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

Forschungsartikel

Amid-Protonenübertragungsbildgebung zur Differenzierung von Gliomen und Meningiomen sowie zur Beurteilung der Tumorinfiltration

62 Aufrufe

⸱

DOI:

10.3791/71626

⸱

11. August 2026

In diesem Artikel

Zusammenfassung

Diese Studie bewertet die Amid-Protonentransfer-(APT)-Bildgebung in Kombination mit konventioneller Magnetresonanztomographie (MRT), um Meningeome von niedrig- und hochgradigen Gliomen zu unterscheiden und bildgebende Merkmale im Zusammenhang mit der Tumorinfiltration zu untersuchen, was ihr Potenzial demonstriert, die präoperative Klassifikation zu verbessern und bildgebende Informationen bereitzustellen, die die Operationsplanung unterstützen können.

Zusammenfassung

Die Unterscheidung von Gliomen von Meningeomen und die Bewertung von bildgebenden Merkmalen im Zusammenhang mit der Gliominfiltration bleibt mit konventioneller Magnetresonanztomographie (MRT) eine Herausforderung. Die Amid-Protonentransfer-(APT)-Bildgebung, eine chemische Austauschsättigungsübertragungstechnik, kann Veränderungen im Gewebeproteingehalt und pH-Wert erkennen und potenzielle funktionelle Einblicke in Hirntumoren liefern. Diese retrospektive Studie bewertete APT-Bildgebung in Kombination mit konventioneller MRT bei 105 Patienten mit pathologisch bestätigten Hirntumoren (55 Meningeome, 20 niedergradige Gliome [LGGs] und 30 hochgradige Gliome [HGGs]). Die von APT abgeleitete mittlere Signalintensität (APT-Mittelwert) und das Verhältnis von APT-abnormer Fläche zum T2-hyperintensiven Bereich (RAPT/T2) und zum kontrastverbessernden Bereich (RAPT/E) wurden zwischen den Gruppen gemessen und verglichen. Der APT-Mittelwert war signifikant höher bei HGGs (Median 4,60 %) als bei LGGs (2,95 %) und Meningeomen (2,70 %, P < 0,001). RAPT/T2 und RAPT/E waren ebenfalls deutlich erhöht bei HGGs. Zur Unterscheidung von HGGs und Meningiomen erzielte der APT-Mean eine ausgezeichnete diagnostische Leistung (Fläche unter der Kurve [AUC] = 0,969), verglichen mit RAPT/E (0,836) und RAPT/T2 (0,800). Zur Unterscheidung von LGGs von Meningiomen zeigten RAPT/E (AUC = 0,781) und RAPT/T2 (AUC = 0,734) eine gute Leistung, während derAPT-Schnitt sich nicht signifikant unterschied. Für die Gliombewertung (HGG vs. LGG) ergab der APT-Mittelwert einen AUC von 0,916, was dem Kontrastverstärkungsgrad (0,823) überlegen ist. Diese Ergebnisse zeigen, dass die APT-Bildgebung Meningeome effektiv von Gliomen unterschiedlicher Grade unterscheidet und wertvolle bildgebende Informationen liefert, um das Ausmaß der Tumorinfiltration abzuleiten. Die Kombination aus APT-Mittel- und räumlichen Ausdehnungsverhältnissen bietet ein praktisches bildgebendes Werkzeug zur Verbesserung der präoperativen Diagnose und zur Unterstützung der chirurgischen Planung, insbesondere bei schwierigen atypischen Fällen.

Einleitung

Intrakranielle Tumore gehören zu den häufigsten Erkrankungen des Nervensystems. Ihre Häufigkeit steigt weltweit und stellt eine ernsthafte Bedrohung für die menschliche Gesundheitdar. Basierend auf histopathologischer Herkunft lassen sich intrakranielle Tumore in zwei Hauptkategorien einteilen: primäre und sekundäre (metastasierende). Unter den primären intrakraniellen Tumoren stellen Meningiom und Gliom die beiden am häufigsten verbreiteten Typen mit deutlich unterschiedlichen Ursprüngen und biologischen Verhaltensweisendar 2. Das Gliom, das aus Gliazellen entsteht, ist der häufigste bösartige intrakranielle Tumor und zeichnet sich durch infiltratives Wachstum, unklar definierte Grenzen, eine hohe Rückfallanfälligkeit und eine schlechte Prognose 3,4 aus. Die Weltgesundheitsorganisation (WHO) klassifiziert Gliome basierend auf ihrer Bösartigkeit in die Grade I-IV. Unter diesen sind hochgradige Gliome (HGGs, WHO-Grade III-IV) hochinvasiv und mit einer kurzen Überlebensdauer von 5,6 assoziiert. Im Gegensatz dazu entsteht das Meningeom aus Arachnoidalkappenzellen. Die überwiegende Mehrheit ist gutartig (WHO-Grad I), wächst langsam und hat klare Grenzen mit einer deutlichen Abgrenzung vom umgebenden Gehirngewebe. Nach einer vollständigen chirurgischen Resektion haben Patienten in der Regel eine günstige Prognose 7,8. Daher ist eine genaue präoperative bildgebende Unterscheidung zwischen diesen beiden Tumortypen sowie die Bewertung bildgebender Merkmale im Zusammenhang mit dem Ausmaß der Gliominfiltration von entscheidender klinischer Bedeutung. Es ist entscheidend für die Entwicklung individueller Operationspläne, die Bestimmung sicherer Resektionsmargen und letztlich die Verbesserung der Patientenergebnisse.

Derzeit ist die Magnetresonanztomographie (MRT) aufgrund ihrer überlegenen Weichteilauflösung, multiparametrischer Bildgebung und dem Vorteil der nichtionisierenden 9,10-Klasse zu einer weit verbreiteten Methode für präoperative Diagnose und Beurteilung intrakranialer Tumore geworden. Konventionelle MRT-Sequenzen, wie T1-gewichtete Bildgebung (T1WI), T2-gewichtete Bildgebung (T2WI), flüssigkeitsabgeschwächte Inversionsrückgewinnung (FLAIR) und kontrastverstärkte T1-gewichtete Bildgebung (CE-T1WI), können die Lage, Größe, Morphologie, innere Struktur und Beziehung des Tumors11,12 klar aufzeigen. Typische Meningiome erscheinen im MRT als gut definierte extraaxiale Massen, die iso- oder leicht hypointensive Signale auf T1WI, iso- oder leicht hyperintensive Signale auf T2WI zeigen, mit signifikanter und homogener Verbesserung nach dem Kontrast, oft begleitet von einem "duralen Schwanzzeichen"13. Im Gegensatz dazu präsentieren hochgradige Gliome (HGGs) typischerweise als unregelmäßig geformte, schlecht definierte Massen. Sie sind oft von ausgedehnten peritumoralen Ödemen umgeben, die auf T2WI/FLAIR-Sequenzen sichtbar sind, und zeigen nach der Kontrastverabreichungeine heterogene ringförmige oder girlandeartige Verstärkung 14,15.

Konventionelle MRT steht jedoch weiterhin vor zahlreichen Herausforderungen in der klinischen Praxis. Bezüglich der Differenzialdiagnose weisen einige Fälle atypische Merkmale auf. Beispielsweise können bestimmte HGGs eine relativ gut definierte, homogen verstärkende "Pseudokapsel" aufweisen, was sie schwer von Meningiomen unterscheiden lässt. Umgekehrt können einige hochgradige, zelluläre atypische oder anaplastische Meningeome (WHO-Grade II-III) aufgrund ihres invasiven Wachstumsmusters ebenfalls radiologisch Gliome16 nachahmen. Darüber hinaus hat das konventionelle MRT nur begrenzte Möglichkeiten, das vermutete Ausmaß der Gliominfiltration genau zu beurteilen. Die auf T2WI/FLAIR-Sequenzen beobachtete hyperintensive Region wurde pathologisch als Mischung aus Tumorzellinfiltration, vasogenem Ödem und reaktiver Gliose bestätigt. Konventionelle MRT kann diese Komponenten nicht effektiv unterscheiden17. Ebenso repräsentiert die auf CE-T1WI sichtbare Bereiche hauptsächlich den Tumorkern mit einer gestörten Blut-Hirn-Schranke. Eine beträchtliche Anzahl proliferativer Tumorzellen ist bereits über diese verstärkende Region hinaus, in und manchmal sogar über den peritumoralen T2-hyperintensiven Bereich des normal erscheinenden Gehirnparenchyms18,19 hinaus. Diese Diskrepanz zwischen den radiologischen und pathologischen Grenzen ist ein wesentlicher Faktor für die hohe postoperative Rückfallrate von Gliomen. Daher besteht ein dringender klinischer Bedarf an neuartigen molekularen Bildgeräten, die die Zellularität des Tumors und die metabolische Aktivität direkter und sensibler widerspiegeln können.

Die Amid-Protonentransfer-(APT)-Bildgebung ist eine aufkommende Molekular-Magnetresonanz-Bildgebungstechnik. Es basiert auf dem Chemical Exchange Saturation Transfer (CEST)-Mechanismus20,21. Durch selektive Sättigung der Amidprotonen (-NH) am Rückgrat mobiler Proteine und Peptide im Gewebe und die Übertragung dieser Magnetisierung auf umliegende Wassermoleküle erkennt es indirekt Veränderungen im Gewebeproteingehalt und im intrazellulären/extrazellulären pH-Wert22,23. Im Tumormikromilieu zeigen bösartige Zellen typischerweise eine intensive proliferative Aktivität, was zu einem signifikanten Anstieg des Proteinanabolismusführt. Gleichzeitig führt verstärkte Glykolyse (der Warburg-Effekt) in Tumorgeweben oft zur Versauerung der extrazellulären Mikroumgebung25. Diese pathophysiologischen Veränderungen führen im Allgemeinen dazu, dass APT-Signale bei hochgradigen Malignitäten charakteristisch hyperintensiv erscheinen. Darüber hinaus hat APT einen potenziellen Wert bei der Unterscheidung zwischen Gliomrückfall und Strahlennekrose gezeigt und bietet ergänzende Informationen zu herkömmlichen MRT- und anderen funktionellen Bildgebungstechniken26. Dies liegt daran, dass rezidivierendes Tumorgewebe, das durch hohe Zelldichte und aktiven Stoffwechsel gekennzeichnet ist, hohe APT-Signale aufweist. Im Gegensatz dazu äußert sich die Strahlennekrose, die hauptsächlich aus Zellresten und einer Entzündungsreaktion besteht, mit niedrigen APT-Signalen. Diese Befunde wurden durch klinische Studien bestätigt, die die Überlegenheit von APT gegenüber herkömmlichen MRT bei der Unterscheidung von Tumorrückkehr von behandlungsbedingten Veränderungen zeigen27.

Die aktuelle Forschung konzentriert sich jedoch überwiegend auf die Bewertung oder Differenzierung von Gliomen von anderen intrakraniellen Pathologien wie Metastasen oder Lymphom 28,29,30. Systematische Studien, die speziell den Nutzen der APT-Bildgebung zur Unterscheidung von Meningeomen von Gliomen unterschiedlichen Grades untersuchen, insbesondere solche, die sowohl niedriggradige als auch hochgradige Gliome umfassen, sind weiterhin relativ begrenzt. Darüber hinaus rechtfertigt eine weitere eingehende Untersuchung, ob das Gebiet der APT-Signalauffälligkeit als bildgebendes Surrogat dienen könnte, das besser mit dem Ausmaß der zellulären Infiltration in Gliomen, insbesondere hochgradigen Gliomen (HGGs), korreliert.

Klinisch kann die APT-Bildgebung für die präoperative Unterscheidung von HGGs von Meningeomen und zur Bewertung von bildgebenden Merkmalen im Zusammenhang mit der Gliominfiltration nützlich sein, insbesondere wenn konventionelle MRT unklar ist. Routinemässige Umsetzung steht jedoch vor praktischen Herausforderungen: Eine verlängerte Erwerbszeit erhöht das Bewegungsrisiko; Die Signalquantifizierung ist empfindlich gegenüber Feldinhomogenitäten und Nachbearbeitungsalgorithmen, die standardisierte Protokolle erfordern; und APT-Metriken sollten konventionelle MRTs ergänzen, nicht ersetzen, da es bei einigen LGGs und gutartigen Meningeomen überlappen könnte. Für die Adoption empfehlen wir, mit schwierigen Fällen zu beginnen und nach und nach in die Routinepraxis integriert zu werden, sobald lokale Expertise und Qualitätssicherung etabliert sind. Letztlich liefert die APT-Bildgebung einzigartige biologische Informationen, eignet sich aber am besten mit Bedacht innerhalb eines multiparametrischen MRT-Rahmens.

Frühere Arbeiten von Zhang et al.31 haben vorläufig den Nutzen der APT-Bildgebung zur Unterscheidung von Meningeomen von Gliomen untersucht und die RAPT/T2- und RAPT/E-Verhältnisse als potenzielle Marker für Tumorinfiltration vorgeschlagen. Diese Studie war jedoch durch eine relativ kleine Stichprobengröße (50 Patienten) begrenzt und bewertete die diagnostische Leistung der APT-Parameter nicht systematisch im Vergleich zu herkömmlichen MRT-Merkmalen über alle klinisch relevanten paarweisen Unterscheidungen hinweg, wobei umfassende Analysen der Empfänger-Funktionsmerkmale (ROC-Kurven) verwendet wurden. Darüber hinaus wurden die klinischen Implikationen von APT-definierten räumlichen Ausmaßsanomalien für die chirurgische und strahlentherapieorientierte Planung nicht ausführlich diskutiert. Basierend auf dieser Begründung zielt diese Studie darauf ab, APT- und konventionelle MRT-Daten von Patienten mit pathologisch bestätigten Meningeomen und Gliomen unterschiedlicher Grade rückwirkend zu analysieren. Wir vergleichen systematisch die APT-Parameter zwischen diesen beiden Tumortypen, um die diagnostische Wirksamkeit der APT-Bildgebung zur präoperativen Differenzierung von Meningeomen von Gliomen zu bewerten. Gleichzeitig untersucht diese Studie durch den Vergleich des räumlichen Ausmaßes der APT-Anomalieregion mit der der T2WI-Hyperintensitäts- und CE-T1WI-Verstärkungsbereiche vorläufig den potenziellen Anwendungswert der APT-Bildgebung als radiologisches Werkzeug zur Ableitung der infiltrativen Wachstumsgrenze von Tumoren. Ziel ist es, Klinikern bildgebende Informationen zu liefern, die die Grundlage für die chirurgische Planung stärken können, auch wenn solche Schlussfolgerungen noch auf pathologische Validierung warten.

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

Protokoll

Dieses Studienprotokoll entsprach den ethischen Prinzipien der Erklärung von Helsinki und wurde vom Ethikausschuss des Songgang-Volkskrankenhauses des Bezirks Shenzhen Bao'an genehmigt (Genehmigungsnummer: IRB-YJ-2025-045). Aufgrund ihres retrospektiven Designs umfasste die Studie lediglich die Analyse archivierter klinischer und bildgebender Daten. Alle patientenidentifizierbaren Informationen wurden streng anonymisiert.

Forschungsdesign und Themen

Diese Studie ist eine retrospektive diagnostische Analyse. Wir haben rückwirkend klinische und bildgebende Daten von Hirntumorpatienten gesammelt, die zwischen Januar 2024 und Juni 2025 in die neurochirurgischen Onkologieabteilungen des Songgang People's Hospital, Bao'an District, Shenzhen, und des Shenzhen Second People's Hospital aufgenommen wurden. Alle Patienten hatten pathologisch bestätigte Diagnosen nach der Operation. Insgesamt wurden schließlich 105 Patienten aufgenommen, die alle sowohl konventionelle MRT- als auch APT-Bildgebende Untersuchungen präoperativ unterzogen wurden. Laut der WHO-Klassifikation von Tumoren des Zentralnervensystems32 2021 wurden die Patienten in drei Gruppen eingeteilt: Meningeom-Gruppe: 55 Fälle, pathologisch bestätigt als WHO-Grade I-II. Gruppe für niedriggradiges Gliom (LGG): 20 Fälle, pathologisch bestätigt als WHO-Grade I-II. HGG-Gruppe: 30 Fälle, pathologisch bestätigt als WHO-Grade III-IV. Alle Patienten unterzogen sich sowohl konventionellen MRT- als auch APT-Bildgebenden Untersuchungen präoperativ. Das detaillierte Studienflussdiagramm ist in Abbildung 1 dargestellt.

Einschluss- und Ausschlusskriterien

Einschlusskriterien waren (1) Patienten, die sich einer ersten chirurgischen Resektion mit einer endgültigen histopathologischen Diagnose von Meningeom (WHO-Grade I-II), LGGs (WHO-Grades I-II) oder HGGs (WHO-Grade III-IV) unterzogen; (2) Durchführung eines Kopf-MRTs ohne Kontrast, einer T1-gewichteten, kontrastverstärkten Untersuchung und der APT-Bildgebung innerhalb einer Woche vor der Operation; (3) Verfügbarkeit vollständiger Bilddaten mit guter Bildqualität, frei von bedeutenden Artefakten, geeignet für die diagnostische Bewertung und Messungen; (4) Verfügbarkeit vollständiger klinischer Daten und Nachsorgedaten.

Ausschlusskriterien waren (1) Patienten, die vor der Operation eine Antitumortherapie (z. B. Strahlentherapie, Chemotherapie, gezielte Therapie oder Immuntherapie) erhalten hatten; (2) Patienten mit wiederkehrenden Hirntumoren oder dem Vorhandensein anderer intrakranialer Raumbesetzende Läsionen; (3) Patienten mit Kontraindikationen für die MRT-Untersuchung; (4) Bilder mit schweren Bewegungsartefakten oder Anfälligkeitsartefakten, die die nachfolgende Datenanalyse beeinflussen würden; (5) pathologische Diagnose von Tumortypen des zentralen Nervensystems, die nicht die oben genannten sind.

Berechnung der Stichprobengröße

Diese Studie war eine retrospektive diagnostische Analyse, und die Stichprobengröße wurde hauptsächlich durch alle verfügbaren Fälle bestimmt, die während des Studienzeitraums die Einschlusskriterien erfüllten. Um zu bewerten, ob die aktuelle Stichprobengröße ausreicht, um statistisch signifikante Unterschiede in APT-Parametern zwischen den Gruppen zu erkennen, bezogen wir uns auf Unterschiede in den APT-Signalwerten zwischen unterschiedlichgradigen Gliomen und Meningeomen, die in früherer Literatur33 berichtet wurden. Mit α = 0,05 und einer statistischen Potenz von 0,80 sowie einer Zwei-Stichproben-Mittelwertvergleichsformel zur Schätzung stellten wir fest, dass mindestens 15 Stichproben pro Gruppe erforderlich waren. Basierend auf der endgültigen Aufnahme von 105 Patienten (55 Meningeome, 20 LGGs, 30 HGGs) zeigte eine post-hoc-Power-Analyse, dass die Fähigkeit zur Detektion von Unterschieden im APT-Mean zwischen den drei Gruppen mit der aktuellen Stichprobengröße 0,95 überstieg. Dies deutet darauf hin, dass die Stichprobengröße der Studie ausreichend war, um statistische Schlussfolgerungen zu unterstützen.

Bildaufnahme und Nachbearbeitung

MRT-Scan-Protokoll:

Alle Patienten wurden mit einem Magnetresonanzscanner (MR) mit einer standardmäßigen 8-Kanal-Kopfspule 34 gescannt. Die Scan-Sequenzen und Parameter waren wie folgt:

Konventionelle Sequenzen: Axiale T1-gewichtete Bildgebung (T1WI) wurde mit einer dreidimensionalen verdorbenen Gradienten-Echo-Sequenz durchgeführt (3D T1-SPGR, Wiederholungszeit/Echozeit [TR/TE] = 8,5/3,4 ms, Flip-Winkel = 12°, Schnittdicke = 1,2 mm, Interslice-Spalt = 0 mm, Sichtfeld [FOV] = 24 cm × 24 cm, Matrix = 256 × 256). Die axiale T2-gewichtete Bildgebung (T2WI) wurde mit einer schnellen Spin-Echo-Sequenz (TR/TE = 4.500/102 ms, Schnittdicke = 5 mm, Interslice-Spalt = 1,5 mm, FOV = 24 cm × 24 cm, Matrix = 384 × 224) aufgenommen. Fluid-attenuated Inversion Recovery (FLAIR)-Bilder wurden mit Wiederholungszeit/Echo-Zeit/Inversionszeit (TR/TE/TI) = 9.000/120/2.250 ms erhalten.

Kontrastverstärkte Scanning: Nach intravenöser Bolusinjektion von Gadopentetat-Dimeglumin bei einer Standarddosis von 0,1 mmol/kg Körpergewicht und einer Durchflussrate von 2 mL/s, gefolgt von einer 20-mL Kochsalzspülung, wurden axiale, sagittale und koronale kontrastverstärkte T1WI-Bilder mit denselben Parametern wie die Prekontrast-3D-T1-SPGR-Sequenz aufgenommen.

APT-Bildgebungssequenz: Die APT-Bildgebung wurde mit einer zweidimensionalen Gradienten-Echo-Pulssequenz mit folgenden Parametern durchgeführt: TR/TE = 3.000/3,5 ms, Schnittdicke = 5 mm, Sichtfeld = 24 cm × 24 cm, Matrix = 128 × 128, Anzahl der Anregungen = 2 und eine Gesamtaufnahmezeit von 4 Minuten und 32 Sekunden. Ein kontinuierlicher Wellen-Sättigungsimpuls mit einer Dauer von 2 s und einer Leistung (B₁) von 2 μT wurde bei Frequenzversätzen von −6 bis +6 Teilen pro Million (ppm) (in Schritten von 0,5 ppm) angelegt, einschließlich der Wasserresonanzfrequenz bei 0 ppm. Unter dem Hauptmagnetfeld (B₀) wurde der Sättigungsimpuls speziell bei der Abwärtsresonanzfrequenz von +3,5 ppm relativ zur Wasserprotonenresonanz (0 ppm) angelegt, entsprechend der chemischen Austauschrate des Amidprotons. Vor der APT-Erfassung wurde die B₀-Inhomogenität mittels eines Wassersättigungsverschiebungs-Referenzierungsansatzes (WASSR) korrigiert, bei dem die Sättigungsparameter identisch mit dem Haupt-APT-Scan, jedoch mit einer reduzierten B₁-Amplitude von 0,5 μT waren. Nach dem Scannen wurden APT-gewichtete Bilder und Magnetisierungsasymmetrie-Asymmetriekarten (MTRasym) mit 3,5 ppm automatisch von der integrierten Software des Scanners erzeugt, indem die Asymmetrie des Magnetisierungstransferverhältniss berechnet wurde: MTRasym(3,5 ppm)=[S(−3,5 ppm) − S(+3,5 ppm)] / S(0 ppm), wobei S(Δω) die Signalintensität mit dem Sättigungsimpuls bei der angezeigten Frequenzverschiebung Δω relativ zur Wasserresonanz darstellt. Der positive MTRasym-Wert bei 3,5 ppm spiegelt hauptsächlich den Amidprotonentransfer wider, da der Magnetisierungstransfer (MT) und der nukleare Overhauser-Effekt annähernd symmetrisch in Bezug auf die Wasserresonanz sind und daher durch die Asymmetrieberechnung aufgehoben werden.

Bildanalyse:

Alle Bildgebungsdaten wurden unabhängig von zwei Neuroradiologen mit über 5 Jahren Erfahrung im Umgang mit einer Bildverarbeitungssoftware analysiert. Die Abgrenzung der Interessenregion (ROI) erfolgte nach folgenden standardisierten Verfahren:

Tumorsolide Region: Auf den kontrastverstärkten T1WI-Bildern wurde ein ROI manuell entlang des verstärkenden Tumorrandes gemessen, wobei nekrotische, zystische und peritumorale Ödembereiche sorgfältig vermieden wurden. Der ROI wurde so berechnet, dass er die gesamte feste Komponente auf der Scheibe mit dem maximalen Tumordurchmesser umfasst.

T2-Hyperintense-Region: Auf den T2WI-Bildern wurde ein ROI manuell gezeichnet, um den gesamten hyperintensiven Bereich abzudecken, einschließlich sowohl des Tumors als auch des umliegenden peritumoralen Ödems. Die Grenze wurde als sichtbarer Rand definiert, an dem die Hyperintensität auf das normal erscheinende Hirnparenchym traf.

APT Abnormale Signalregion: Auf den APT-gewichteten MTRasym-Karten, unter Verwendung der kontralateralen, normal erscheinenden weißen Substanz als Referenz, wurde manuell eine ROI gezeichnet, um alle Bereiche mit einer Signalintensität höher als das mittlere Signal des Referenznormalgewebes plus 2 Standardabweichungen einzuschließen. Dieser schwellenwerte Ansatz wurde auf denselben Schnitt wie der maximale Tumordurchmesser angewandt. Das kontralaterale Referenz-ROI wurde im centrum semiovale an einer Spiegelstelle zum Tumor mit einer Fläche von etwa 100 mm2 platziert.

Zur Konsistenz wurde jeder ROI dreimal an aufeinanderfolgenden Schnitten gemessen, die am maximalen Tumordurchmesser zentriert waren, und der Durchschnittswert wurde zur Analyse erfasst. Alle ROI-Abgrenzungen wurden unabhängig von den beiden Gutachtern durchgeführt, und etwaige Unstimmigkeiten wurden im Konsens gelöst. Die Übereinstimmung zwischen den Beobachtern wurde anhand des intraklassigen Korrelationskoeffizienten (ICC) bewertet, wobei ein ICC-> 0,80 auf eine ausgezeichnete Übereinstimmung hindeutet.

Die folgenden Parameter wurden gemessen und berechnet:

Mittlere APT-Signalintensität (APT-Mittelwert): Der durchschnittliche MTRasym-Wert bei 3,5 ppm innerhalb des ROI der soliden Tumorregion.

Berechnung des regionalen Verhältnisses:

RAPT/T2: Das Verhältnis der Fläche der APT-Region mit abnormalem Signal zur Fläche der T2WI-hyperintensiven Region (RAPT / RT2).

RAPT/E: Das Verhältnis der Fläche der abnormalen Signalregion der APT zur Fläche der kontrastverstärkenden Region (RAPT / RE) von T1WI.

Klinische Ergebnismaße

Die primären Bewertungsmaße dieser Studie waren bildgebende Parameter und deren diagnostische Wirksamkeit und nicht therapeutische klinische Ergebnisse. Primäre bildgebende Ergebnisse:APT-Mittelwerte für jede Gruppe (Meningeom, LGGs, HGG) sowie die RAPT/T2- und RAPT/E-Verhältnisse für die LGG- und HGG-Gruppen.

Statistische Analyse

Kontinuierliche Variablen wurden mit dem Shapiro-Wilk-Test auf Normalität getestet. Normalverteilte Daten werden als Mittelwert ± Standardabweichung (SD) präsentiert und mit einer Einweg-Varianzanalyse (ANOVA) (Bonferroni post-hoc) verglichen worden. Nicht-normale und ordinale Daten werden als M (Q₁, Q₃) präsentiert und mit dem Kruskal-Wallis-H-Test (Dunn-Test mit Bonferroni-Korrektur) verglichen. Kategoriale Daten werden als n (%) dargestellt und mit dem Exakten Test des Chi-Quadrats oder Fishers exakten Tests verglichen. ROC-Kurven wurden dargestellt, um die diagnostische Leistung zu bewerten. Alle Tests waren zweiseitig; P < 0,05 wurde als signifikant angesehen.

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

Ergebnisse

Basis- und klinische Merkmale

Signifikante Unterschiede zwischen den drei Patientengruppen wurden hinsichtlich Alter, Karnofsky Performance Status (KPS) Score, anfänglicher Symptome und WHO-Note (P < 0,001) beobachtet. Die Patienten der HGG-Gruppe waren älter, hatten niedrigere KPS-Werte und präsentierten häufiger fokale neurologische Defizite als Anfangssymptom. Im Gegensatz dazu präsentierten Patienten in der LGG-Gruppe überwiegend Anfälle a...

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

Diskussion

Die präzise Unterscheidung zwischen Gliomen und Meningeomen präoperativ und präzise der vermuteten Tumorinfiltrationsgrenzen in der Bildgebung stellt zentrale Herausforderungen der Neuroonkologie dar und beeinflusst direkt die Behandlungsstrategien und die endgültige Prognose der Patienten. Diese Studie, basierend auf APT, einer aufkommenden molekularen Magnetresonanztechnik, bewertete systematisch ihren Anwendungswert zur Unterscheidung von Gliomen verschiedener Grade von Meningiomen. D...

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

Offenlegungen

Die Autoren haben keine Interessenkonflikte zu erklären.

Danksagungen

Diese Arbeit wurde vom Bao'an District Medical and Health Research Project 2023 finanziert (Zuschussnummer 2023JD224).

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
3.0T MR ScannerGE HealthcareDiscovery 750WUsed for all conventional and APT imaging sequences.
Contrast Agent (Gadopentetate Dimeglumine)Bayer HealthcareMagnevistStandard dose of 0.1 mmol/kg body weight, administered intravenously at 2 mL/s.
Head CoilGE HealthcareStandard 8-channelReceive-only head coil for signal acquisition.
Image Analysis SoftwareMicroDicom Ltd.MicroDicom Viewer (version 3.0)Used for ROI delineation and parameter measurement by neuroradiologists.
Post-processing SoftwareGE HealthcareFuncTool (built-in)Automatically generates APT-weighted images and MTRasym maps on the scanner.
Statistical Analysis SoftwareIBM Corp.SPSS (version 25.0)Used for all statistical analyses, including ROC curves and group comparisons.

Referenzen

  1. Lu SL et al. The intracranial tumor segmentation challenge: contour tumors on brain MRI for radiosurgery. Neuroimage. 2021;244:118585.
  2. Ostrom QT et al. CBTRUS statistical report: primary brain and other central nervous system tumors diagnosed in the United States in 2015-2019. Neuro Oncol. 2022;24(Suppl 5):v1-95.
  3. Lin H et al. Understanding the immunosuppressive microenvironment of glioma: mechanistic insights and clinical perspectives. J Hematol Oncol. 2024;17(1):31.
  4. Jayaram MA, Phillips JJ. Role of the microenvironment in glioma pathogenesis. Annu Rev Pathol. 2024;19(1):181-201.
  5. Segar DJ et al. Modeling of intracranial tumor treating fields for the treatment of complex high-grade gliomas. Sci Rep. 2023;13(1):1636.
  6. Wen PY et al. Dabrafenib plus trametinib in patients with BRAF V600E-mutant low-grade and high-grade glioma (ROAR): a multicentre, open-label, single-arm, phase 2, basket trial. Lancet Oncol. 2022;23(1):53-64.
  7. Szulzewsky F, Thirimanne HN, Holland EC. Meningioma: current updates on genetics, classification, and mouse modeling. Ups J Med Sci. 2024;129(S1):e10579.
  8. Moussalem C et al. Meningioma genomics: a therapeutic challenge for clinicians. J Integr Neurosci. 2021;20(2):463-9.
  9. Han T, Liu X, Zhou J. Progression/recurrence of meningioma: an imaging review based on magnetic resonance imaging. World Neurosurg. 2024;186:98-107.
  10. Cosgun Z, Dagistan Y, Dagistan E, Kalfaoglu ME. Neglected giant pituitary adenoma: a unique case report. Journal of Endocrine Systems Research. 2025;1(1):11-6.
  11. Sakai M et al. Nonbrain metastases seen on magnetic resonance imaging during metastatic brain tumor screening. Jpn J Radiol. 2023;41(4):367-81.
  12. Aunan-Diop JS et al. Magnetic resonance elastography in intracranial neoplasms: a scoping review. Top Magn Reson Imaging. 2022;31(1):9-22.
  13. Xiong H et al. A radiomics model for the differentiation of intracranial solitary fibrous tumor/hemangiopericytoma and meningioma based on multiparametric magnetic resonance imaging. Neurol India. 2024;72(4):779-83.
  14. Clement P et al. Micro- to macroscale magnetic resonance imaging of glioma. MAGMA. 2022;35(1):1-2.
  15. Sui Z et al. Magnetic resonance imaging evaluation of brain glioma before postoperative radiotherapy. Clin Transl Oncol. 2021;23(4):820-6.
  16. Würtemberger U et al. Microstructural differentiation of cerebral metastases, glioblastoma, meningioma, and primary CNS lymphoma using advanced diffusion imaging techniques. Neurooncol Adv. 2025;7(1):vdaf076.
  17. Schmitz-Abecassis B et al. Extension of T2 hyperintense areas in patients with a glioma: a comparison between high-quality 7 T MRI and clinical scans. NMR Biomed. 2025;38(3):e5316.
  18. Xia X, Du W, Gou Q. Machine learning-based radiomics for differentiating lung cancer subtypes in brain metastases using CE-T1WI. Front Oncol. 2025;15:1599882.
  19. Zhang Y et al. Glioblastoma and solitary brain metastasis: differentiation by integrating demographic-MRI and deep-learning radiomics signatures. J Magn Reson Imaging. 2024;60(3):909-20.
  20. Zhou J et al. Using the amide proton signals of intracellular proteins and peptides to detect pH effects in MRI. Nat Med. 2003;9(8):1085-90.
  21. Zhou J et al. Three-dimensional amide proton transfer MR imaging of gliomas: initial experience and comparison with gadolinium enhancement. J Magn Reson Imaging. 2013;38(5):1119-28.
  22. Sun Q et al. Plasma β-amyloid, tau, neurodegeneration biomarkers and inflammatory factors of probable Alzheimer’s disease dementia in Chinese individuals. Front Aging Neurosci. 2022;14:963845.
  23. Zhang H, Zhou J, Peng Y. Amide proton transfer-weighted MR imaging of pediatric central nervous system diseases. Magn Reson Imaging Clin N Am. 2021;29(4):631-41.
  24. Inoue A et al. Role of amide proton transfer imaging in maximizing tumor resection in malignant glioma: a possibility to take the place of 11C-methionine positron emission tomography. Neurosurg Rev. 2023;46(1):294.
  25. Zhang J et al. ESM1 enhances fatty acid synthesis and vascular mimicry in ovarian cancer by utilizing the PKM2-dependent Warburg effect within the hypoxic tumor microenvironment. Mol Cancer. 2024;23(1):94.
  26. Chen K, Jiang XW, Deng LJ, She HL. Differentiation between glioma recurrence and treatment effects using amide proton transfer imaging: a mini-Bayesian bivariate meta-analysis. Front Oncol. 2022;12:852076.
  27. Park JE et al. Pre- and posttreatment glioma: comparison of amide proton transfer imaging with MR spectroscopy for biomarkers of tumor proliferation. Radiology. 2016;278(2):514-23.
  28. Debnath A, Gupta RK, Singh A. Evaluating the role of amide proton transfer-weighted contrast, optimized for normalization and region of interest selection, in differentiation of neoplastic and infective mass lesions on 3T MRI. Mol Imaging Biol. 2020;22(2):384-96.
  29. Park YW et al. Differentiation of recurrent diffuse glioma from treatment-induced change using amide proton transfer imaging: incremental value to diffusion and perfusion parameters. Neuroradiology. 2021;63(3):363-72.
  30. Yu H et al. Applying protein-based amide proton transfer MR imaging to distinguish solitary brain metastases from glioblastoma. Eur Radiol. 2017;27(11):4516-24.
  31. Zhang HW et al. Differentiation of meningiomas and gliomas by amide proton transfer imaging: a preliminary study of brain tumour infiltration. Front Oncol. 2022;12:886968.
  32. Soni N et al. Meningioma: molecular updates from the 2021 World Health Organization classification of CNS tumors and imaging correlates. AJNR Am J Neuroradiol. 2025;46(2):240-50.
  33. Zhou J et al. Review and consensus recommendations on clinical APT-weighted imaging approaches at 3T: application to brain tumors. Magn Reson Med. 2022;88(2):546-74.
  34. Chen K et al. Amide proton transfer-weighted magnetic resonance imaging for the diagnosis of symptomatic chronic intracranial artery stenosis: a feasibility study. Quant Imaging Med Surg. 2022;12(11):5184-97.
  35. Tokunaga C et al. Effect of saturation pulse duration and power on pH-weighted amide proton transfer imaging: a phantom study. Magn Reson Med Sci. 2023;22(4):487-95.
  36. Joo B et al. Amide proton transfer imaging might predict survival and IDH mutation status in high-grade glioma. Eur Radiol. 2019;29(12):6643-52.
  37. Zhang HW, Lin F. Research progress on amide proton transfer imaging in preoperative and postoperative glioma assessment. Curr Med Imaging. 2023;19(9):971-6.
  38. Lin G et al. Volumetric amide-proton-transfer weighted imaging histogram analysis to differentiate pediatric high-grade and low-grade gliomas. BMC Cancer. 2025;25(1):1392.
  39. Hao Z et al. AQP8 promotes glioma proliferation and growth, possibly through the ROS/PTEN/AKT signaling pathway. BMC Cancer. 2023;23(1):516.
  40. Knowles LM et al. Clotting promotes glioma growth and infiltration through activation of focal adhesion kinase. Cancer Res Commun. 2024;4(12):3124-36.
  41. Chawla S et al. Metabolic and physiologic magnetic resonance imaging in distinguishing true progression from pseudoprogression in patients with glioblastoma. NMR Biomed. 2022;35(7):e4719.
  42. Jen JP et al. Beyond T2-FLAIR mismatch sign in isocitrate dehydrogenase (IDH)-mutant 1p19q non-codeleted astrocytoma: analysis of tumor core and evolution with multiparametric magnetic resonance imaging. Neurooncol Adv. 2024;6(1):vdae065.
  43. Carrete LR, Young JS, Cha S. Advanced imaging techniques for newly diagnosed and recurrent gliomas. Front Neurosci. 2022;16:787755.
  44. Debiasi G et al. Magnetic susceptibility properties of tumor-associated cells imaged by MRI reveal glioblastoma infiltration in the edema region. Commun Med (Lond). 2025;5(1):487.
  45. Smits M. Imaging of oligodendroglioma. Br J Radiol. 2016;89(1060):20150857.
  46. Lee MD et al. Utility of percentage signal recovery and baseline signal in DSC-MRI optimized for relative CBV measurement for differentiating glioblastoma, lymphoma, metastasis, and meningioma. AJNR Am J Neuroradiol. 2019;40(9):1445-50.
  47. Stopa BM, Juhász C, Mittal S. Comparison of amino acid PET to advanced and emerging MRI techniques for neurooncology imaging: a systematic review of the recent studies. Mol Imaging. 2021;2021:8874078.
  48. Sartoretti E et al. Amide proton transfer weighted (APTw) imaging based radiomics allows for the differentiation of gliomas from metastases. Sci Rep. 2021;11(1):5506.
  49. Ikechukwu GC, Egba SI, Paul PC, Umeh VA. Artificial intelligence for public health surveillance: promises, pitfalls, and an ethics-equity roadmap for deployment. Disease Prevention and Epidemiology. 2026;1(1):22-39.

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

Nachdrucke und Genehmigungen

Tags

APT-BildgebungGliomdifferenzierungMeningeomdiagnostikBildgebung von HirntumorenChemical Exchange SaturationGliomgradingMRT von HirntumorenTumorproteingehalt