloads

More literature (via CORE)

University Library