Abstract (German)
Fragestellung: Internationale Leitlinien empfehlen die FDG-PET/CT zum Staging und Restaging von aggressiven Non-Hodgkin-Lymphomen (NHL). Bildbasierte Biomarker, allen voran das aus FDG-PET-Bildern durch Konturierung von Lymphommanifestationen abgeleitete metabolische Tumorvolumen (MTV), ermöglichen eine Quantifizierung der Tumorlast und erweisen sich zunehmend als prognostische Faktoren. Das MTV ...
Abstract (German)
Fragestellung: Internationale Leitlinien empfehlen die FDG-PET/CT zum Staging und Restaging von aggressiven Non-Hodgkin-Lymphomen (NHL). Bildbasierte Biomarker, allen voran das aus FDG-PET-Bildern durch Konturierung von Lymphommanifestationen abgeleitete metabolische Tumorvolumen (MTV), ermöglichen eine Quantifizierung der Tumorlast und erweisen sich zunehmend als prognostische Faktoren. Das MTV und die damit verbundene Total Lesion Glykolysis (TLG) sind allerdings je nach Messmethodik Schwankungen unterworfen. Die hier mit einer Schwellwert-basierten Konturierung gewon-nenen Biomarker sollten einerseits bezüglich ihrer Reproduzierbarkeit und andererseits im Vergleich zu einer vorangegangenen Auswertung mit kontrastadaptiver Konturierung analysiert werden.
Methodik: Diese Arbeit nutzte die FDG-PET/CT-Bilddatensätze aus dem initialen Staging (n=661) der deutschlandweiten OPTIMAL>60-Studie zu aggressiven NHL mit 1152 Patienten zur Ermittlung von MTV und TLG. Herde wurden anhand ihrer FDG-Aufnahme im Vergleich zum Standardized Uptake Value (SUV) in einer Leberreferenzregion (PERCIST-Schwelle) selektiert und mit einer relativen Konturierung von 41% des tumoralen SUV-Maximums (SUVmax) vermessen (Programm: syngo.via). Die Qualität der Konturierung wurde visuell mit einem 5-stufigen Score beurteilt. Ein Subgruppe von n=60 Fällen diente zum Interobserver-Vergleich der Reproduzierbarkeit der Messung, bei n=651 Fällen konnte ein Vergleich mit der kontrastadaptiven Konturierung erfolgen (Programm: ROVER).
Ergebnisse: Die PERCIST-Schwellen und SUVmean der Leber zeigten mit 4,23±1,00 bzw. 2,34±0,53 eine Normalverteilung, unterscheiden sich aber zwischen Standorten (p<0,023) und PET-Scannermodell (p<0,001). 56,8% der PERCIST-Schwellen lagen über der zunehmend empfohlenen SUV-Schwelle von 4,0. Visuell wurde das hier gemessene MTV in 84,3% der Fälle als adäquat konturiert eingestuft, eine subjektive Unterschätzung (12,8%) des MTV trat deutlich häufiger auf als eine Überschätzung (2,7%). Die Interobserver-Analyse zeigte eine hohe Reproduzierbarkeit für syngo.via-Messungen (MTV: r=0,999; TLG: r=0,999; SUVmax: r=0,997, alle p<0,001). Der Vergleich zu Messungen mittels ROVER zeigt bei ebenfalls gutem Ergebnis eine höhere Variabilität (MTV: r=0,95; TLG: r=0,96; SUVmax: r=0,97, alle p<0,001).
Schlussfolgerung: Mittels des zugelassenen Medizinproduktes syngo.via kann bei den allermeisten Fällen das MTV adäquat und bestens reproduzierbar konturiert werden, ebenso die Messung von TLG und SUVmax. Die experimentelle Auswertesoftware ROVER liefert gut vergleichbare Ergebnisse. Die hier gewonnenen Werte eignen sich für die weitergehende Analyse der OPTIMAL>60-Studie nach Aufhebung des Datenembargos Anfang 2025.
Translation of the abstract (English)
Background: International guidelines recommend FDG-PET/CT for staging and restaging of aggressive non-Hodgkin lymphomas (NHL). Image-derived biomarkers, particularly the metabolic tumor volume (MTV) obtained by contouring lymphoma manifestations on FDG-PET images, allow quantitative assessment of tumor burden and are increasingly recognized as prognostic factors. However, MTV and the related ...
Translation of the abstract (English)
Background: International guidelines recommend FDG-PET/CT for staging and restaging of aggressive non-Hodgkin lymphomas (NHL). Image-derived biomarkers, particularly the metabolic tumor volume (MTV) obtained by contouring lymphoma manifestations on FDG-PET images, allow quantitative assessment of tumor burden and are increasingly recognized as prognostic factors. However, MTV and the related parameter total lesion glycolysis (TLG) may vary depending on the segmentation method. This study aimed to evaluate threshold-based MTV and TLG measurements with respect to their reproducibility and to compare them with previously obtained results from contrast-adaptive contouring.
Methods: FDG-PET/CT datasets from baseline staging (n = 661) of the nationwide German OPTIMAL>60 trial on aggressive NHL (total cohort: 1,152 patients) were analyzed for MTV and TLG. Lesions were identified based on FDG uptake relative to a liver reference region according to the PERCIST threshold and segmented using a relative contouring threshold of 41% of the tumor SUVmax (software: syngo.via). Contouring quality was visually assessed using a five-point scale. A subgroup of 60 cases was analyzed for interobserver reproducibility, while 651 cases were available for comparison with contrast-adaptive contouring performed in ROVER.
Results: PERCIST thresholds and hepatic SUVmean values were normally distributed (4.23 ± 1.00 and 2.34 ± 0.53, respectively), but differed significantly between study sites (p < 0.023) and PET scanner models (p < 0.001). In 56.8% of cases, PERCIST thresholds exceeded the increasingly recommended fixed SUV threshold of 4.0. Visual assessment rated MTV segmentation as adequate in 84.3% of cases; subjective underestimation (12.8%) occurred more frequently than overestimation (2.7%). Interobserver analysis demonstrated excellent reproducibility for syngo.via measurements (MTV: r = 0.999; TLG: r = 0.999; SUVmax: r = 0.997; all p < 0.001). Comparison with ROVER yielded similarly high agreement but slightly greater variability (MTV: r = 0.95; TLG: r = 0.96; SUVmax: r = 0.97; all p < 0.001).
Conclusion: MTV, TLG, and SUVmax can be accurately and highly reproducibly quantified using the certified syngo.via software in the majority of cases. The experimental ROVER software provides comparable results with marginally higher variability. The derived biomarker values are suitable for further analyses within the OPTIMAL>60 study after data embargo release in early 2025.
![[img]](https://epub.uni-regensburg.de/style/images/fileicons/application_pdf.png)
Download Statistics