Forschungsartikel

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

29 Ansichten

⸱

DOI:

10.3791/71626

⸱

11. August 2026

 ,  ,  ,  , 
1Department of Medical Imaging, Shenzhen Bao'an District Songgang People's Hospital (Shenzhen Baoan Medical College of Guangdong Pharmaceutical University), 2Department of Radiology, Shenzhen Second People's Hospital

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.

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.

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 als Erstsymptom. Zwischen den drei Gruppen wurden keine signifikanten Unterschiede hinsichtlich Geschlecht, Body-Mass-Index (BMI) oder Tumorstandort (Frontal-, Temporal-, Parietal- und Okzipitallappen) festgestellt (P > 0,05) (Tabelle 1).

MRT-Tumorausmaß und APT-bezogene Parameter

Tabelle 2 zeigt die Vergleichsergebnisse des konventionellen MRT-Tumorausmaßes und APT-bezogener Parameter unter den drei Patientengruppen. Der Grad der Kontrastverstärkung zeigte signifikante Unterschiede zwischen den Gruppen (P < 0,001), wobei die Meningeom-Gruppe den höchsten Verbesserungsgrad und die LGG-Gruppe den niedrigsten Grad aufwies. Zwischen den drei Gruppen wurden keine statistisch signifikanten Unterschiede hinsichtlich der Bereiche T2-Hyperintensität (RT2), kontraststeigernder Region (RE) oder APT-abnormaler Signalregion (RAPT) (P > 0,05) beobachtet, was auf vergleichbare bildgebende Tumorvolumina hinweg hindeutet.

APT-bezogene Parameter zeigten jedoch signifikante Intergruppenunterschiede (P < 0,001). Die mittlere APT-Signalintensität (APT-Mittelwert) war in der HGG-Gruppe (Median 4,60 %) am höchsten und übertraf signifikant die sowohl der LGG-Gruppe (2,95 %) als auch der Meningeom-Gruppe (2,70 %). Darüber hinaus waren die Verhältnisse des abnormen APT-Bereichs zum T2-hyperintensiven Bereich (RAPT/T2) und zum kontraststeigernden Bereich (RAPT/E) in der HGG-Gruppe ebenfalls signifikant höher als in den anderen beiden Gruppen.

Paarweise Vergleiche von APT-bezogenen Parametern zwischen Meningiomen, LGGs und HGGs

Tabelle 3 zeigt weitere paarweise Vergleiche der APT-bezogenen Parameter zwischen den drei Gruppen. Die Ergebnisse sind wie folgt: Meningeomgruppe vs. LGG-Gruppe: Signifikante Unterschiede wurden im Grad der Verbesserung, RAPT/T2 und RAPT/E (P < 0,001) beobachtet, während im APT-Mittelwert kein statistisch signifikanter Unterschied festgestellt wurde (P = 0,241). Meningiomgruppe vs. HGG-Gruppe: Signifikante Unterschiede wurden im APTmean, RAPT/T2 und RAPT/E (P < 0,001) beobachtet, während der Grad der Verbesserung keinen signifikanten Unterschied zeigte (P = 0,160). LGG-Gruppe vs. HGG-Gruppe: Signifikante Unterschiede wurden im Grad der Verbesserung und im APT-Mittelwert (P<0,001) beobachtet, während RAPT/T2 und RAPT/E keinen statistisch signifikanten Unterschied zeigten (P > 0,05). Diese Ergebnisse deuten darauf hin, dass APTmean wertvoll ist, um HGGs von Meningeomen zu unterscheiden und Gliomgrade zu differenzieren. Umgekehrt zeigen RAPT/T2 und RAPT/E einen größeren diskriminierenden Wert bei der Unterscheidung von LGGs von Meningiomen.

APT-bezogene Parameter zur Unterscheidung von Meningeomen und LGGs

Die Ergebnisse von Dunns Test zeigten statistisch signifikante Unterschiede zwischen LGGs und Meningeomen im Grad der Verbesserung (P < 0,001), RAPT/T2 (P < 0,001) und RAPT/E-Werten (P < 0,001). Der Unterschied im APT-Mittelwert war jedoch nicht signifikant (P > 0,05). Daher kann der Grad der Verbesserung, RAPT/T2 und RAPT/E, helfen, zwischen LGGs und Meningeomen zu unterscheiden. Der Grad der Verbesserung war bei Meningiomen signifikant stärker als bei LGGs, und die auf APT-Bildern durch LGGs beobachteten Veränderungen waren ausgeprägter als die durch Meningeome. Da dieAPT-Mittelwerte für LGGs jedoch nahe an denen der Meningeome lagen, ist dieser Parameter in diesem Zusammenhang für die Differenzialdiagnose nicht geeignet.

Die Analyse der ROC-Kurve zeigte, dass bei der Unterscheidung von Meningeomen von LGGs der Grad der Verbesserung, das RAPT/E-Verhältnis und das RAPT/T2-Verhältnis alle einen signifikanten diagnostischen Wert hatten (alle P < 0,001). Der Verbesserungsgrad ergab die höchste Fläche unter der Kurve (AUC) von 0,926 (95%-Konfidenzintervall [KI]: 0,842–0,974), was eine ausgezeichnete diagnostische Leistung zeigt. Die AUCs für RAPT/E und RAPT/T2 lagen bei 0,781 (95 % KI: 0,670–0,868) bzw. 0,734 (95 % KI: 0,619–0,829), was auf ihre gute diagnostische Leistung bei der Unterscheidung dieser beiden Tumortypen hinweist. Bemerkenswert ist, dass der APTmean keinen signifikanten Unterschied zwischen den beiden Gruppen zeigte (P > 0,05) und daher nicht für die Unterscheidung von Meningeomen von LGGs anwendbar ist. Diese Ergebnisse sind in Tabelle 4 und Abbildung 2 zusammengefasst.

APT-bezogene Parameter zur Differenzierung von Meningeomen und HGGs

Dunns Testergebnisse zeigten statistisch signifikante Unterschiede zwischen HGGs und Meningeomen im APT-Mittelwert (P < 0,001), RAPT/E (P < 0,001) und RAPT/T2 (P < 0,001). Der Grad der Verbesserung zeigte jedoch keine statistische Signifikanz (P > 0,05). Dies legt nahe, dass APTmean, RAPT/E und RAPT/T2 helfen könnten, HGGs von Meningeomen zu unterscheiden. DerAPT-Mittelwert der HGGs war signifikant höher als der von Meningiomen, und das Ausmaß der Abnormalitäten auf APT-Bildern, die mit HGGs assoziiert sind, war ausgeprägter als bei Meningiomen. Da der Grad der Verbesserung sowohl bei Meningeomen als auch bei HGGs typischerweise moderat oder ausgeprägt ist, unterschied dieser Parameter nicht zwischen diesen beiden Einheiten in dieser Kohorte.

Bei der Unterscheidung von Meningeomen von HGGs zeigten APTmean, RAPT/E und RAPT/T2 alle eine ausgezeichnete diagnostische Leistung (alle P < 0,001). Unter ihnen erreichte der APT-Mean mit 0,969 (95%-KI: 0,906–0,994) den höchsten AUC, was auf eine sehr hohe Diskriminierungsfähigkeit hinweist. Die AUCs für RAPT/E und RAPT/T2 lagen bei 0,836 (95 % KI: 0,740–0,908) bzw. 0,800 (95 % KI: 0,699–0,879), was den klinischen Wert der APT-Bildgebung bei der Unterscheidung dieser beiden Tumortypen weiter stützt. Im Gegensatz dazu zeigte der Verbesserungsgrad keinen signifikanten Unterschied zwischen den beiden Gruppen (P > 0,05) und es fehlte an diagnostischem Nutzen für diese Differenzierung. Diese Ergebnisse sind in Tabelle 5 und Abbildung 3 zusammengefasst.

APT-bezogene Parameter zur Unterscheidung von LGGs und HGGs

Die Ergebnisse von Dunns Test zeigten, dass der Grad der Verbesserung und der APT-Mittelwert signifikant zwischen LGGs und HGGs unterschieden (P < 0,001). RAPT/E und RAPT/T2 zeigten jedoch keine statistische Signifikanz (P > 0,05). Dies deutet darauf hin, dass der APT-Schnitt und der Grad der Verstärkung wirksamer darin sind, HGGs von LGGs zu unterscheiden. HGGs zeigen typischerweise einen höheren Grad der Steigerung und einen höheren APT-Mean im Vergleich zu LGGs.

Bei der Unterscheidung zwischen LGGs und HGGs zeigten sowohl der Grad der Steigerung als auch der APT-Mittelwert eine signifikante diagnostische Wirksamkeit (beide P < 0,001). Der APTmean erreichte einen AUC von 0,916 (95 % KI: 0,802–0,976), was dem des Verbesserungsgrades überlegen war (AUC = 0,823, 95 % KI: 0,689–0,917). Dies zeigt, dass der APTmean in dieser Kohorte eine höhere diagnostische Genauigkeit bei der Gliombewertung lieferte. Im Gegensatz dazu zeigten RAPT/E und RAPT/T2 keinen signifikanten Unterschied zwischen den beiden Gruppen (P > 0,05) und zeigten keinen diagnostischen Wert für die Bewertung in dieser Kohorte. Diese Ergebnisse sind in Tabelle 6 und Abbildung 4 zusammengefasst.

Datenverfügbarkeit

Die ursprünglichen Daten, die diese Studie unterstützen, wurden als ergänzende Dokumente eingereicht.

figure-results-1
Abbildung 1: Workflow zur Patientenauswahl und bildgebender Analyse. Abkürzungen: APT = Amidprotonentransfer; ROI = Interessensgebiete; ROC = Empfängerbetriebscharakteristik; T2WI = T2-gewichtete Bildgebung; CE-T1WI = kontrastverstärkte T1-gewichtete Bildgebung; RAPT = APT abnormaler Signalbereich; RAPT/T2 = Verhältnis von APT-abnormer Fläche zu T2-hyperintensiver Fläche; RAPT/E = das Verhältnis von APT abnormer Fläche zu erhöhter Fläche. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

figure-results-2
Abbildung 2: Unterscheidung zwischen Meningeomen und niedriggradigen Gliomen. Analyse der Empfänger-Betriebscharakteristik zur Unterscheidung von Meningeomen und LGGs. Abkürzungen: APT = Amidprotonentransfer; LGG = niedriggradiges Gliom; RAPT = APT abnormaler Signalbereich; RAPT/T2 = Verhältnis von APT-abnormer Fläche zu T2-hyperintensiver Fläche; RAPT/E = das Verhältnis von APT abnormer Fläche zu erhöhter Fläche. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

figure-results-3
Abbildung 3: Unterscheidung zwischen Meningiomen und hochgradigen Gliomen. Analyse der Empfänger-Betriebscharakteristik zur Unterscheidung von Meningeomen von HGGs. Abkürzungen: APT = Amid-Protonentransfer; HGG = hochgradiges Gliom; RAPT = APT abnormaler Signalbereich; RAPT/T2 = Verhältnis von APT-abnormer Fläche zu T2-hyperintensiver Fläche; RAPT/E = das Verhältnis von APT abnormer Fläche zur erhöhten Fläche; APTmean = mittlere Amid-Protonenübertragungsintensität. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

figure-results-4
Abbildung 4: Unterscheidung zwischen niedriggradigen und hochgradigen Gliomen. Analyse der Empfänger-Betriebscharakteristik zur Unterscheidung von LGGs und HGGs. Abkürzungen: APT = Amid-Protonentransfer; LGG = niedriggradiges Gliom; HGG = hochgradiges Gliom; APTmean = mittlere Amid-Protonenübertragungsintensität. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

MerkmaleMeningiomgruppe (n=55)LGG-Gruppe (n=20)HGG-Gruppe (n=30)StatistikenP
Alter (Jahre)54,65±8,2141,50±10,4958.17±9.75F=21,595<0,001
Geschlecht (n, %)
Männchen17 (30.91)10 (50.00)13 (43.33)χ²=2.7550.252
Weiblich38 (69.09)10 (50.00)17 (56.67)
BMI (kg/m2)24.26±3.1823,59±2,8724.35±3.25F=0,4120.664
Tumorlokalisierung, n (%)
Frontallappen19 (34.55)8 (40.00)12 (40.00)-0.978
Temporallappen13 (23.64)6 (30.00)8 (26.67)
Parietalappen13 (23.64)4 (20.00)6 (20.00)
Okzipitallappen10 (18.18)2 (10.00)4 (13.33)
KPS-Punktzahl, M (Q₁, Q₃)90.00 (80.00,95.00)75.00 (70.00,100.00)70.00 (60.00,90.00)19.152#<0,001
Anfangssymptome, n (%)
Kopfschmerzen23 (41.82)6 (30.00)10 (33.33)-<0,001
Epilepsie14 (25.45)12 (60.00)4 (13.33)
Fokales neurologisches Defizit10 (18.18)2 (10.00)16 (53.33)
Sonstiges8 (14.55)0 (0.00)0 (0.00)
WHO-Bewertung, n (%)
Grade I36 (65.45)16 (80.00)0 (0.00)-<0,001
Grade II19 (34.55)4 (20.00)0 (0.00)
Grade III0 (0.00)0 (0.00)16 (53.33)
Grade IV0 (0.00)0 (0.00)14 (46.67)

Tabelle 1: Patienten-Baseline- und klinische Merkmale. Hinweis: F = ANOVA; # = Kruskal-Wallis-Test; χ2 = Chi-Quadrat-Test; - = Fishers exakter Test. Abkürzungen: BMI = Body-Mass-Index; KPS = Karnofsky-Leistungsstatus; WHO = Weltgesundheitsorganisation; LGG = niedriggradiges Gliom; HGG = hochgradiges Gliom.

VariablenMeningiomgruppe (n=55)LGG-Gruppe (n=20)HGG-Gruppe (n=30)StatistikenP
MR-Informationen
Verbesserung4.00 (3.00, 4.00)2.00 (2.00, 3.00)3.00 (3.00, 4.00)38.199#<0,001
Tumorbereich des MRT (mm2)
RT21690.00 (1440.00, 1840.00)1650.00 (1550.00, 1750.00)1500.00 (1387.50, 1887.50)0.898#0.638
RE1720.00 (1470.00, 1890.00)1625.00 (1500.00, 1850.00)1675.00 (1462.50, 1800.00)0.729#0.695
RAPT1860.00 (1555.00, 2090.00)1925.00 (1637.50, 2062.50)2020.00 (1762.50, 2100.00)3.821#0.148
APT-Parameter
APT-Mittelwert2.70 (2.50, 3.10)2.95 (2.77, 3.23)4.60 (4.23, 5.25)54.875#<0,001
RAPT/T2102.65 (101.97, 108.15)114.29 (105.26, 125.00)116.67 (106.48, 123.81)23.938#<0,001
RAPT/E101.04 (100.78, 105.81)110.00 (106.06, 113.38)120.69 (109.60, 123.33)32.374#<0,001

Tabelle 2: Vergleich des MRT-Tumorausmaßes und APT-bezogener Parameter zwischen Gliom- und Meningeompatienten, M (Q₁, Q₃). Hinweis: # = Kruskal-Wallis-Test. Abkürzungen: MRT = Magnetresonanztomographie; APT = Amid-Protonentransfer; RT2 = T2 hyperintensiver Bereich; RE = erweiterte Fläche; RAPT = APT abnormaler Signalbereich; APTmean = mittlere Amid-Protonübertragungssignalintensität; RAPT/T2 = Verhältnis von APT-abnormer Fläche zu T2-hyperintensiver Fläche; RAPT/E = das Verhältnis von APT abnormer Fläche zu erhöhter Fläche.

VariablenMeningeom-Gruppe vs. LGG-GruppeMeningeom-Gruppe vs. HGG-GruppeLGG-Gruppe vs. HGG-Gruppe
VerbesserungZ=7,329P<0,001Z=1,933P=0,160Z=8,102P<0,001
APT-MittelwertZ=1,749P=0,241Z=7,388P<0,001Z=4,226P<0,001
RAPT/T2Z=3,078P<0,001Z=4,564P<0,001Z=0,804P=0,421
RAPT/EZ=3,303P<0,001Z=5,423P<0,001Z=1,276P=0,606

Tabelle 3: Paarweise Vergleiche von APT-bezogenen Parametern zwischen Meningiomen, niedriggradigen Gliomen und hochgradigen Gliomen. Abkürzungen: APT = Amidprotonentransfer; LGG = niedriggradiges Gliom; HGG = hochgradiges Gliom; APTmean = mittlere Amid-Protonübertragungssignalintensität; RAPT/T2 = Verhältnis von APT-abnormer Fläche zu T2-hyperintensiver Fläche; RAPT/E = das Verhältnis von APT abnormer Fläche zu erhöhter Fläche.

IndikatorenAUCSE95%-KIZP
Verbesserung0.9260.0280.842-0.97415.365<0,001
RAPT/T20.7340.0710.619-0.8293.284<0,001
RAPT/E0.7810.0530.670-0.8685.287<0,001

Tabelle 4: Die AUC verschiedener Indikatoren zur Unterscheidung von Meningeomen und LGGs. Abkürzungen: LGG = niedriggradiges Gliom; APT = Amid-Protonentransfer; AUC = Fläche unter der Kurve; SE = Standardfehler; CI = Konfidenzintervall; RAPT/T2 = Verhältnis von APT-abnormer Fläche zu T2-hyperintensiver Fläche; RAPT/E = das Verhältnis von APT abnormer Fläche zu erhöhter Fläche.

IndikatorenAUCSE95%-KIZP
APT-Mittelwert0.9690.0170.906-0.99427.488<0,001
RAPT/T20.8000.0510.699-0.8795.865<0,001
RAPT/E0.8360.0450.740-0.9087.603<0,001

Tabelle 5: Der Ausgleich verschiedener Indikatoren zur Unterscheidung von Meningeomen und HGGs. Abkürzungen: HGG = hochgradiges Gliom; APT = Amid-Protonentransfer; AUC = Fläche unter der Kurve; SE = Standardfehler; CI = Konfidenzintervall; RAPT/T2 = Verhältnis von APT-abnormer Fläche zu T2-hyperintensiver Fläche; RAPT/E = das Verhältnis von APT abnormer Fläche zu erhöhter Fläche.

IndikatorenAUCSE95%-KIZP
Verbesserung0.8230.0550.689-0.9175.851<0,001
APT-Mittelwert0.9160.0530.802-0.9767.909<0,001

Tabelle 6: Das AUC der verschiedenen Indikatoren zur Unterscheidung von LGGs und HGGs. Abkürzungen: LGG = niedriggradiges Gliom; HGG = hochgradiges Gliom; APTmean = mittlere Amid-Protonübertragungssignalintensität; AUC = Fläche unter der Kurve; SE = Standardfehler; CI = Konfidenzintervall.

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. Darüber hinaus haben wir durch die Einführung des Parameters des räumlichen Ausdehnungsverhältnisses umfassend bildgebende Merkmale im Zusammenhang mit der Tumorinvasivität untersucht und bewertet. Die Ergebnisse bestätigen, dass die APT-Bildgebung, die ihren einzigartigen biochemischen Kontrastmechanismus nutzt, Potenzial als Ergänzung zur konventionellen MRT in der Differenzialdiagnose hat, insbesondere zur Unterscheidung von HGGs, wobei ihr SignalintensitätsparameterAPT-Mittelwert eine ausgezeichnete Wirksamkeit zeigt. Noch wichtiger ist, dass diese Studie ergab, dass die Quantifizierung des Unterschieds zwischen der räumlichen Ausdehnung des abnormen APT-Signals und der bei herkömmlicher MRT beobachteten Läsionsausdehnung – nämlich den RAPT/T2- und RAPT/E-Verhältnissen – die klinische Schwierigkeit bei der Unterscheidung von LGGs von Meningiomen wirksam angehen kann. Dieser Ansatz bietet zudem eine vielversprechende neue Bildgebungsmethode zur nicht-invasiven Bewertung des vermuteten Ausmaßes der Gliominfiltration.

Eine der Kernergebnisse dieser Studie ist der potenzielle Nutzen der mittleren APT-Signalintensität (APT-Mittelwert) als Biomarker für Tumormalignität, insbesondere zur Unterscheidung von HGG von LGGs und Meningiomen. Die Daten dieser Studie zeigen, dass die APT-Mittelwerte der HGGs signifikant höher sind als die der beiden anderen Gruppen. Bei der Unterscheidung zwischen HGGs und Meningiomen war der AUC mit 0,969 ausgezeichnet. Darüber hinaus zeigte es eine hohe diagnostische Wirksamkeit bei der Unterscheidung von hochgradigen von niedriggradigen Gliomen, mit einem AUC-Wert von 0,916. Dieser signifikante Unterschied im Signal ist tief in der pathophysiologischen Grundlage der Tumore verwurzelt. Die APT-Technologie erkennt den chemischen Austausch zwischen Amidprotonen auf mobilen Proteinen/Polypeptid-Rückgraten und Wasserprotonen im Gewebe, wobei ihre Signalintensität direkt mit der Konzentration dieser Makromoleküle und dem pH-Wert der Gewebemikroumgebung35 zusammenhängt. Die histologischen Eigenschaften von HGGs umfassen hohe zelluläre Dichte, signifikante Atypien und aktive mitotische Aktivität, die mit ungewöhnlich intensiver Proteinsynthese und Katabolismus assoziiert sind, was zu einer deutlichen Erweiterung des intrazellulären Pools frei beweglicher Proteine und Polypeptideführt. Gleichzeitig zeigen HGGs, um den Energiebedarf ihrer schnellen Vermehrung zu decken, oft eine intensive aerobe Glykolyse, bekannt als Warburg-Effekt, die erhebliche Mengen saurer Metaboliten wie Milchsäure produziert und ansammelt, wodurch das Mikroumfeld des Tumors erheblich versauert wird. Sowohl der erhöhte Proteingehalt als auch der gesunkene pH-Wert fördern gemeinsam den Amidprotonensättigungstransfer und manifestieren sich schließlich als charakteristisches hohes Signal auf APT-Bildern37. Im Gegensatz dazu sind zwar einige Subtypen von Meningeomen hochzellig, aber die überwiegende Mehrheit sind gutartige oder niedriggradige Malignitäten, deren Proliferationsraten deutlich niedriger sind als die von HGGs, und deren Proteinstoffwechsel sowie Veränderungen des mikroökologischen pH-Werts relativ moderat sind. LGGs weisen ebenfalls eine gewisse proliferative Aktivität auf, aber ihr Grad an Bösartigkeit und metabolische Intensität sind nicht mit HGGs38 zu vergleichen. Im konventionellen MRT können sowohl Meningeome als auch HGGs eine deutliche Verbesserung zeigen. Allerdings kann APTmean sie aus metabolischer Perspektive unterscheiden und die Einschränkungen der strukturellen Bildgebung ausgleichen. Darüber hinaus kann die APT-Bildgebung mikroskopische Veränderungen im Tumorstoffwechsel direkt widerspiegeln und Bereiche, die auf frühe Infiltration und metabolische Anomalien hindeuten, sensibler erfassen als herkömmliche MRT. Der erhöhte APT-Mittelwert bei HGGs ist nicht nur mit der soliden Tumorregion assoziiert, sondern kann auch auf mikroskopische zelluläre Aktivität in der peritumoralen Ödemzone hinweisen, was radiologisch auf eine Infiltration hindeutet, was jedoch noch durch die Histopathologie bestätigt werden muss.

Diese Studie zeigte die Einschränkungen auf, sich ausschließlich auf APT-Mean-Werte zu verlassen, um zwischen LGGs und Meningeomen zu unterscheiden, und ging dieses Problem durch die Verwendung der räumlichen Ausdehnungsverhältnis-Parameter RAPT/T2 und RAPT/E an. Die Ergebnisse zeigten keinen signifikanten Unterschied in den APT-Mittelwerten zwischen LGGs und Meningiomen, was auf eine gewisse Überschneidung in zellulärer Proliferationsaktivität und Proteingehalt zwischen beiden zurückzuführen sein könnte. Als sich jedoch die analytische Dimension von der Signalintensität zur räumlichen Verteilung verlagerte, entstand ein klares Differenzierungsmuster. Die RAPT/T2- und RAPT/E-Verhältnisse waren bei LGGs signifikant höher als bei Meningiomen, was auf eine relativ hohe diagnostische Wirksamkeit hinweist, mit AUCs von 0,734 bzw. 0,781. Das grundlegendste biologische Merkmal von Gliomen, unabhängig von ihrem Grad, ist ihr diffuses, infiltratives Wachstumsmuster. Tumorzellen können sich aktiv von der Haupttumormasse lösen und entlang anatomischer Strukturen wie Nervenfaserbahnen und perivaskulären Räumen wandern, wobei sie das umliegende, scheinbar normale Hirnparenchym39,40 infiltrieren. Diese mikroskopischen Fokussen der zellulären Verbreitung reichen oft über die durch konventionelles MRT (T2-gewichteten oder FLAIR-Sequenzen) definierten Ödemgrenzen hinaus und sind weitaus umfangreicher als die auf kontrastverstärkten Scans sichtbaren Bereiche der Blut-Hirn-Schranken-Störung. Aufgrund ihrer hohen Empfindlichkeit gegenüber Zelldichte und Stoffwechselzustand kann die APT-Bildgebung Bereiche mit Signalveränderungen erkennen, die radiologisch auf Tumorzellaggregate in den frühen Infiltrationsstadien hindeuten, bevor makroskopische Läsionen entstehen oder bedeutende Ödem induzieren. Dies führt zu einem deutlich größeren Bereich abnormen Signals auf APT-Bildern (RAPT) im Vergleich zum durch konventionelles MRT (RT2 oder RE) definierten Tumorausmaß. Im Gegensatz dazu zeigen Meningiome typischerweise ein ausgedehntes Wachstum mit klar definierten Rändern, die eine klare Grenze zwischen Tumorgewebe und normalem Gehirn bilden. Folglich stimmt das Ausmaß ihrer metabolischen Anomalie (RAPT) weitgehend mit den strukturellen oder Verbesserungsgrenzen überein, die bei herkömmlichen MRTs beobachtet werden, was zu RAPT/T2- und RAPT/E-Verhältnissen von nahezu 100 % 41 führt. Diese quantitative Analysemetrik, die auf Unterschieden in Wachstumsmustern basiert, unterscheidet LGGs effektiv von radiologisch ähnlichen Meningeomen und bietet ein innovatives diagnostisches Werkzeug für die klinische Praxis.

Konventionelle MRT, insbesondere FLAIR, liefert bereits wertvolle Informationen zum Gliom. Das T2/FLAIR-Fehlanpassungszeichen ist ein hochspezifischer Marker für Isocitrat-Dehydrogenase (IDH)-mutant, 1p/19q-ko-gelöschtes Astrozytom, was die präoperative Subtypisierung und die Grad42 unterstützt. FLAIR definiert außerdem die peritumorale hyperintensive Zone, die, obwohl nicht spezifisch, eine Mischung aus Ödem, Infiltration und Gliosis43 widerspiegelt. In Kombination mit APT-Bildgebung hilft FLAIR, die räumliche Diskrepanz zwischen APT-Anomalien und konventioneller T2-Hyperintensität zu kontextualisieren und verbessert die radiologische Infiltrationsschlussfolgerung über den verbesserten Kern44 hinaus.

Neben der MRT bieten auch andere Verfahren ergänzende diagnostische Informationen. Computertomographie (CT) ist wertvoll zur Erkennung intratumoraler Verkalkung – häufiger bei Meningeomen und Oligodendrogliomen, selten bei HGGs – was helfen kann, wenn das MRT unklarist. Die CT-Perfusion misst das zerebrale Blutvolumen (CBV): Meningiome zeigen typischerweise deutlich erhöhte CBV, während Gliome unterschiedliche Muster zeigen, wobei Überschneidungen zwischen hypervaskulären HGGs und Meningiomen ihren eigenständigen Nutzenum 46 begrenzt. 11Die C-Methionin-(11C-MET) Positronenemissionstomographie (PET) verfolgt den Aminosäuretransport und die Proteinsynthese und unterscheidet Gliome effektiv von Meningiomen; wichtig ist, dass sie oft eine abnormale Aufnahme jenseits kontraststeigernder oder T2/FLAIR-Regionen zeigt, analog zu unseren APT-basierten räumlichen Verhältnissen47. Die Integration von APT mit CT-Verkalkung, CT-Perfusion und 11C-MET PET könnte die diagnostische Genauigkeit und Behandlungsplanung synergetisch verbessern. Praktische Überlegungen wie Strahlenexposition, Kosten, Verfügbarkeit und Untersuchungszeit müssen jedoch sorgfältig abgewogen werden, wenn die optimale Bildgebungsstrategie für einzelne Patienten ausgewählt wird.

Aufbauend auf der Erkenntnis, dass die APT-Bildgebung tumorassoziierte Signale jenseits der durch konventionelles MRT definierten Grenzen erkennen kann, kann die Visualisierung und Quantifizierung dieser Signale klinisch bedeutsam sein. Erstens könnten Chirurgen in der chirurgischen Planung theoretisch APT-definierte abnormale Signalregionen als ergänzende Informationen neben kontraststeigernden Läsionen und T2-hyperintensiven Bereichen verwenden, wenn sie chirurgische Ziele auswählen, was konzeptionell mit der "supramarginalen Resektion" übereinstimmt. Es ist jedoch entscheidend zu betonen, dass dies eine radiologische Hypothese ist. Das tatsächliche Vorhandensein von Tumorzellen in den APT-hohen Regionen erfordert eine Validierung durch bildgeführte stereotaktische Biopsie. Ohne eine solche pathologische Korrelation sollten APT-definierte Ränder als ergänzende bildgebende Informationen betrachtet werden und nicht als bestätigte Tumorgrenzen. Diese bildgebend geführte Resektionsstrategie hat theoretisch das Potenzial, mikroskopische Resterkrankungen umfassender zu eliminieren, falls das APT-Signal tatsächlich einer Tumorinfiltration entspricht, wodurch möglicherweise die Rückfallraten nach der Operation reduziert und das progressionsfreie Überleben sowie das Gesamtüberleben der Patienten verlängert werden. Zweitens könnte bei der Entwicklung von Strahlentherapieplänen das von APT definierte biologische Tumorvolumen (BTV) als ergänzende Information dienen, um das Bruttotumorvolumen/klinisches Zielvolumen (GTV/CTV) basierend auf traditioneller anatomischer Bildgebung zu definieren. Wenn dies validiert wird, könnte dies die Strahlenplanung ermöglichen, um Bereiche mit proliferativem Potenzial besser abzudecken und gleichzeitig das umliegende normale Gehirngewebe zu schonen. Drittens kann die APT-Bildgebung bei der stereotaktischen Biopsie nicht-verstärkender Gliome helfen, die Biopsie gezielt auf Bereiche mit den höchsten Signalwerten auszurichten. Dies kann die Wahrscheinlichkeit erhöhen, diagnostisch wertvolles Gewebe zu erwerben, und pathologische Unterbewertung durch Stichprobenfehler verringern.

Die Studie von Sartoretti et al.48 zeigte, dass die Integration von APT-Bildgebung mit Radiomik und maschinellen Lernalgorithmen den tiefgreifenden Informationswert weiter extrahieren kann und so eine hochpräzise Differenzierung zwischen HGGs, LGGs und Metastasen erreicht. Ihr mehrschichtiges Perzeptronmodell erreichte einen AUC von 0,836, um primäre Gliome von Metastasen zu unterscheiden. Dies legt nahe, dass die APT-Bildgebung nicht nur als eigenständiger Biomarker dient, sondern auch Potenzial für ihre hochdimensionalen Bildgebenden Merkmale bietet, wenn sie in Kombination mit künftigen KI-Modellen leistungsstarke intelligente Diagnosetools entwickeln können, die Tumore automatisch segmentieren, vermutete Infiltrationsgrenzen ableiten und molekulare Subtypen vorhersagen können, wodurch neue Wege für die präzise Diagnose und Behandlung der Neuroonkologie eröffnet werden. Aufbauend auf dieser Grundlage vertieft und erweitert die vorliegende Studie die klinischen Anwendungsgrenzen der APT-Bildgebung weiter. Unsere Forschung konzentriert sich nicht nur auf die Unterscheidung von Tumortypen, sondern beschäftigt sich auch speziell mit der Beurteilung von bildgebenden Merkmalen im Zusammenhang mit dem Ausmaß der Tumorinfiltration. Durch die Vorschläge der RAPT/T2- und RAPT/E-Verhältnisse liefern wir bildgebende Beweise, die eine nicht-invasive Schlussfolgerung von Gliominfiltrationsgrenzen unterstützen können. Darüber hinaus wählte diese Studie Meningeome aus – Tumore, die bei herkömmlicher MRT, insbesondere in atypischen Fällen oft mit Gliomen verwechselt werden – als Kontrollgruppe und adressierte damit direkt ein schwierigeres klinisches Differentialdiagnoseproblem. Bezüglich der Parameterinterpretation weisen die in dieser Studie verwendeten APTmean- und räumlichen Verhältnis-Parameter klarere pathophysiologische Korrelate auf, was sie in der klinischen Praxis leichter verständlich und anzunehmen macht als höherordnungige radiomische Merkmale. Daher validiert diese Studie nicht nur den Wert der APT in der komplexen Differenzialdiagnose, sondern erleichtert auch deren Umwandlung von einem diagnostischen Werkzeug zu einem Werkzeug, das chirurgische und strahlentherapieorientierte Planung unterstützen kann.

Eine erfolgreiche APT-Implementierung beruht auf mehreren protokollkritischen Schritten. Erstens ist die B₀-Korrektur über WASSR (wie im Abschnitt Protokoll beschrieben) unerlässlich; das Weglassen kann zu scheinbaren MTRasym-Erhöhungen von 1,5–2,0 % führen. Für Zentren ohne WASSR ist alternative Feldkartierung weniger genau, aber akzeptabel. Zweitens sind Bewegungsartefakte während der ~4,5-minütigen Aufnahme die häufigste Falle; empfehlen wir Immobilisierungspads und, falls Bewegung auf MTRasym-Karten sichtbar ist, eine sofortige Wiederholung der Sequenz. Drittens ist die ROI-Konsistenz vom Betreiber abhängig – unsere 2-SD-Schwelle (kontralateraler normaler weißer Substanz-Mittelwert + 2SD) führte zu ausgezeichneter Interobserver-Übereinstimmung (ICC > 0,80), und wir empfehlen eine Anfangsausbildung in 10 Pilotfällen, um die Schwellenwertauswahl über verschiedene Scannerplattformen hinweg zu kalibrieren. Für die klinische Einführung ist die ~4,5-minütige Scan-Zeit in den meisten neuroonkologischen Protokollen akzeptabel; Wir empfehlen einen stufenweisen Ansatz – beginnend mit herausfordernden untypischen Fällen –, um lokale Expertise aufzubauen, ohne den routinemäßigen Arbeitsablauf zu stören. Wichtig ist, dass diese prozeduralen Entscheidungen direkt unseren Ergebnissen zugrunde liegen: Die standardisierten Sättigungsparameter (2 s, B₁ = 2 μT) sorgten für konsistente MTRasym-Messungen über die Gruppen hinweg, die 2-SD-Schwelle machte RAPT/T2 und RAPT/E über verschiedene Tumorgrößen stabil, und die Konsensmessung eliminierte individuelle Leserverzerrungen. Daher ist die methodische Strenge, die in unserem Protokoll beschrieben wird, nicht nur formal, sondern funktional für die von uns beobachtete diagnostische Leistung erforderlich.

Mehrere Einschränkungen dieser Studie sollten anerkannt werden. Erstens handelte es sich um eine retrospektive, ein-zentrische Studie mit einer relativ begrenzten Gesamtstichprobengröße, und bemerkenswert war, dass die Untergruppengrößen unausgeglichen waren (Meningeom, n = 55; LGG, n = 20; HGG, n = 30). Die geringe Anzahl von LGG-Fällen könnte die statistische Stärke für bestimmte paarweise Vergleiche verringert und die Verallgemeinerbarkeit unserer Ergebnisse eingeschränkt haben. Zweitens wurden unsere ROC-Analysen aus derselben Kohorte abgeleitet, die für die Modellentwicklung verwendet wurde, ohne eine unabhängige interne oder externe Validierungskohorte. Dieser Ansatz ist dafür bekannt, die diagnostische Leistung potenziell zu überschätzen; daher erfordern unsere gemeldeten AUC-Werte eine sorgfältige Interpretation und müssen in zukünftigen prospektiven, multizentrischen Studien mit unabhängigen Testsätzen bestätigt werden. Drittens führten wir keine multivariablen Regressionsanalysen durch, um potenzielle Störer (z. B. Alter, Tumorgröße, Lage oder Volumen des peritumoralen Ödems) zu korrigieren, da solche Anpassungen angesichts der begrenzten Stichprobengröße pro Untergruppe statistisch instabil wären. Zukünftige groß angelegte Studien sollten diese Kovariaten einbeziehen, um den unabhängigen Beitrag der APT-Parameter zu bewerten. Viertens waren unsere ROC-Vergleiche explorativ und wurden nicht für mehrere Tests korrigiert; daher sollten diese Ergebnisse als vorläufige und hypothesenbildende und nicht als bestätigende Ergebnisse betrachtet werden. Fünftens deuten unsere bildgebenden Ergebnisse zwar auf eine Tumorinfiltration jenseits der konventionellen MRT-Grenzen hin, aber es fehlt an histopathologischer Bestätigung durch eine bildgeführte stereotaktische Biopsie. Die tatsächliche Entsprechung zwischen APT-Signalanomalien und echter Tumorzellinfiltration muss noch bestätigt werden. Schließlich entwickeln sich APT-Bildgebungstechniken noch weiter, und Variationen in der Feldstärke, Scannerplattformen und Nachbearbeitungsalgorithmen können die Reproduzierbarkeit der Messung beeinflussen; Technische Standardisierung ist vor einer breiten klinischen Einführung unerlässlich. Trotz dieser Einschränkungen bildet unsere Studie eine Grundlage für zukünftige Untersuchungen, die APT-Bildgebung mit Radiotechnik und künstlicher Intelligenz integrieren, um die präoperative Tumorcharakterisierung und die Operationsplanung weiter zu verbessern49.

Zusammenfassend bietet die in dieser Studie vorgeschlagene Multi-Parameter-APT-Bildgebungsstrategie – die Integration der APT-Signalintensität mit räumlichen Ausdehnungsverhältnissen (RAPT/T2 und RAPT/E) – einen ergänzenden bildgebenden Rahmen für die präoperative Unterscheidung von Gliomen von Meningeomen und bietet bildgebende Informationen, die als radiologische Referenz zur Erschlüssung des Ausmaßes der Gliominfiltration dienen können. Unsere Ergebnisse deuten darauf hin, dass dieser kombinierte Ansatz die diagnostische Leistung über die herkömmliche MRT hinaus verbessert, insbesondere zur Unterscheidung von HGGs von Meningeomen und zur Charakterisierung räumlicher Signalabweichungen, die auf mikroskopische Tumorausdehnung zurückzuführen sein könnten. Es ist jedoch entscheidend zu betonen, dass alle Interpretationen von "Infiltrationsgrenzen" in dieser Studie auf bildgebenden Surrogaten und nicht auf histopathologischer Bestätigung basieren. Die tatsächliche Entsprechung zwischen APT-Signalauffälligkeiten und echter Tumorzellinfiltration sowie deren Beziehung zu Patientenergebnissen oder Überleben erfordert prospektive Validierung durch bildgeführte stereotaktische Biopsie und longitudinale Nachbeobachtungsstudien. Daher sollte die APT-Bildgebung zwar als nicht-invasives molekulares Bildgebungsinstrument vielversprechend sein, aber ihre aktuelle klinische Rolle sollte als Ergänzung zur herkömmlichen MRT betrachtet werden und nicht als definitiver Biomarker für Tumorinvasionen. Mit weiterer multizentrischer Validierung und technischer Standardisierung könnte dieser Ansatz zur sich wandelnden Landschaft der präzisen neuroonkologischen Bildgebung und chirurgischen Planung beitragen.

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).

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.

Nachdrucke und Genehmigungen

Schlagwörter

APT BildgebungGliomdifferenzierungMeningeomdiagnostikBildgebung von HirntumorenChemical Exchange SaturationGliomgradingMRT von HirntumorenTumorproteingehalt
Kontakt
Rückmeldung an Ihre Bibliothek

Datenschutz

Nutzungsbedingungen

Richtlinien

Copyright © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.