Entwicklung von automatischen Verfahren zur Quantifizierung maligner Knochenläsionen auf Basis multimodaler Bildserien

• Antragsteller: Professor Dr. Rolf Bendl; Professor Dr. Tobias Bäuerle; Professor Dr. Jens Hillengaß
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik
• Förderung: Förderung von 2010 bis 2014
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 184564395

• Erstellungsjahr: 2014

Zusammenfassung der Projektergebnisse

Ossärer Befall bei Tumorerkrankungen wie Knochenmetastasen und Multiples Myelom betreffen das gesamte Skelett und haben neben der Tumormasse unterschiedliche Effekte auf den Knochen. Durch Aktivierung von Zellen, die für den Umbau der Knochenmasse verantwortlich sind, ist das Gleichgewicht von Knochen aufbauenden und abbauenden Zellen gestört. Daraus resultieren eine vermehrte Auflösung oder Neubildung der Knochenmasse. Neben der Segmentierung der Tumormasse ist die Messung der Veränderung der Knochenstruktur notwendig. Zum einen ist die manuelle Rekonstruktion der Knochenkontur zur Messung fehlender Knochenmasse nicht reproduzierbar, zum anderen sind bei systemisch befallenen Skeletten häufig so viele Läsionen vorhanden, dass nicht alle in einem angemessenen Zeitrahmen manuell segmentiert werden können, um die gesamte Tumormasse und den Grad des Knochenbefalls zu quantifizieren. In diesem Projekt wird eine Strategie zur Messung fehlender Knochenmasse in einem Rattenmodell mit Knochenmetastasen präsentiert sowie die Übertragbarkeit auf Patienten mit Multiplem Myelom geprüft. Um die Veränderung der Knochenmasse zu erfassen und quantifizieren, werden die Knochen mit einem gesunden Referenzmodell verglichen. Im Rattenmodell entsteht die Metastase immer nur auf einer Körperseite, daher werden hier als gesunde Modelle die Knochen der gesunden gegenüberliegenden Körperseite verwendet. Durch Überlagerung von verändertem Knochen und gesundem Modell können Veränderungen der Knochenmasse detektiert werden. Diese Vorgehensweise garantiert eine reproduzierbare Messung der Knochenläsionen und macht somit die gemessenen Volumina auch im Verlauf vergleichbar. Die bisherigen automatisierten Läsionssegmentierungen ergänzen den Knochen plausibel und sind reproduzierbar. Der Fokus in diesem Projekt liegt auf osteolytischen Läsionen (Knochenmetastasen beim Mammakarzinom und Multiples Myelom). Mit dem modellbasierten Vergleich ist jedoch auch die Messung osteoblastischer Läsionen möglich, die bisher von RECIST als nicht messbar deklariert werden. In Ganzkörper-Aufnahmen von Patienten mit Multiplem Myelom können Röhrenknochen durch eine Klassifikation von automatisch segmentierten Knochenmarkhöhlen detektiert werden. Die Identifikation einzelner Knochen ist wichtig, um gezielt darauf angepasste Segmentierungsstrategien anwenden zu können. Der Ansatz, veränderte Knochenstrukturen mit der gegenüberliegenden Körperseite zu vergleichen, erscheint auch hier für paarige Knochenstrukturen sinnvoll, da Läsionen vermutlich nicht an genau an den gleichen Stellen in beiden Körperseiten auftreten. Das angestrebte Ziel, durch eine multimodale Analyse der Bilddaten die Tumormasse im Tiermodell zu messen, konnte nicht erreicht werden. Die CT- und MR-Aufnahmen der retrospektiv betrachteten Daten im Tiermodell können aufgrund der großen Positionierungsunterschiede nicht räumlich korreliert werden. Damit ist eine wichtige Voraussetzung, unterschiedliche Eigenschaften einer Bildregion in verschiedenen Modalitäten zusammenzuführen, nicht erfüllt. Bei Myelom-Patienten haben exemplarische Versuche gezeigt, dass die Zusammenführung von multimodalen Eigenschaften die automatisierte Detektion von fokalen Läsionen ermöglicht. Die weitere Entwicklung von Mustererkennungsmethoden basierend auf mehreren Modalitäten erscheint vielversprechend.

Projektbezogene Publikationen (Auswahl)

• (2011) Fully automated model positioning for shape-based bone segmentation. Radiotherapy and Oncology 99 (Suppl.1), S480
  Fraenzle A, Bendl R
  
• (2012) Automatische Segmentierung und Klassifizierung von Knochenmarkhöhlen für die Positionierung von Formmodellen. Tolxdorff T, Deserno TM, Handels H, Meinzer HP (Eds.) Bildverarbeitung für die Medizin 2012, 280-285. Springer
  Fränzle A, Bendl R
  
• (2013) A quantification strategy for missing bone mass in case of osteolytic bone lesions. Medical Physics. 40(12):123501
  Fränzle A, Bretschi M, Bäuerle T, Giske K, Hillengass J, Bendl R
  
• (2013) Automatic Detection of Osteolytic Lesions in Rat Femur With Bone Metastases. Meinzer, HP, Deserno TM, Handels H, Tolxdorff T (Eds.) Bildverarbeitung für die Medizin 2013, 314-319. Springer
  Fränzle A, Bretschi M, Bäuerle T, Bendl R
  
• (2013) Fully automated shape model positioning for bone segmentation in whole-body CT scans. Abstract Book of the International Conference on the Use of Computers in Radiation Therapy 2013 (ICCR 2013). 118
  Fränzle A, Sumkauskaite M, Hillengass J, Bäuerle T, Bendl R
  
• (2013) Fully automated shape model positioning for bone segmentation in whole-body CT scans. Journal of Physics: Conference Series, 489: 012029
  Fränzle A, Sumkauskaite M, Hillengass J, Bäuerle T, Bendl R
  
• (2013) Quantification of osteolytic bone lesions in a preclinical rat trial. Sun C, Bednarz T, Pham TD, Vallotton P, Wang D (Eds.) International Symposium on Computational Models for Life Sciences. AIP Conference Proceedings. 1559: 307-312. AIP Publishing
  Fränzle A, Bretschi M, Bäuerle T, Giske K, Hillengass J, Bendl R
  
• Assessing treatment response of osteolytic lesions by manual volumetry, automatic segmentation, and RECIST in experimental bone metastases. Acad Radiol Volume 21, Issue 9, September 2014, Pages 1177-1184
  Bretschi M, Fränzle A, Merz M, Hillengass J, Semmler W, Bendl R, Bäuerle T