Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Forschungsartikel

Prospektiver Vergleich von ultraniedriger Dosis und Standarddosis-Computertomographie zur Erkennung von Speiseröhrenfremdkörpern

65 Aufrufe

⸱

DOI:

10.3791/69349

⸱

7. August 2026

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Radiology and Nuclear Medicine, The First Hospital of Hebei Medical University

* These authors contributed equally

In diesem Artikel

Zusammenfassung

Diese randomisierte Studie zeigt, dass ultra-niedrigdosierte Computertomographie (CT) mit Deep-Learning-Rekonstruktion eine diagnostische Genauigkeit erreicht, die der Standarddosis-CT für die Erkennung von Fremdkörpern in der Speiseröhre nicht unterlegen ist, mit einer Reduktion der Strahlendosis um 63 %.

Zusammenfassung

Ziel dieser Studie war es, die Nicht-Inferiorität der Ultra-Low-Dose-Computertomographie (ULD-CT) im Vergleich zur Standarddosis-CT (SD-CT) bei der Erkennung von Speiseröhrenfremdkörpern (EFB) zu überprüfen und Dosis-Qualitäts-Kompromisse zu quantifizieren. Diese prospektive, randomisierte Studie mit verblindeten Lesern umfasste 180 Patienten (120 Erwachsene, 60 Kinder) mit Verdacht auf EFB-Aufnahme. Die Patienten wurden randomisiert in ULD-CT (100 kV/50 mA, adaptive statistische iterative Rekonstruktion – V 80 % + Deep Learning Bildrekonstruktion) oder SD-CT (120 kV/200 mA, gefilterte Rückprojektion + adaptive statistische iterative Rekonstruktion – V 30 %) Alle Patienten unterzogen sich innerhalb von 12 Stunden nach der CT-Bildgebung einer endoskopischen oder chirurgischen Referenzstandarduntersuchung, mit einer 30-tägigen Nachbeobachtung auf negative Befunde. Der primäre Endpunkt war die Fläche unter der Kurve (AUC); Sekundäre Endpunkte umfassten Bildqualitätsmetriken, Strahlendosis und zufällige Befunde.

Beide Protokolle erzielten eine ausgezeichnete diagnostische Leistung mit einer Sensitivität/Spezifität von 97,8 %/100 % für ULD-CT und 98,9 %/100 % für SD-CT. Der AUC lag bei 0,985 für ULD-CT gegenüber 0,991 für SD-CT (Differenz < Nicht-Inferioritätsmarge). Die effektive Dosis wurde mit ULD-CT um 63 % reduziert (P < 0,001). Das Signal-Rausch-Verhältnis sank um 37 % (P < 0,001), dennoch wurde die diagnostische Akzeptanz (Score ≥3) bei 94,4 % gegenüber 97,8 % (P = 0,070) gehalten. Zufällige Befunde wurden bei 54 Patienten (30,0 %) festgestellt, darunter 19 potenziell umsetzbare Befunde (10,6 %) und 6 hochsignifikante Befunde, die dringend untersucht werden mussten.

Ultra-Low-Dose CT zeigt im Vergleich zu SD-CT eine nicht unterlegene diagnostische Genauigkeit bei EFB-Detektion und reduziert die Strahlenbelastung um über 60 %. Diese Ergebnisse zeigen Potenzial für ULD-CT als Erstlinien-Modalität für vermutete EFBs bis zur multizentrischen Validierung.

Einleitung

Die Aufnahme von Fremdkörpern bleibt weltweit eine häufige Notfallerscheinung, wobei Speiseröhrenfremdkörper (EFBs) eine klinisch wichtige Teilmenge ausmachen, die oft dringend bildgebende oder endoskopische Eingriffe erfordert 1,2,3. Jüngste radiologische Übersichten betonen, dass CT besonders wertvoll ist, wenn Röntgenaufnahmen negativ sind, das Objekt radioluzent ist oder Komplikationen wie Perforation vermutet werden. Spezielle Patientengruppen, darunter Personen mit geistigen Behinderungen oder Kommunikationsstörungen, können spät auftreten oder atypische Symptome zeigen und nicht-lebensmittelhafte, scharfkantige oder mehrere Gegenstände aufnehmen, was zusätzliche diagnostische und behandlungsbedingte Herausforderungen schafft4. Jüngste Krankenhausstudien aus China zeigen zudem, dass scharfe Fremdkörper und Lebensmittelverstopfungen häufige Ursachen für die Erscheinung von EFB bei Erwachsenen und älteren Patienten sind, obwohl landesweite Inzidenzdaten weiterhin 5,6 fehlen.

Trotz der klinischen Bedeutung einer genauen EFB-Detektion bestehen große Wissenslücken hinsichtlich optimaler Bildgebungsstrategien. Aktuelle Protokolle verwenden typischerweise standardisierte Strahlendosen, die für die allgemeine thorakale Bildgebung entwickelt wurden, anstatt indikationspezifische Parameter, die auf die Auffälligkeit von Fremdkörpern optimiert sind, während die Dosierungsrichtlinien die Anpassung der Exposition an die diagnostische Aufgabe7 betonen. Darüber hinaus haben zwar iterative Rekonstruktionen und Deep-Learning-Rekonstruktionen in anderen CT-Anwendungen deutliche Strahlungsreduktionen ermöglicht, deren Einfluss auf die EFB-Detektion jedoch in prospektivenrandomisierten Studien nicht systematisch bewertet 8.

Die traditionelle bildgebende Beurteilung vermuteter EFBs basierte auf einer einfachen Radiographie, gefolgt von selektiver Kontrastösophagographie oder Endoskopie für radioluzente Objekte 1,3,9. Allerdings ist die Computertomographie (CT) zunehmend die bevorzugte Methode geworden, da sie sowohl für radiopaque als auch radioluzente Fremdkörper überempfindlich ist. Studien haben gezeigt, dass die CT-Sensitivität bei etwa 100 % liegt, verglichen mit 70–80 % bei einfachen Röntgenaufnahmen, insbesondere bei Fischgräten und anderen Materialien mit niedriger Dichte10,11. Die Querschnittsstruktur der CT liefert zudem wichtige Informationen über Komplikationen, darunter Perforation, Abszessbildung und Gefäßnähe, die das Patientenmanagement verändern können12,13.

Die weitverbreitete Einführung der CT hat Bedenken hinsichtlich der kumulativen Strahlenbelastung aufgeworfen, insbesondere in pädiatrischen Populationen, bei denen das lebenslange Krebsrisiko durch medizinische Bildgebungmit 14,15 am höchsten liegt. Traditionelle CT-Protokolle liefern effektive Dosen von 8–12 mSv für die Thoraxuntersuchungen, was die Entwicklung von Dosisreduktionsstrategien anregt, die dem Prinzip "so niedrig wie vernünftig erreichbar" und modernen CT-Dosismanagementempfehlungen 7,16 entsprechen.

Jüngste technologische Fortschritte haben dramatische Dosisreduktionen ermöglicht und gleichzeitig die diagnostische Qualität erhalten. Iterative Rekonstruktionsalgorithmen wie adaptive statistische iterative Rekonstruktion reduzieren Bildrauschen im Vergleich zur gefilterten Rückprojektion und ermöglichen so niedrigereStrahlungsdosen 17. Die neueste Generation von Deep-Learning-Bildrekonstruktionsalgorithmen (DLIR) nutzt konvolutionelle neuronale Netzwerke, die auf hochwertigen Datensätzen trainiert sind, um Signal von Rauschen zu unterscheiden und erreicht so eine überlegene Rauschreduktion gegenüber herkömmlichen iterativen Techniken 8,18. Studien haben gezeigt, dass DLIR die diagnostische Bildqualität bei Strahlendosen aufrechterhalten kann, die deutlich niedriger ist als die in Standardprotokollenverwendeten 19,20.

Trotz des Versprechens von ultra-niedrig-dosierten CT-Protokollen (uld-CT) ist deren Anwendung speziell zur EFB-Detektion in prospektiven randomisierten Studien weiterhin unerforscht. Frühere Studien zur Niedrigdosis-Thorax-CT konzentrierten sich auf die Erkennung von Lungenknoten oder allgemeine thorakale Pathologie statt auf die einzigartigen diagnostischen Anforderungen der Fremdkörperbewertung21,22. Darüber hinaus wurde die Wirkung der Dosisreduktion auf die Erkennung klinisch relevanter zufälliger Befunde – ein potenzieller Mehrwert der CT-Bildgebung – in diesem Zusammenhang nicht systematisch bewertet23.

Diese Studie zielte darauf ab, diese Wissenslücken durch einen prospektiven Vergleich von ULD-CT und Standarddosis-CT (SD-CT) für EFB-Detektion zu schließen. Wir vermuteten, dass (1) ULD-CT eine Nicht-Inferiorität gegenüber SD-CT zur diagnostischen Genauigkeit aufweisen würde (Nicht-Inferioritätsmarge δ = 5 %); (2) die Strahlendosis würde erheblich reduziert, während die akzeptable Bildqualität erhalten bleibt; und (3) der breitere Sichtfeldvorteil der CT würde die Erkennung klinisch relevanter zufälliger Befunde ermöglichen, die das Patientenmanagement über die vorliegende Beschwerde hinaus beeinflussen könnten.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Diese prospektive, randomisierte, blinde Leserstudie wurde zwischen Januar 2024 und Juni 2025 in einem tertiären Versorgungszentrum (dem ersten Krankenhaus der Hebei Medical University) durchgeführt. Diese Studie wurde gemäß der Erklärung von Helsinki durchgeführt und vom Ethikausschuss des ersten Krankenhauses der Hebei Medizinischen Universität genehmigt (Genehmigungsnummer: [2025]YS-062), wobei alle Patienten oder ihre gesetzlichen Erziehungsberechtigten vor der Einschreibung eine schriftliche informierte Zustimmung gaben. Für Minderjährige wurde die informierte Einwilligung entsprechend Alter und Leistungsfähigkeit eingeholt: Für Teilnehmer unter 8 Jahren wurde eine schriftliche informierte Einwilligung von deren gesetzlichen Vormündern eingeholt, mit zusätzlicher Zustimmung vom Kind, wenn es verständnisfähig war; Für Teilnehmer im Alter von 8 bis 17 Jahren wurde eine schriftliche informierte Zustimmung sowohl vom Minderjährigen als auch von dessen gesetzlichen Vormund eingeholt, wobei Informationen altersgerecht offengelegt wurden; Teilnehmer im Alter von 16 bis 17 Jahren, die durch ihr eigenes Arbeitseinkommen finanzielle Unabhängigkeit zeigten, galten als voll zivilfähig und konnten eine unabhängige Zustimmung erteilen. Die Studie wurde im UK Clinical Study Registry registriert, Registrierungsnummer ISRCTN13588740.

Studiendesign
Die Patientenrandomisierung erfolgte mit einer computergenerierten Sequenz mit permutierten Blöcken unterschiedlicher Größe (4, 6 und 8), die nach Altersgruppe (pädiatrische < 18 Jahre vs. Erwachsene ≥ 18 Jahre) geschichtet wurden. Die Verschleierung der Zuteilung erfolgte durch versiegelten, undurchsichtige Umschläge, die unmittelbar vor dem CT-Scan geöffnet wurden. Alle Bildinterpreten, Endoskopisten und Chirurgen waren für die CT-Protokollzuweisung blind.

Studienpopulation
Einschlusskriterien
Geeignete Teilnehmer waren Patienten im Alter von 3–80 Jahren, die in die Notaufnahme kamen und zur CT-Untersuchung auf Grundlage institutioneller Protokolle überwiesen wurden (hauptsächlich wegen vermuteter radioluzenter Fremdkörper, die auf der Röntgenaufnahme nicht sichtbar sind, klinischer Verdacht auf Komplikationen oder Notwendigkeit einer präzisen Lokalisierung vor der Intervention), mit (1) einer Vorgeschichte der Fremdkörperaufnahme innerhalb von 6 Stunden nach der Präsentation; (2) Symptome, die auf eine Speiseröhren-Impaktion hindeuten, darunter Dysphagie, Odynophagie, Brustschmerzen oder Hyperspeichlung; und (3) geplante endoskopische oder chirurgische Untersuchung innerhalb von 12 Stunden nach der CT-Bildgebung. Das 6-Stunden-Fenster wurde gewählt, um sicherzustellen, dass die Patienten akute Präsentationen repräsentieren und gleichzeitig genügend Zeit für Bildgebung und endoskopische Begutachtung bieten, wobei dies die Generalisierung auf verzögerte Präsentationen einschränken kann, die bei bestimmten Fremdkörpertypen wie Fischgräten üblich sind.

Ausschlusskriterien
Patienten wurden ausgeschlossen, wenn sie (1) eine schwere kardiorespiratorische Instabilität hatten, die sofortige Intervention erforderte; (2) Schwangerschaft oder ein positiver Schwangerschaftstest; (3) eine bekannte Kontrastallergie (für erweiterte Scans bei klinischer Indikation); (4) vorherige Speiseröhrenoperation oder bekannte Speiseröhrenverengung; (5) metallische Implantate, die erhebliche Artefakte verursachen, die >30 % des Speiseröhrenuntersuchungsbereichs betreffen; und (6) Body-Mass-Index (BMI) > 40 kg/m2 (aufgrund möglicher Bildqualitätsverschlechterung bei extrem niedrigen Dosen).

Computertomographie-Scanprotokolle
Alle Untersuchungen wurden an 256-Schnitt-Multi-Detektor-CT-Scannern mit Deep-Learning-Rekonstruktionsmöglichkeiten durchgeführt. Die Patienten wurden im Rücken positioniert und die Arme über dem Kopf erhoben, wenn möglich. Es wurde kein orales Kontrastmittel verabreicht, um Fremdkörper nicht zu verdecken oder die Endoskopie zu verzögern.

Das SD-CT-Protokoll verwendete Parameter, die mit dem routinemäßigen Thorax-CT-Protokoll an unserer Einrichtung übereinstimmten: eine Röhrenspannung von 120 kV, einen Referenzröhrenstromstrom von 200 mA mit automatischer Röhrenstrommodulation (ATCM) aktiviert, eine Rotationszeit von 0,5 s, eine Tonhöhe von 0,992 und eine Kollimation von 0,625 mm. Die Bilder wurden mittels gefilterter Rückprojektion mit 30 % adaptiver statistischer iterativer Rekonstruktionsmischung rekonstruiert, was den aktuellen klinischen Standard am teilnehmenden Standort darstellt. Die Begründung für 120 kV basierte auf standardisierten thorakalen Bildgebungsprotokollen, die für allgemeine diagnostische Zwecke optimiert waren.

Das ULD-CT-Protokoll setzte aggressive Dosisreduktionsstrategien ein: eine Röhrenspannung von 100 kV, einen Referenzröhrenstrom von 50 mA mit ATCM (Bereich 10–80 mA) sowie eine identische Rotationszeit und Tonhöhe wie das SD-Protokoll. Die 100 kV/50 mA-Parameter wurden anhand von vorläufigen Phantomstudien ausgewählt, die eine anhaltende Fremdkörperauffälligkeit bei diesen Einstellungen in Kombination mit fortschrittlicher Rekonstruktion zeigten. Die Rohdaten wurden mit 80 % adaptiver statistischer iterativer Rekonstruktionsmischung rekonstruiert, gefolgt von DLIR bei mittlerer Stärke. Dieser doppelte Rekonstruktionsansatz maximierte die Rauschunterdrückung, während anatomische Details erhalten blieben und das plastische Erscheinungsbild vermieden, das manchmal mit einer aggressiven iterativen Rekonstruktion allein verbunden ist.

Für beide Protokolle wurden die Bilder mit einer Schnittdicke von 0,625 mm und einer Überlappung von 0,5 mm rekonstruiert, um multiplanare Reformierungen zu ermöglichen. Der Scanbereich erstreckte sich vom unteren Halsbereich (C3-Ebene) bis zum gastroösophagealen Übergang und positionierte sorgfältig die Brustgewebeeinschlüsse bei weiblichen Patientinnen. Dosisreduktionsfunktionen, einschließlich organbasierter Röhrenstrommodulation und adaptiver Kollimation, wurden für alle Scans aktiviert.

Datenerhebung und Variablen
Patientenmerkmale
Demografische und klinische Daten umfassten Alter, Geschlecht, BMI, auftretende Symptome, Zeit von der Einnahme bis zur Bildgebenden Untersuchung, Art des durch Anamnese gemeldeten Fremdkörpers, relevante Begleiterkrankungen (Diabetes mellitus, chronisch obstruktive Lungenerkrankung, vorherige thorakale Malignität) sowie vorherige CT-Untersuchungen innerhalb von 6 Monaten.

Fremdkörpermerkmale
Für bestätigte EFB-Fälle wurden Folgendes dokumentiert: (1) Materialzusammensetzung (Knochen, Metall, Nahrungsbolus, Kunststoff, andere); (2) maximale Maß, die auf CT gemessen wurde; (3) Dämpfung in Hounsfield-Einheiten (HU), gemessen mit einem standardisierten 5 mm2 Interessensbereich; (4) anatomische Lokalisierung anhand etablierter Orientierungspunkte (zervikaler C3–C7, oberer thorakaler T1–T4, mittlerer thorakaler T5–T8, unterer thorakaler T9–T12); und (5) das Vorhandensein von Komplikationen, einschließlich Perforation, Pneumomediastinum oder Abszessbildung.

Bildqualitätsbewertung
Objektive Bildqualitätsmetriken wurden von einem medizinischen Physiker gemessen, der für die Protokollzuweisung blind war. Das Signal-Rausch-Verhältnis (SNR) wurde als mittlere Abschwächung der absteigenden Aorta geteilt durch die Standardabweichung des subkutanen Fetts berechnet. Das Verhältnis von Kontrast zu Rauschen wurde als Unterschied in der Abschwächung zwischen Aortenblut und Paraspinalmuskel geteilt durch Bildrauschen berechnet. Um besser mit der diagnostischen Aufgabe übereinzustimmen, wurden zusätzliche Messungen im Paraösophagealfett durchgeführt. Die Messungen wurden an axialen Bildern auf drei standardisierten Ebenen (Aortenbogen, Carina und mittlere Speiseröhre) durchgeführt, wobei kreisförmige Interessenbereiche (150 mm2) anhand anatomischer Orientierungspunkte konsistent platziert wurden.

Die subjektive Bildqualität wurde unabhängig von zwei thorakalen Radiologen mit 8 Jahren und 12 Jahren Erfahrung bewertet. Die Bilder wurden auf diagnostischen Arbeitsstationen mit standardisierten Weichteil- und Lungenfenstereinstellungen überprüft (Fensterbreite: 350 HU, Fensterniveau: 40 HU für Weichgewebe; Fensterbreite: 1.500 HU, Fensterniveau: -600 HU für Lungenbewertung), was mit routinemäßigen thorakalen CT-Interpretationen und Artefakterkennungsprinzipien24 übereinstimmt. Die Leser bewerteten folgende Parameter auf einer 5-Punkte-Likert-Skala: (1) Kantendefinition der mediastinalen Strukturen; (2) Bildrauschen; (3) diagnostische Sicherheit zur Entdeckung von Fremdkörpern; und (4) die allgemeine diagnostische Qualität. Eine Punktzahl von ≥3 galt diagnostisch als akzeptabel. Diskrepanzen zwischen den Lesern wurden durch Konsensüberprüfung gelöst, wobei der Konsenswert für die Analyse verwendet wurde. Die Übereinstimmung zwischen den Lesern wurde mit gewichteten Kappa-Statistiken bewertet.

Strahlendosismetriken
Der vom Scanner berichtete Volumen-CT-Dosisindex (CTDIvol) und das Dosislängenprodukt wurden für jede Untersuchung erfasst. Die effektive Dosis (ED) wurde unter Verwendung alters- und geschlechtsspezifischer Umrechnungsfaktoren (k = 0,014 mSv·mGy⁻1·cm⁻1 für Erwachsene; altersbereinigte Faktoren für pädiatrische Patienten) basierend auf der Publikation 103 der Internationalen Kommission für Radiologische Schutz, Empfehlungen25, berechnet. Größenspezifische Dosisschätzungen wurden anhand der anteroposterioren und lateralen Dimensionen des Patienten berechnet, die auf mittlerer Brusthöhe gemessen wurden.

Referenzstandard
Der Referenzstandard für die Präsenz und Position von Fremdkörpern wurde durch endoskopische Visualisierung oder chirurgische Befunde innerhalb von 12 Stunden nach der CT-Bildgebung aller randomisierten Patienten festgelegt, unabhängig von der Zuweisung des CT-Protokolls oder dem CT-Ergebnis. Die Endoskopieberichte wurden von zwei Gastroenterologen überprüft, um die Eigenschaften des Fremdkörpers und die anatomische Lage anhand standardisierter Orientierungspunkte zu bestätigen. Wenn eine Endoskopie oder Operation keinen verbliebenen Fremdkörper identifizierte, bestätigte die klinische Nachuntersuchung nach 30 Tagen durch eine Aktorüberprüfung und telefonische Kontaktaufnahme das Fehlen übersehener Fremdkörper, mit spezieller Nachfrage zu Rückbesuchen, verzögerten Komplikationen oder der Notwendigkeit wiederholter Bildgebung oder Endoskopie. Eine einheitliche Referenzstandardanwendung wurde verwendet, um unterschiedliche Verifikationsverzerrungen zu minimieren.

Zufällige Erkenntnisse
Alle CT-Untersuchungen wurden systematisch auf zufällige Befunde überprüft, die nicht mit der bildgebenden Indikation zusammenhingen, von denselben beiden Radiologen, die die Qualitätsbewertung durchgeführt hatten. Die Ergebnisse wurden nach anatomischer Lage (pulmonal, mediastinal, kardiovaskulär, oberer Bauch, knochen, andere) und klinischer Bedeutung kategorisiert. Die klinische Bedeutung wurde wie folgt klassifiziert: (1) niedrig – Befunde, die keine Nachverfolgung erforderten (z. B. einfache Leberzysten, degenerative Veränderungen der Wirbelsäule); (2) moderate – Befunde, die möglicherweise eine Nachbildaufnahme erfordern (z. B. Schilddrüsenknoten > 1 cm, unbestimmte Nebennierenknötchen); (3) hohe – Befunde, die dringende Untersuchung oder Intervention erfordern (z. B. verdächtige Lungenknoten, Aortenaneurysma > 5 cm, verdächtige Brustmassen). Alters- und Geschlechtsverteilungen der zufälligen Befunde wurden erfasst, und nachgelagerte Managementwege für alle umsetzbaren Befunde wurden dokumentiert.

Statistische Analyse
Berechnung der Stichprobengröße
Die Stichprobengröße wurde anhand des primären Endpunkts der diagnostischen Genauigkeit berechnet (der Fläche unter der Kurve; AUC). Unter der Annahme eines Standarddosis-AUC von 0,97 basierend auf der Literatur und einem erwarteten ULD-CT-AUC von 0,95 wurde a priori eine Nicht-Inferioritätsmarge von 5 Prozentpunkten gewählt, da ein AUC-Verlust von mehr als 0,05 klinisch bedeutsam genug wäre, um die bildgebende Triage zu verändern, während eine kleinere Reduktion als akzeptabel galt, wenn sie mit einer erheblichen Strahlungsreduktion und einer obligatorischen endoskopischen oder chirurgischen Bestätigung abgewogen wurde. Mit einer einseitigen Alpha von 0,025, 80%-Power, unabhängigen Patientengruppen und ROC-basierten Stichprobengrößenannahmen für diagnostische Genauigkeitsstudien wurden 26.166 Patienten benötigt. Berücksichtigt man eine Abbrecherquote von 8 % oder einen technischen Ausfall, lag das Zieleinschreibungsziel bei 180 Patienten.

Primäranalyse
Die Primäranalyse verglich die Fläche unter der Empfänger-Betriebscharakteristik (ROC)-Kurve zwischen ULD-CT und SD-CT zur Fremdkörperdetektion. Nicht-inferiorität wurde deklariert, wenn die untere Schranke des 95%-Konfidenzintervalls (KI) für die AUC-Differenz (ULD-CT minus SD-CT) -0,05 überschritt und ROC-Kurven anhand von Radiologen-Konfidenzwerten (1–5-Skala) als diagnostische Variable konstruiert wurden. Da es sich um ein Parallelarm-Design mit unabhängigen Patientengruppen handelte, wurde die DeLong-Methode zum unabhängigen ROC-Kurvenvergleich für statistische Tests27 verwendet. Die Leserwerte wurden gemittelt, wenn beide Leser Bewertungen abgaben, und dieser Durchschnitt wurde als diagnostische Variable für die ROC-Analyse verwendet. Sensitivitäts- und Spezifitätsnenner repräsentieren Referenzstandard-positive bzw. Referenzstandard-negative diagnostische Entscheidungseinheiten, anstatt die Gesamtzahl der randomisierten Teilnehmer in jedem Protokollarm.

Sekundäranalysen
Angesichts des randomisierten Parallelarm-Designs verwendeten alle vergleichenden Analysen unabhängige Stichprobenmethoden. Kontinuierliche Variablen (Dosismetriken, Bildqualitätswerte) wurden zwischen Protokollen mit unabhängigen Stichproben-T-Tests oder Mann-Whitney-U-Tests auf Basis der durch Shapiro-Wilk-Tests bewerteten Verteilungsnormalität verglichen. Kategoriale Variablen wurden mit Chi-Quadrat-Tests oder Fisher'schen Exakten für ungepaarte Proportionen verglichen. Sensitivität, Spezifität und Genauigkeit wurden mit Wald-CIs und Chi-Quadrat-Tests für unabhängige Stichproben verglichen. Die Übereinstimmung zwischen den Lesern wurde mittels gewichteter Kappa-Statistiken mit quadratischen Gewichten innerhalb jedes Protokollarms einzeln bewertet.

Untergruppenanalysen untersuchten die diagnostische Leistung, stratifiziert nach (1) Altersgruppe (pädiatrisch vs. Erwachsene); (2) Fremdkörperdichte (hohe > 100 vs. niedrige ≤ 100 HU); (3) BMI-Kategorien (<25, 25–30, >30 kg/m2); und (4) anatomische Lage (hals- vs. thorakale Speiseröhre). Interaktionsterme wurden formal mit logistischen Regressionsmodellen getestet.

Die multivariable logistische Regression identifizierte Prädiktoren für übersehene oder unbestimmte Fremdkörper, wobei Kandidatenvariablen wie Fremdkörpergröße, Dichte, anatomische Lage, Patienten-BMI, Bildrauschen (SNR) und Rekonstruktionsalgorithmus umfassen. Interaktionsbegriffe für Protokoll × Dichte sowie Protokoll × BMI wurden auf Basis von a priori Hypothesen einbezogen. Die Modellauswahl verwendete Rückwärtselimination mit einem Retentionsschwelle von P < 0,10.

Bei den zufälligen Befunden waren die Patienten aufgrund der Zufallszuweisung zu unterschiedlichen Protokollen randomisiert wurden und nicht beide Scans durchliefen, sodass Sensitivitäts- und Übereinstimmungsberechnungen zwischen den Protokollen nicht angemessen waren und aus der Analyse entfernt wurden. Stattdessen verglichen wir die Prävalenz und Verteilung der zufälligen Befunde zwischen Protokollen mit Chi-Quadrat-Tests.

Kontrastverstärkte Untersuchungen (durchgeführt bei 23 Patienten im SD-CT-Arm und 21 Patienten im ULD-CT-Arm basierend auf einer klinischen Indikation für die vaskuläre oder mediastinale Untersuchung) wurden separat analysiert, um den Einfluss auf die diagnostische Sicherheit und die zufällige Befunderkennung zu bewerten.

Alle Analysen folgten den Intention-to-treat-Prinzipien. Fehlende Daten (<2 % insgesamt) wurden mittels multipler Imputation mit 10 imputierten Datensätzen verarbeitet. Statistische Analysen wurden mit R Version 4.3.2 und MedCalc Version 20.0 durchgeführt. Zweiseitige P-Werte < 0,05 galten als statistisch signifikant, außer in der primären Nicht-Inferioritätsanalyse.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Patientendemografie und Scanparameter
Zwischen Januar 2024 und Juni 2025 wurden 198 Patienten auf ihre Berechtigung geprüft (ergänzende Abbildung 1). Achtzehn Patienten wurden ausgeschlossen (8 aufgrund unmittelbarer chirurgischer Indikationen, 6 mit einem BMI > 40 kg/m2 und 4, die die Zustimmung verweigerten), sodass 180 Patienten gleichermaßen auf die SD-CT- und ULD-CT-Protokolle eingeteilt wurden. Alle Patienten haben ihr zu...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Diese prospektive randomisierte Studie zeigt, dass ULD-CT mit DLIR eine diagnostische Genauigkeit erreicht, die der von SD-CT bei EFB-Detektion nicht überlegen ist, während die Strahlenbelastung um 63 % reduziert wird. Der anhaltende Nachweis klinisch signifikanter zufälliger Befunde legt nahe, dass die Dosisreduktion diesen wichtigen sekundären Vorteil nicht beeinträchtigen muss, was das Potenzial für ULD-CT als primäre Bildgebungsstrategie für vermutete EFBs in erwachsenen und pädiatri...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Keiner der Autoren hat persönliche, finanzielle, kommerzielle oder akademische Interessenkonflikte.

Danksagungen

Die Studie wurde mit Mitteln des Hebei Provinz Medical Science Research Key Project (Nr. 20180252) durchgeführt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Advantage Workstation (AW) 4.7GE Healthcarehttps://www.gehealthcare.com/en-us/products/imaging-applications/advanced-visualization-applications/advantage-workstationBildgebungsarbeitsplatz
ASiR-V (Adaptive Statistical Iterative Reconstruction-V)GE HealthcareN/AAdaptive statistische iterative Rekonstruktion
AW Server 3.2 Ext 4.0GE Healthcarehttps://www.gehealthcare.com/en-us/products/advanced-visualization-platforms/aw-serverCT-System-Software
Centricity Universal Viewer 6.0GE Healthcarehttps://www.gehealthcare.com/en-us/products/software/enterprise-imaging/centricity-universal-viewerPACS-Viewer
MedCalc version 20.0 (MedCalc Software; RRID:SCR_015044)MedCalc SoftwareVersion 20.0Medizinische Statistik
Organ Dose ModulationGE HealthcareN/AOrganbasierte Röhrenstrommodulation
pROC package for RCRAN RepositoryVersion 1.18.4ROC-Kurvenanalyse
R version 4.3.2 (R Foundation for Statistical Computing)R FoundationRRID:SCR_001905Statistische Datenverarbeitung
Revolution CT (256-slice)GE Healthcarehttps://www.gehealthcare.com/en-us/products/computed-tomography/revolutionCT-Scanner
Smart mAGE HealthcareN/AAutomatische Röhrenstrommodulation
Standard kernel (soft tissue)GE HealthcareN/ARekonstruktionskernel
TrueFidelity DLIR (Deep Learning Image Reconstruction), Medium strengthGE Healthcarehttps://www.gehealthcare.com/en-us/products/computed-tomography/applications/true-fidelityBildrekonstruktion durch Deep Learning

Referenzen

  1. Lee SM, Baek SE, Lee CW, Kim YC, Kim MJ. Foreign body ingestion: Radiologic evaluation, findings, and management. Korean J Radiol. 2025;26(7):638-649.
  2. Klein A, Ovnat-Tamir S, Marom T, Gluck O, Rabinovics N, Shemesh S. Fish bone foreign body: The role of imaging. Int Arch Otorhinolaryngol. 2019;23(1):110-115.
  3. Rodriguez H, et al. Management of foreign bodies in the airway and oesophagus. Int J Pediatr Otorhinolaryngol. 2012;76(Suppl 1):S84-91.
  4. Topaloglu O, et al. Diagnosis, treatment, and management of esophageal foreign bodies in patients with mental retardation: A retrospective study from three centers. Turk Gogus Kalp Dama. 2024;32(2):179-184.
  5. Xu J, Chen B, Liu Y. Clinical outcomes of sharp esophageal foreign bodies in elderly patients: A retrospective study from Wuhan, China. Front Med. 2025;12:1653609.
  6. Liu B, Kuang S, Cao M, Li X. Esophageal foreign bodies: A retrospective analysis of 275 cases. J Thorac Dis. 2025;17(6):4136-4144.
  7. McCollough CH, Bruesewitz MR, Kofler JM Jr. CT dose reduction and dose management tools: Overview of available options. Radiographics. 2006;26(2):503-512.
  8. Greffier J, et al. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: A phantom study. Eur Radiol. 2020;30(7):3951-3959.
  9. Das D, May G. Best evidence topic report. Is CT effective in cases of upper oesophageal fish bone ingestion? Emerg Med J. 2007;24(1):48-49.
  10. Braverman I, Gomori JM, Polv O, Saah D. The role of CT imaging in the evaluation of cervical esophageal foreign bodies. J Otolaryngol. 1993;22(4):311-314.
  11. Eliashar R, Dano I, Dangoor E, Scialom S, Regev E, Sichel JY. Computed tomography diagnosis of esophageal bone impaction: A prospective study. Ann Otol Rhinol Laryngol. 1999;108(7 Pt 1):708-710.
  12. Marco De Lucas E, et al. Value of helical computed tomography in the management of upper esophageal foreign bodies. Acta Radiol. 2004;45(4):369-374.
  13. Liu YC, Zhou SH, Ling L, Lv H, Lu HS, Guan RF. Value of helical computed tomography in the early diagnosis of esophageal foreign bodies in adults. Am J Emerg Med. 2013;31(9):1328-1332.
  14. Brenner DJ, Hall EJ. Computed tomography—An increasing source of radiation exposure. N Engl J Med. 2007;357(22):2277-2284.
  15. Strauss KJ, Kaste SC. The ALARA (as low as reasonably achievable) concept in pediatric CT intelligent dose reduction. Multidisciplinary conference organized by the Society of Pediatric Radiology. August 18-19, 2001. Pediatr Radiol. 2002;32(4):217-313.
  16. Strauss KJ, et al. Image gently: Ten steps you can take to optimize image quality and lower CT dose for pediatric patients. AJR Am J Roentgenol. 2010;194(4):868-873.
  17. Singh S, et al. Abdominal CT: Comparison of adaptive statistical iterative and filtered back projection reconstruction techniques. Radiology. 2010;257(2):373-383.
  18. Akagi M, et al. Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT. Eur Radiol. 2019;29(11):6163-6171.
  19. Kim JH, Yoon HJ, Lee E, Kim I, Cha YK, Bak SH. Validation of deep-learning image reconstruction for low-dose chest computed tomography scan: Emphasis on image quality and noise. Korean J Radiol. 2021;22(1):131-138.
  20. Nakamura Y, et al. Deep learning-based CT image reconstruction: Initial evaluation targeting hypovascular hepatic metastases. Radiol Artif Intell. 2019;1(6):e180011.
  21. Jiang B, et al. Deep learning reconstruction shows better lung nodule detection for ultra-low-dose chest CT. Radiology. 2022;303(1):202-212.
  22. Park C, Choo KS, Jung Y, Jeong HS, Hwang JY, Yun MS. CT iterative vs deep learning reconstruction: Comparison of noise and sharpness. Eur Radiol. 2021;31(5):3156-3164.
  23. O'Sullivan JW, Muntinga T, Grigg S, Ioannidis JPA. Prevalence and outcomes of incidental imaging findings: Umbrella review. BMJ. 2018;361:k2387.
  24. Barrett JF, Keat N. Artifacts in CT: Recognition and avoidance. Radiographics. 2004;24(6):1679-1691.
  25. The 2007 recommendations of the International Commission on Radiological Protection. ICRP Publication 103. Ann ICRP. 2007;37(2-4):1-332.
  26. Obuchowski NA, McClish DK. Sample size determination for diagnostic accuracy studies involving binormal ROC curve indices. Stat Med. 1997;16(13):1529-1542.
  27. DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: A nonparametric approach. Biometrics. 1988;44(3):837-845.
  28. Venkatesh SH, Venkatanarasimha Karaddi NK. CT findings of accidental fish bone ingestion and its complications. Diagn Interv Radiol. 2016;22(2):156-160.
  29. Takada M, Kashiwagi R, Sakane M, Tabata F, Kuroda Y. 3D-CT diagnosis for ingested foreign bodies. Am J Emerg Med. 2000;18(2):192-193.
  30. Hsieh J, Liu E, Nett B, Tang J, Thibault JB, Sahney S. A new era of image reconstruction: TrueFidelity™. Technical white paper. GE Healthcare; 2019: https://www.gehealthcare.com/-/jssmedia/gehc/us/files/products/computed-tomography/revolution-family/revolution-apex/truefidelity-white-paper-jb68676xx-doc2287426_13nov2023.pdf?rev=43dd9d519d2546d28dcee020ff160edb.
  31. Noda Y, et al. Deep learning image reconstruction for pancreatic low-dose computed tomography: Comparison with hybrid iterative reconstruction. Abdom Radiol (NY). 2021;46(9):4238-4244.
  32. Yu L, Li H, Fletcher JG, McCollough CH. Automatic selection of tube potential for radiation dose reduction in CT: A general strategy. Med Phys. 2010;37(1):234-243.
  33. National Research Council. Health risks from exposure to low levels of ionizing radiation: BEIR VII Phase 2. National Academies Press; Washington, DC; 2006.
  34. Shishido T, Suzuki J, Ikeda R, Kobayashi Y, Katori Y. Characteristics of fishbone foreign bodies in the upper aero-digestive tract: The importance of identifying the species of fish. PLoS One. 2021;16(8):e0255947.
  35. Corbisiero MF, Wershoven N, Clary M, Cervenka B. Traumatic vocal fold paralysis from fishbone foreign body: Diagnosis and management. Laryngoscope. 2024;134(12):5062-5065.
  36. Jacobs PC, Mali WP, Grobbee DE, van der Graaf Y. Prevalence of incidental findings in computed tomographic screening of the chest: A systematic review. J Comput Assist Tomogr. 2008;32(2):214-221.
  37. MacMahon H, et al. Guidelines for management of incidental pulmonary nodules detected on CT images: From the Fleischner Society 2017. Radiology. 2017;284(1):228-243.
  38. Berrington de Gonzalez A, et al. Projected cancer risks from computed tomographic scans performed in the United States in 2007. Arch Intern Med. 2009;169(22):2071-2077.
  39. Pickhardt PJ, et al. Unsuspected extracolonic findings at screening CT colonography: Clinical and economic impact. Radiology. 2008;249(1):151-159.
  40. Zacharias C, et al. Pediatric CT: Strategies to lower radiation dose. AJR Am J Roentgenol. 2013;200(5):950-956.
  41. Sammer MBK, et al. Chest CT for the diagnosis of pediatric esophageal foreign bodies. Curr Probl Diagn Radiol. 2021;50(5):566-570.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Tags

MedizinAusgabe 234Ausgabe 234Strahlenexpositiondiagnostisch
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.