Aus dem Department für Radiologische Diagnostik und Therapie Klinik für Strahlenheilkunde der Albert-Ludwigs-Universität Freiburg im Breisgau Vergleich manueller und halb-automatischer Methoden der Zielvolumendefinition für die stereotaktische Strahlentherapie von Patienten mit malignen pulmonalen Läsionen in der 3D-FDG-PET, der 4D-FDG-PET und der 4D-CT INAUGURAL-DISSERTATION zur Erlangung des Medizinischen Doktorgrades der Medizinischen Fakultät der Albert-Ludwigs-Universität Freiburg im Breisgau Vorgelegt 2016 von Laura Kuder geboren in Lörrach Dekanin: Prof. Dr. Kerstin Krieglstein 1. Gutachter: Prof. Dr. med. Ursula Nestle 2. Gutachter: Prof. Dr. med. Monika Engelhardt Jahr der Promotion: 2016 0 Inhaltsverzeichnis 1 ZUSAMMENFASSUNG 1 2 GRUNDLAGEN 2 2.1 MALIGNELÄSIONENDERLUNGE 2 2.1.1. BRONCHIALKARZINOM 2 2.1.2. LUNGENMETASTASEN 2 2.1.3. DIAGNOSTIK 3 2.1.4. THERAPIEMALIGNERLÄSIONENDERLUNGE 6 2.2 BILDGEBUNG 8 2.2.1. COMPUTERTOMOGRAPHIE 8 2.2.2. FDG-PET 10 2.2.3. KOMBINATIONVONPETUNDCTIN3D-UND4D-AUFNAHMEN 12 2.2.4. INDIKATION/EINSATZVON3D-PET 13 2.3 STRAHLENTHERAPIE 16 2.3.1. DEFINITIONUNDWIRKUNGSWEISE 16 2.3.2. NEBENWIRKUNGEN 17 2.3.3. BESTRAHLUNGSTECHNIK 19 2.3.4. PLANUNGUNDDURCHFÜHRUNG 20 2.4 KONTURIERUNGSMETHODENINDER4D-CT 24 2.5 KONTURIERUNGSMETHODENINDERPET(3DUND4D) 26 2.6 KONTURIERUNGINKOMBINIERTEN3D-UND4D-PET/CT-AUFNAHMEN 30 3 FRAGESTELLUNGEN 30 4 MATERIALUNDMETHODEN 32 4.1.1. PATIENTENDATEN 32 4.1.2. BILDDATEN 33 4.1.3. DURCHFÜHRUNG 34 4.1.4. KONTURIERUNGSMETHODEN 37 4.2 AUSWERTUNG 39 4.3 KOOPERIERENDEEINRICHTUNGEN 41 5 ERGEBNISSE 42 5.1 INTEROBSERVERVARIABILITÄTDERMANUELLENKONTURENINDER4D-CT 42 5.1.1. VERGLEICHUNTERSCHIEDLICHERMETHODENZURBESTIMMUNGEINESVALIDENZIELVOLUMENSAUS DERPET-UNGATED 43 1 5.2 MANUELLEKONTURENINDER4D-PET 45 5.2.1. ABHÄNGIGKEITDERKISDES4D-PETVONDER„TUMORGRÖßE“(GTV-50%),DEMSUVMAXUNDDER BEWEGUNGSAMPLITUDE 47 5.2.2. ABHÄNGIGKEITDERKISDERITVSIM4D-PET-DATENSATZVOMSUVMAXDERLÄSIONEN 49 5.3 HALB-AUTOMATISCHEKONTURIERUNGSMETHODENINDER4D-PET 52 5.3.1. RANKINGDERHALBAUTOMATISCHENKONTURIERUNGSMETHODEN 57 5.3.2. ABHÄNGIGKEITDERKISDERHALB-AUTOMATISCHENKONTURENVONTUMORGRÖßE,SUVMAXUND BEWEGUNGSAMPLITUDE 58 5.4 KAPPAINDICESALLERMETHODENAUFEINENBLICK 60 6 DISKUSSION 61 7 SCHLUSSFOLGERUNGEN 66 8 LITERATUR 67 9 VERZEICHNISSE 78 9.1 VERZEICHNISDERABKÜRZUNGEN 78 9.2 VERZEICHNISDERABBILDUNGEN 80 10 VERZEICHNISDERTABELLEN 82 11 ANLEITUNGZURKONTURIERUNGIMAQUILAB-PROGRAMM 83 1 1 Zusammenfassung Zielsetzung: Die vorliegende Arbeit soll einen Beitrag zur Optimierung der Zielvolumendefinition für die stereotaktische Bestrahlung maligner Läsionen in der Lunge leisten. Die Bilddaten von SBRT (Stereotaktische Strahlentherapie)-Patienten mit Tumoren, die in der CT gut abgrenzbar sind, dienen als Modell um eine PET-basierte Methode zu erarbeiten, die später in Fällen wo der Tumor in der CT nicht eindeutig zu erkennen ist (z.B. SBRT zentraler Tumore), genutzt werden kann. Methoden: Es lagen 12 Datensätze koregistrierter 3D- und 4D-FDG-PET/CT- Aufnahmen von 11 stereotaktisch bestrahlten Patienten mit insgesamt 18 malignen pulmonalen Raumforderungen zugrunde. Vier Strahlentherapeuten konturierten GTVs (Gross Tumor Volume) in allen Schichten der 4D-CT- und der CT-ungated-Aufnahme (einem über die Zeit gemittelteten Bild). Drei dieser Observer definierten außerdem das GTV jeder Läsion in den 4D- und 3D-PET-Aufnahmen. Zwei Source/Background-Algorithmen - HomburgerAlgorithmus (HOM) und Rover-Algorithmus (Ro) - sowie zwei Schwellwert-basierte Algorithmen mit 15% bzw 40% des SUVmax, wurden für die GTV-Definition in der 3D- und 4D-PET eingesetzt. Für die 4D-Konturen wurde jeweils ein ITV (internal target volume) erstellt, das der Summe der GTVs aus allen Atemphasen entspricht. Als Referenz diente die Konsenskontur ITV-CT-Ref welche mittels eines Voting-Verfahrens (mindestenst zwei von vier) anhand der manuellen 4D-CT-Konturen erzeugt wurde. Mittels statistischer Standardmethoden wurden die Volumina und der Kappa Index (KI; auch als Dice Similarity Coefficient bekannt) für den Grad der Überlappung der Konturen verglichen. Ergebnisse: 3D-PET-Aufnahmen sind nicht geeignet für die Zielvolumendefinition bewegter Läsionen in der Lunge. 4D-PET-Aufnahmen hingegen können für die ITV-Bestimmung verwendet werden, was insbesondere bei Läsionen, die in der CT schlecht abgrenzbar sind, von Bedeutung ist. 2 2 Grundlagen 2.1 Maligne Läsionen der Lunge 2.1.1. Bronchialkarzinom Das Bronchialkarzinom ist eine der häufigsten malignen Erkrankungen weltweit. In Deutschland erkranken daran jedes Jahr etwa 50.000 Menschen (ZfKD). Sowohl bei Männern als auch bei Frauen stellt diese Diagnose hierzulande die dritthäufigste Krebserkrankung und bei Frauen auch die dritthäufigste Todesursache durch Krebs dar (ZfKD). Bei Männern handelt es sich mit 25% sogar um die häufigste Krebstodesursache. Der Trend entwickelt sich im Geschlechtervergleich gegenläufig: die Erkrankungs- und Sterberate steigt bei Frauen seit etwa 30 Jahren kontinuierlich an, während sie bei Männern deutlich zurückgegangen ist (Sauer 2006), was auf die unterschiedlichen Nikotinkonsum-Gewohnheiten zurückgeführt wird. Es besteht ein nachgewiesener Zusammenhang zwischen Nikotinkonsum und der Erkrankung an Lungenkrebs. Daten des Robert-Koch-Instituts legen nahe, dass bei etwa neun von zehn männlichen und bei sechs von zehn weiblichen Erkrankten der Nikotinkonsum als ursächlich für die Entstehung des Lungenkarzinoms angesehen werden kann (rki und dekid 2010). Das Erkrankungsrisiko ist abhängig von Intensität und Dauer des Konsums. Trotz intensiver Forschung ist die Letalität dieser Krebsart nach wie vor sehr hoch. Die 5Jahres-Überlebensrate liegt bei 13-19%. Diese Daten entstammen den Landeskrebsregistern (rki 2012). Die häufigste Form (>70%) des Bronchialkarzinoms ist das Nicht-Kleinzellige Lungenkarzinom (NSCLC = non-small cell lung cancer), welches histologisch weiter unterteilt wird in Plattenepithelkarzinom, Adenokarzinom und Großzelliges Lungenkarzinom und auch aufgrund der unterschiedlichen Therapiemöglichkeiten vom kleinzelligen Lungenkarzinom (SCLC = small cell lung cancer) unterschieden wird, welches in etwa 20% der Fälle auftritt. Letzteres hat die schlechteste Prognose, da es sehr schnell wächst und metastasiert (Travis 2004). 2.1.2. Lungenmetastasen Bei malignen Läsionen in der Lunge muss es sich nicht immer um ein Bronchialkarzinom handeln. Auch Metastasen anderer Krebsarten kommen als Differentialdiagnose in Betracht. Die Lunge ist das Organ, das am häufigsten von Fernmetastasen betroffen ist. Dies lässt sich anhand der anatomischen Verhältnisse nachvollziehen. Die Lunge hat ein sehr dichtes Kapillarsystem und ist das einzige Organ, durch welches die gesamte Lymphe und das 3 gesamte Blut des Körpers hindurchfließen. Tumorzellen, die direkt in die Blutbahn eintreten oder über den Ductus Lymphaticus in das venöse Blut gelangen, haben daher eine sehr hohe Wahrscheinlichkeit sich in der Lunge anzusiedeln. Die häufigsten Ursprungsorgane für Lungenmetastasen sind mit absteigender Häufigkeit: die weibliche Brust, das Kolon, der Magen, der Pankreas, die Nieren, die Haut (Melanom), die Prostata, die Leber, die Schilddüse, die männlichen Geschlechtsdrüsen und die weiblichen Geschlechtsdrüsen (Travis 2004). Lungenmetastasen liegen häufiger peripher, treten oftmals bilateral und eher in den unteren Lungenlappen auf, können jedoch auch als solitärer Herd in jedem der Lungenlappen auftreten. Endobronchial gelegene Metastasen sind eher selten (Abrams 1950, Travis 2004). 2.1.3. Diagnostik Bei klinischem Verdacht auf Lungenkrebs oder Lungenmetastasen sind das Anamnesegespräch und die körperliche Untersuchung wichtig um zunächst die Symptomatik und den Allgemeinzustand des Patienten genau zu erfassen. Letzterer ist von großer Bedeutung, da er maßgeblich die Therapieoptionen beeinflusst. Die Symptomatik kann Hinweise auf Tumorlokalisation und – ausbreitung bieten, ist in frühen Stadien jedoch oftmals unspezifisch. Husten, Schmerzen im Brustbereich sowie Kurzatmigkeit können vor allem bei über 50-jährigen Rauchern Hinweise auf ein Bronchialkarzinom sein und bei Patienten mit einem bekannten Tumorleiden auf Lungenmetastasen hindeuten. Im zweiten Schritt dient die bildgebende Diagnostik der genauen Lokalisation des Tumors sowie anschließend der bioptisch-histologischen Beurteilung. Zunächst wird in der Regel eine Röntgenaufnahme des Thorax in zwei Ebenen durchgeführt. Der periphere Tumor fällt hierbei häufig als Rundherd auf. Zentrale Herde und Lymphknoten lassen sich darin jedoch nicht sicher erkennen. Es folgen die sogenannten Staging-Untersuchungen welche der Feststellung von Tumorgröße, -ausbreitung (T), Lymphknotenbefall (N) und Metastasierung (M) dienen. Anhand dieser Parameter wird das cTNM-Stadium festgelegt (Edge 2010). Hierzu werden beim Bronchialkarzinom folgende Methoden der Bildgebung eingesetzt: ein KontrastmittelCT von Thorax und Oberbauch dient der Beurteilung des Primärtumors (cT-Stadium). Für die Darstellung betroffener Lymphknoten (cN-Stadium) wird in erster Linie die FDG-PET/CTUntersuchung durchgeführt. Zur Bestätigung - jedoch nicht zum Ausschluss - des Befalls mediastinaler Lymphknoten dienen minimalinvasive Verfahren. Zur Beurteilung der Metastasierungssituation (cM-Stadium) werden die Magnetresonanztomographie (MRT) des Schädels und die Ganzkörper-FDG-PET/CT eingesetzt. Zur Diagnosesicherung ist eine Probenentnahme erforderlich, die zum Beispiel bei einer Bronchoskopie oder – bei peripher gelegenen Herden – mithilfe einer transthorakalen 4 Nadelaspiration gewonnen wird. Zur definitiven Beurteilung und Unterscheidung ob es sich um ein Bronchialkarzinom oder eine Metastase eines anderen Karzinoms handelt, dienen die Histologie, die Immunhistochemie und falls notwendig die molekulargenetische Untersuchung des Gewebes (Travis 2004). Bevor invasive diagnostische Schritte durchgeführt werden, sollte allerdings eine Lungenfunktionsdiagnostik stattfinden, um die funktionelle Operabilität zu beurteilen (S3-Leitlinie Goeckenjan 2011). IASLC, UICC TNM 7. Auflage T1 Tumor bis 3cm, umgeben von Lungengewebe oder viszeraler Pleura. Hauptbronchus bronchoskopisch frei. T1a Läsion bis 2 cm T1b Läsion größer 2 cm bis 3 cm T2 T2-Tumor größer 3 cm bis 7 cm mit Befall von • Hauptbronchus > 2 cm entfernt von Carina oder • Viszerale Pleura infiltriert oder Atelektase oder obstruktive Entzündung bis zum Hilus, aber nicht der ganzen Lunge T3 T2-Tumor größer als 7 cm Tumor jeder Größe mit Infiltration von • Brustwand oder • Zwerchfell oder • mediastinaler Pleura oder • parietalem Perikard • Hauptbronchus < 2 cm entfernt von Carina, Carina selbst frei • Atelektase oder obstruktive Entzündung der ganzen Lunge getrennte Herde im gleichen Lungenlappen (ehem. T4) T4 Tumor jeder Größe mit Infiltration von • Mediastinum oder • Herz oder • großen Gefäßen oder • Trachea oder • Ösophagus oder • Wirbelkörper oder • Carina Tumorherde in anderen Lungenlappen ipsilateral (ehem. M1) M 1a Tumor mit malignem Pleura- oder Perikarderguss Tumorherde in der kontralateralen Lunge M 1b Fernmetastasen Tabelle 1 - 7.Auflage der UICC-TNM-Klassifikation für Bronchialkarzinom, seit 2010 geltend (nach S3-Leitlinie, Goeckenjan 2011) 5 Stadieneinteilung okkultes Karzinom Tx N0 M0 Stadium 0 Tis N0 M0 Stadium IA T1a N0 M0 T1b N0 M0 Stadium IB T2a N0 M0 Stadium IIA T1a N1 M0 T1b N1 M0 T2a N1 M0 T2b N0 M0 T2b N1 M0 T3 N0 M0 T3 gleicher Lappen* N0 M0 T1 N2 M0 T2 N2 M0 T3 N1 M0 T3 gleicher Lappen* N1 M0 T3 gleicher Lappen* N2 M0 T4 Ausdehnung N0 M0 T4 Ausdehnung N1 M0 T4 Herd ipsilateral # N0 M0 T4 Herd ipsilateral # N1 M0 T4 Ausdehnung N2 M0 T4 Herd ipsilateral # N2 M0 jedes T N3 M0 jedes T jedes N M1a (Mal. Pleura-od. Stadium IIB Stadium IIIA Stadium IIIB Stadium IV Perikarderguss od. kontralat. Metastase M1b (Fernmetas.) jedes T jedes N * Herd/e im gleichen Lappen, # Tumorherd/e im anderen Lungenlappen ipsilateral Tabelle 2 - Stadieneinteilung der ab 2010 geltenden 7. Auflage der UICC-TNM-Klassifikation (nach S3-Leitlinien Goeckenjan 2011) 6 2.1.4. Therapie maligner Läsionen der Lunge NSCLC Die Therapie des nicht-kleinzelligen Brochialkarzinoms ist abhängig von TNM-Stadium und Allgemeinzustand des Patienten. Sie sollte von einem interdisziplinären Expertenteam auf jeden Patienten individuell abgestimmt werden. Von zentraler Bedeutung sind hierbei die Operation, die Strahlentherapie eventuell in Kombination mit Chemotherapie, oder die Chemotherapie alleine. In den niedrigeren Tumorstadien (bis Stadium IIIA) stellt die Operation, mit dem Ziel der makroskopisch und mikroskopisch tumorfreien Resektion (R0), die Therapie der ersten Wahl dar. Indikation und Durchführung hängen vom Allgemeinzustand und der Lungenfunktion des Patienten ab. Alternativ wird bei T1-3N0 immer häufiger die stereotaktische Bestrahlung eingesetzt. Bisherige Studien weisen darauf hin, dass diese Methode ebenso gute Behandlungsergebnisse bezüglich Gesamtüberleben und Redzidivfreiheit aufweist wie die chirurgische Resektion bei zugleich niedrigen Nebenwirkungsraten (Chang 2015, Coon 2008, Haasbeeck 2011, Lagerwaard 2012, Timmerman 2014, Wulf 2005, Zimmermann 2005). Erwiesenermaßen können lokale Tumorkontrollraten >80% erreicht werden (Duncker-Rohr 2013), weshalb die stereotaktische Strahlentherapie im Stadium I-II (N0) insbesondere bei inoperablen NSCLC-Patienten bei denen eine gute Schonung des umliegenden Normalgewebes gewährleistet werden kann, empfohlen wird (S3-Leitlinie Goeckenjan 2011). In höheren Tumorstadien spielen zunehmend individualisierte multimodale Therapiekonzepte eine Rolle. Vorrangige Therapieziele sind die Symptomkontrolle und die Verlängerung der Überlebenszeit. Ein interdisziplinäres Expertenteam soll prüfen ob eine Operation, gegebenenfalls mit Induktions-(radio-)chemo-therapie, indiziert ist beziehungsweise ob eine definitive Radiatio oder eine Kombination aus Chemo- und Strahlentherapie sinnvoll erscheinen. In den Stadien IIIA und IIIB wird eine Resektion und/oder simultane Radio/Chemotherapie in kurativer Intention empfohlen. Gegenüber der alleinigen Bestrahlung oder Chemotherapie können hierdurch höhere Raten für das 5-Jahres-Überleben und die durchschnittliche Überlebenszeit erreicht werden (Aupérin 2010). In der Regel werden zwei Zyklen eines platinhaltigen Protokolls durchgeführt und die Gesamtstrahlendosis sollte bei 60-66Gray liegen. Symptomatische Patienten im Stadium IV oder im Stadium IIIB, falls Tumorausdehnung oder Allgemeinzustand des Patienten keine hochdosierte Strahlentherapie erlauben, erhalten eine palliative Bestrahlung des Thorax und gegebenenfalls der symptomverursachenden 7 Metastasen, zum Beispiel Knochenmetastasen oder Hirnmetastasen (S3-Leitlinie Goeckenjan 2011). Patienten, die bei Erstdiagnose des NSCLC eine kurativ angehbare einzelne Metastase im Gehirn oder der Nebenenniere sowie einen lokal behandelbaren Tumor vorweisen, können im Einzelfall in kurativer Intention behandelt werden. In diesem Falle wird empohlen zunächst die Hirnmetastase mittels Operation plus Ganzhirnbestrahlung oder Radiochirurgie zu behandeln beziehungsweise eine Nebennierenresektion durchzuführen bevor der Primärtumor entfernt wird. Anschließend wird eine adjuvante Chemotherapie empfohlen (S3-Leitlinie Goeckenjan 2011). Auch Patienten mit bis zu maximal fünf Metastasen und einem lokal therapierbaren Primarius können von einem kurativen Ansatz profitieren. Hierzu sind jedoch noch weitere Studien notwendig (Ashworth 2013). Patienten, die eine aktivierende Mutation des EGF-Rezeptors vorweisen, steht mit Gefitinib und Erlotinib eine Therapiemöglichkeit zur Verfügung welche der Chemotherapie signifikant überlegen ist (Maemondo 2010, Rosell 2012). Es handelt sich hierbei um TyrosinkinaseInhibitoren (TKIs), die in den Signalweg von Wachstumsfaktoren der EGFR (epidermal growth factor receptor)-Familie hemmend eingreifen. Auf dem Gebiet der so genannten „Targeted Therapies“ wird aktuell rege geforscht. Monoklonale Antikörper und smallmolecule TKIs greifen auf molekularer Ebene in die veränderten Signalwege der Tumorzellen ein und schonen dabei gleichzeitig die gesunden Zellen. Allerdings gibt es gerade beim NSCLC besonders viele molekulare Varianten so dass eine zielgerichtete molekulare Therapie nur wirksam eingesetzt werden kann wenn das molekulare Tumorprofil des Patienten bekannt ist (Larsen 2011). Lungenmetastasen Die Therapie von Lungenmetastasen ist abhängig vom Primärtumor und die systemische Therapie in Form von Immuntherapie, Antikörpertherapie sowie Chemotherapie spielt eine wesentliche Rolle. Die lokale Therapie in Form der chirurgischen Metastasenresektion ist von Bedeutung bei vereinzelten Metastasen (bis zu 3 Herden), die komplett reseziert werden können. Bei Patienten die eine Operation ablehnen oder die in Anbetracht eines reduzierten Allgemeinzustandes (insbesondere bei reduzierter Lungenfunktion) nicht für eine chirurgische Therapie infrage kommen oder wenn mehrere operative Eingriffe notwendig wären um alle Metastasten entfernen zu können, stellt die stereotaktische Strahlentherapie eine mögliche Alternative dar. Insbesondere die häufig peripher gelegenen Herde (Abrams 1950, Travis 8 2004) eignen sich für die Stereotaktische Strahlentherapie und spielen daher eine Rolle in der vorliegenden Dissertation. Bisherige Studien ergaben Tumorkontrollraten von 66 bis 98% und die Nebenwirkungen waren ebenso niedrig wie bei der stereotaktischen Bestrahlung früher Stadien des Lungenkarzinoms (Lee 2003, Nagata 2002, Okunieff 2006, Ricardi 2012, Navarria 2014, Wulf 2004). Bei einer kleinen Gruppe von Patienten (circa 20%) kann sogar ein längerfristiges progressionsfreies Überleben von zwei bis fünf Jahren mittels Chirurgie oder Stereotaktischer Bestrahlung in oligometastatischen Stadien mit bis zu maximal 5 Metastasen erreicht werden (Inoue 2010, Jung 2015, Milano 2009, Pastorino 1997, Rusthoven 2009). Dennoch bleibt das Risiko für das spätere Auftreten neuer Metatasen hoch (Rusthoven 2009). Milano et al. (Milano 2009) publizierten ermutigende Daten für die wiederholte Stereotaktische Metastasenbestrahlung. Dies wurde in ihrer Studie bei 32 Patienten, die bereits eine erste stereotaktische Metastasenbestrahlung erhalten hatten, durchgeführt. Nach 2 Jahren lebten noch 65% und 54% waren tumorfrei. Nach 4 Jahren betrugen das Gesamtüberleben und die Tumorfreiheit 33% und 28%. Eine randomisierte, multizentrische Phase-II-Studie zum Vergleich der stereotaktischen Metastasenbestrahlung (maximal 5 Metastasen vorhanden) in kurativer Intention versus einem palliativen Vorgehen wird aktuell von Palma et al. (Palma 2012) durchgeführt. 2.2 Bildgebung 2.2.1. Computertomographie Seit Ende der 1970er Jahre steht die Computertomographie (CT) als dreidimensionales bildgebendes Verfahren zur Verfügung. Es werden Röntgenbilder aus verschiedenen Richtungen aufgenommen und anhand des Computers in Schichtbilder übertragen. Die lokale Abschwächung der Röntgenstrahlen an jedem Punkt wird im CT-Bild anhand von verschiedenen Graustufen wiedergegeben. Als Maß für die Röntgenschwächung µ werden Hounsfield Einheiten (HE) angegeben. Um eine Kontrastanhebung zu erreichen wird nur ein begrenzter Ausschnitt des gesamten verfügbaren Grauwertebereichs ausgewählt. Diesen Vorgang nenne man Fensterung. Die Fensterung spielt eine wichtige Rolle bei der Beurteilung von CT-Bildern durch das menschliche Auge. Es gibt verschiedene typische Fenster für unterschiedliche Gewebe (z.B. Weichteilfenster, Knochenfenster, Lungenfenster). Die CT spielt heute eine zentrale Rolle sowohl in der Diagnostik des Bronchialkarzinoms und pulmonaler Metastasen (s. Kapitel 2.1.3) als auch in der Bestrahlungsplanung. Im Thoraxbereich können jedoch die Atembewegungen des Patienten die Bildqualität negativ 9 beeinflussen. Die schnelle CT-Aufnahme, welche nur wenige Sekunden dauert, hat einen „Schnappschuss“-Charakter. Während der Aufnahme einzelner Schichtbilder und zwischen den einzelnen Aufnahmen bewegt sich der Tumor atembedingt weiter, was zu gegebenenfalls nicht repräsentativen Lokalisationen und Verzerrungen der Tumorform führt. Eine verlängerte Aufnahmezeit, die eine Abbildung der Bewegung ermöglicht, bedingt zugleich eine erhöhte Bildunschärfe, die eine klare Abgrenzung der untersuchten Strukturen deutlich erschwert (Chen 2004). Eine Möglichkeit Bewegungsartefakte zu vermeiden besteht darin nur in einer Atempause CT-Bilder aufzunehmen. In der Regel wird der Patient aufgefordert am Ende der Einatmung die Luft anzuhalten. Diese atemgetriggerte Aufnahme ergibt ein dreidimensionales CT-Bild, bei dem alle Schichten in der gleichen Atemphase (z.B. endinspiratorisch) aufgenommen wurden und wird gated-CT genannt. Die 4D-CT wurde Ende der 1990er Jahre entwickelt und wird inzwischen standardmäßig für die Bestrahlungsplanung eingesetzt. Die Atembewegungen des Patienten werden zum Beispiel über einen verformbaren Gurt, der die Veränderung des Bauch- oder Thoraxumfangs zu jedem Zeitpunkt misst und als Information an den CT-Scanner sendet, registriert. Der Atemzyklus wird bei diesem Verfahren retrospektiv in 10 Phasen unterteilt und die 3D-CTBilddaten einer jeden Bettposition werden anschließend den entsprechenden Atemphasen zugeordnet. Beide Verfahren (gated-CT und 4D-CT) führen zu einer erheblichen Reduktion von Bewegungsartefakten, die jedoch nicht gänzlich vermieden werden können. Je kürzer die Aufnahmezeit einer einzelnen CT-Schicht, desto weniger Bewegung findet statt und desto geringer fallen die Artefakte aus. Da jedoch bei beiden Verfahren Bilder über mehrere Atemzyklen hinweg aufgenommen werden, welche naturgemäß nie absolut identisch verlaufen, können Artefakte nicht gänzlich vermieden werden (Persson 2010, Rietzel 2005). Diagnostische Einschänkungen der CT bestehen bezüglich des Erkennens von Metastasen in hilären und mediastinalen Lymphknoten und der Abgrenzung von Tumorgewebe gegen Atelektasen. Dales et al. (Dales 1990) ermittelten anhand einer Metaanalyse eine Sensitivität von 79% und eine Spezifität von 78% für die Erkennung tumorbefallener Lymphknoten anhand der CT bei NSCLC. Die FDG-PET, die Informationen zu Stoffwechselvorgängen wiedergibt, spielt daher in der Diagnostik von Lungenkrebs bei der Beurteilung von Lymphknotenbefall und zur Abgrenzug gegenüber Atelektasen eine wichtige Rolle (Bradley 2004, Deniaud-Alexandre 2005, Grootjans 2015, Nestle 1999, Steenbakkers 2006). 10 2.2.2. FDG-PET 2.2.2..1 Funktionsweise Die Positronen-Emissions-Tomographie ist eines der sensitivsten und spezifischsten bildgebenden Verfahren zum TNM-Staging des NSCLC (Grotus 2009). Es handelt sich hierbei um ein bildgebendes Verfahren das, im Gegensatz zur CT, nicht primär anatomische Strukturen darstellt, sondern auf der Darstellung von Stoffwechselvorgängen basiert. Hierzu wird dem Patienten vor der Untersuchung ein radioaktiver Tracer injiziert. Bei onkologischen Fragestellungen wird häufig (18F)-Fluordeoxyglukose verwendet. Dieser Tracer verteilt sich nach intravenöser Applikation im Körper ebenso wie Glukose. Das heißt, er wird über Glukosetransporterproteine (GLUT1-GLUT5) in die Zellen aufgenommen. Dort wird er von der Hexokinase phosphoryliert, nimmt jedoch nicht an weiteren Stoffwechselschritten teil. Dadurch kommt es zum so genannten „Trapping“ - also zur Akkumulation von (18F)-FDG in der Zelle. Das Nuklid 18F hat eine Halbwertszeit von 109,8 Minuten und wird über die Nieren ausgeschieden (Dresel 2008). Es wird in allen Zellen angereichert, die einen besonders hohen Glukoseverbrauch haben. Dazu gehören physiologischerweise das Gehirn und das Myokard; aber auch Tumorzellen haben einen erhöhten Glukosebedarf und dies macht man sich bei onkologischen Fragestellungen zu Nutze. Allerdings reichert (18F)-FDG auch in entzündlichem Gewebe an und kann dadurch zu falsch positiven Ergebnissen führen (Bakheet 2000). Da in der vorliegenden Arbeit ausschließlich der Tracer (18F)-FDG verwendet wurde, wird in der Folge nur noch von PET die Rede sein. 18F ist ebenso wie andere in der PET verwendete Tracer ein Positronen-emittierendes Radionuklid, das einem ß+-Zerfall unterliegt. Dabei werden ein Positron und ein Neutrino freigesetzt. Das Positron verliert kinetische Energie an das umliegende Gewebe und kommt nach einigen Millimetern zum Stillstand wenn es mit einem Elektron aus der Umgebung reagiert. Aus dieser Annihilierungsreaktion entstehen zwei Vernichtungsquanten, die mit gleichzeitig (koinzident) je 511keV in einem Winkel von annähernd 180° in entgegen gesetzte Richtungen auseinander streben. Diese Quanten werden im PET-Gerät von zwei gegenüberliegenden Detektoren registriert und bilden die Grundlage für die spätere bildliche Darstellung (Rekonstruktion). Die Verbindungslinie zwischen den beiden Detektoren, auf der diese Annihilationsereignisse registriert werden, wird Line of Response (LOR) genannt und ermöglicht eine dreidimensionale Zuordnung der Ereignisse (Martínez 2008). Moderne Geräte haben sehr sensitive Detektoren zur Erfassung der koinzidenten Ereignisse. Dadurch entsteht die Möglichkeit die Time of Flight (ToF) zu erfassen. Die Detektoren messen hierbei 11 die Ankunftszeit der beiden Quanten, so dass berechnet werden kann, an welcher Position auf der LOR das Annihilationsereignis stattfand. Die Genauigkeit der Position ist abhängig von der zeitlichen Signalauflösung der Detektoren. Diese Technik ermöglicht also eine präzisere Lokalisation des Annihilationsereignisses wodurch ein schärferes Bild mit reduziertem Rauschen rekonstruiert werden kann (Spanoudaki 2010). Trotz der technischen Fortschritte der PET-Geräte werden aufgrund der sehr geringen Menge applizierter radioaktiver Substanz nur wenige Ereignisse detektiert. Dies hat zur Folge, dass statistisches Hintergrundrauschen mit kürzerer Messzeit zunimmt. Die Messzeit beträgt in der Regel etwa 3 Minuten (Brown 2010, Molina-Duran 2014). Zur diagnostischen Auswertung der PET-Daten wird ein Maß für die Anreicherung des Radionuklids im Gewebe verwendet: der standardized uptake value, kurz SUV (Keyes 1995). SUV = Auf den Zeitpunk der Messung zerfallskorrigierte Aktivität/Gewebsvolumen im Bild_ Auf den Zeitpunk der Messung zerfallskorrigierte injizierte Aktivität/Körpergewicht Dieses hängt jedoch von einer Vielzahl von Faktoren ab, die berücksichtigt, bzw. korrekt durchgeführt werden müssen. Von Bedeutung sind unter anderem die Art des verwendeten Radionuklids, die Genauigkeit der applizierten Aktivität (d.h. Messung der vollen und der leeren Spritze), der Injektionszeitpunkt, der Zeitpunkt der Bildakquisition und das Körpergewicht des Patienten. Handelt es sich um einen glukosehaltigen Tracer spielt auch der Blutzuckerspiegel des Patienten eine Rolle weshalb die Untersuchung im nüchternen Zustand durchgeführt werden sollte (Keyes 1995, Thie 2009). Ein SUV-Wert von 1 ergibt sich bei einer gleichmäßigen Verteilung des Tracers im Gewebe (Ashamalla 2005). SUV-Werte größer 1 beschreiben eine Anreicherung des radioaktiven Stoffes in einem bestimmten Volumen. Im gesunden Gewebe kommen meist Werte zwischen 1 und 2 vor. Bei malignen Läsionen kann der SUV-Wert deutlich höher liegen. Die Interpretation des SUV-Wertes sollte jedoch nur unter Einbeziehung aller physikalischen und physiologischen Faktoren geschehen (Lucignani 2004). Aufgrund der eingeschränkten räumlichen Auflösung sowie der erschwerten anatomischen Zuordnung der PET-Daten, wird die Akquisition dieser Bilder heutzutage beinahe ausschließlich an die Aufnahme von CT-Bildern gekoppelt. 12 2.2.3. Kombination von PET und CT in 3D- und 4D-Aufnahmen In den Abbildungen 1 bis 3 sieht man axiale Schnittbilder eines Patienten auf Höhe von Herz und Lunge in der CT (Abb.1), in der PET (Abb.2) sowie in der fusionierten PET/CTAufnahme (Abb.3). Die FDG-Anreicherung leuchtet in der PET hell auf und demarkiert zentral das Herz sowie peripher einen Tumorherd in der rechten Lunge. Abbildung 1: CT-axiales Schnittbild durch die Lunge Abbildung 2: PET-axiales Schnittbild durch die Lunge Abbildung 3: koregistriertes PET/CT (selber Patient) 13 In kombinierten PET/CT-Geräten werden innerhalb einer kurzen Zeitspanne direkt nacheinander CT- und PET-Daten gemessen, mit geringem Einfluss auf die Position des Patienten und ohne nennenswerte Bewegungsartefakte. Somit ist bereits durch die Gerätetechnik eine sehr exakte Überlagerung der PET- und der CT-Schichtbilder möglich und die Stoffwechselprozesse in der PET können direkt den Strukturen in der CT zugeordnet werden (Bildfusion). Allerdings ist die CT sehr viel schneller in der Akquisition von Bilddaten als die PET, bei der man für eine Ganzkörperuntersuchung des Patienten mit einer Aufnahmedauer von 5 bis 20 Minuten rechnen muss. Bei der kombinierten PET/CT kann dieses Phänomen zusätzlich zu Ungenauigkeiten bei der Koregistrierung der PET-Bilder mit denen der Computertomographie führen, da die Zwerchfellposition jeweils unterschiedlich sein kann. Um diesen Artefakten entgegenzuwirken wurde das Verfahren der 4D-PET/CT entwickelt, bei dem die CT- und PET-Aufnahmen an die Atemexkursionen gekoppelt werden. Hierbei wird zum Beispiel ein verformbarer Gurt um den Bauch des Patienten geschnallt. Dieser misst den Abdominalumfang und dessen Veränderungen und sendet diese Information an den PET/CT-Scanner. Die Atemzyklen des Patienten werden registriert und die Bilder können nach der Aufnahme einer bestimmten Phase des Atemzyklus zugeordnet werden (Dresel 2008). Nehmeh et al. (Nehmeh 2004) zeigten in einer Studie, dass mit der Methode der 4D-PET/CT die Präzision der Bilder zunimmt und auf Grund der geringeren Bildverschmierung höhere SUV-Werte gemessen werden. Es stellt sich jedoch die Frage, welchen Einfluss dies konkret auf die Strahlentherapie hat. Gehen erhöhte SUV-Werte auch mit einer präziseren GTVKonturierung einher? (Mehr dazu siehe Kapitel 5. Ergebnisse) 2.2.4. Indikation/Einsatz von 3D-PET Seit den 1990-er Jahren wurden zahlreiche Studien publiziert, die den Nutzen des diagnostischen Einsatzes der 3D-PET bei onkologischen Fragestellungen belegen. Für den Einsatz der PET/CT wird eine durchschnittliche Spezifität von etwa 78% und Sensitivität von 90% bezüglich der Diagnostik von primären Bronchialkarzinomen, respektive 85-92% und 74-85% für das Erkennen von mediastinalen Lymphknoten-Metastasen sowie von über 90% (Spezifität und Sensitivität) für entfernte Metastasen mit Ausnahme von Hirnmetastasen angegeben. Für das Erkennen von Hirnmetastasen ist die FDG-PET mit einer Sensitivität von nur knapp 60% nicht geeignet (Gambhir 2001, Hellwig 2009). In den folgenden Jahren erweiterte sich das Einsatzgebiet der PET und es häufte sich die Evidenz über den Wert der 14 PET-Daten für das Staging, die Bestrahlungsplanung, zum Monitoring des Therapieerfolges und der Nachsorge von NSCLC (Grootjans 2015). 2.2.4..1 Einsatz in der Bestrahlungsplanung Die PET liefert erwiesenermaßen wichtige Informationen bei der Abgrenzung von Atelektasen gegenüber Tumorgewebe in der Lunge sowie auch bezüglich der Dignität von Lymphknoten (Bradley 2004a, Deniaud-Alexandre 2005, Grootjans 2015, Konert 2015, Nestle 1999, Steenbakkers 2006). In der CT werden Atelektasen in Tumorrandgebieten in der Regel bei der Definition des Zielvolumens mit eingeschlossen, was bei der Strahlentherapie zu einer erhöhten Strahlenexposition von tumorfreiem Lungengewebe und anderen Risikoorganen führt. Es zeigte sich, dass unter Einbeziehung der PET-Informationen bei der Bestimmung des Zielvolumens in 30 – 60% der Fälle Veränderungen bezüglich des rein CTbasiert erstellten Bestrahlungsplans ergaben (Greco 2007). Dabei wurden entweder atelektatische Gewebeanteile aus dem Bestrahlungsgebiet entfernt oder Lymphknoten mit einbezogen, die nur mit Hilfe der PET als maligne erkannt worden waren. In einer Studie mit 21 NSCLC-Patienten verglichen Grills et al. (Grills 2007) Bestrahlungspläne die auf CTDatensätzen basierten mit Plänen, die auf reinen 3D-PET-Daten beziehungsweise auf fusionierten PET/CT- Bildern basierten. In 40% der Fälle führte die rein computertomographische Konturierung zu einem Dosismangel im Zielvolumen gegenüber der PET/CT-Fusion. Weitere Studien (De Ruysscher 2005a und 2005b, De Ruysscher 2012, van Baardwijk 2007) bestätigen die Ergebnisse der Homburger Arbeitsgruppe aus dem Jahr 1999, die erstmals den eindeutigen Nutzen der PET in der Bestrahlungsplanung belegte, insbesondere bei Patenten mit Belüftungsstörungen (Nestle 1999). Die unterschiedlichen Informationen die CT und PET bezüglich Anatomie beziehungsweise Stoffwechseleigenschaften liefern, ergänzen sich gegenseitig und ihre Kombination wirkt sich vorteilhaft auf die Bestrahlungsplanung aus (Nestle 2004). Diese Erkenntnis wird durch die Beobachtung untermauert, dass die Interobservervariabilität auf diese Weise gegenüber der rein CT-basierten Planung verringert werden kann (Caldwell 2001, De Ruysscher 2012, Fox 2005, Hanna 2010, Steenbakkers 2006). In einer Vergleichsstudie der Volumina von PET und CT versus Pathologie zeigten Cheebsumon et al (Cheebsumon 2012), dass PET-basierte Konturierungsmethoden Volumina lieferten, die besser mit dem pathologischen Korrelat übereinstimmten als die CT-basierten Konturen, die signifikant größer waren (3.8 mm, p<0.05) als die pathologische Referenz. Hierdurch wurden die Ergebnisse von van Baardwijk et al. (van Baardwijk 2007) und Stroom et al. (Stroom 2007) bestätigt. 15 Des Weiteren konnte gezeigt werden, dass die PET-basierte Bestrahlung mediastinaler Lymphknoten mit sehr geringen Lokalrezidivraten einhergeht (De Ruysscher 2005b, De Ruysscher 2012). 2.2.4..2 Klinische Relevanz – Auswirkung auf die Therapieentscheidung Welche Auswirkung hat das Hinzuziehen von PET-Daten auf das therapeutische Prozedere? Von besonderem Interesse sind diesbezüglich die Daten, die von Gregory et al. (Gregory 2012) publiziert wurden. Es handelt sich um eine prospektive Studie mit 168 NSCLCPatienten, die nach Durchführung des konventionellen Stagings (CT-Thorax/Abdomen, MRT, Knochenszintigraphie) für eine kurative Therapie in Frage kamen. Es wurde anschließend eine 3D-PET/CT durchgeführt, die bei 41,1% der Patienten ein höheres und bei 9,5% ein niedrigeres TNM-Stadium ergab. Dies führte in 42,3% der Fälle zu einer Änderung des ursprünglich geplanten therapeutischen Vorgehens. Anschließend wurde das Therapieregime dokumentiert und die Patienten wurden 5 Jahre nachbeobachtet. Die Korrektheit der PET/CTDaten wurde anhand der histologischen Ergebnisse (sofern welche zur Verfügung standen), dem klinischen Follow-up und dem Gesamtüberleben überprüft. Das Gesamtüberleben konnte anhand der mittels PET/CT ermittelten Tumorstadien präziser und signifikanter korreliert werden als mit den Stadien, die vor der PET/CT-Aufnahme diagnostiziert worden waren. Die verfügbaren histologisch untersuchten Tumorresektate bestätigten die Informationen der PET/CT. Weitere Publikationen (Abramyuk 2012, Kolodziejczyk 2011, Mac Manus 2001, Mac Manus 2002) bestätigen den Wert der PET/CT-Daten für die korrekte Stadieneinteilung von NSCLCPatienten, so dass unnötige Behandlungen in palliativen Situationen ebenso vermieden werden können wie eine therapeutische Unterversorgung von Patienten in niedrigeren Tumorstadien. Es bleibt jedoch das Problem der atemabhängigen Bewegungen von Läsionen im thorakalen Bereich. Wie kann die Bewegung sicher dargestellt und bei der Bestrahlungsplanung optimal berücksichtigt werden? Mehr hierzu in Kapitel 2.3.4.1. 16 2.3 Strahlentherapie 2.3.1. Definition und Wirkungsweise Unter dem Begriff „Strahlentherapie“ versteht man den Einsatz ionisierender Strahlung zu therapeutischen Zwecken. Zu den ionisierenden Strahlen zählt man elektromagnetische Strahlung wie Gammastrahlen und Röntgenstrahlen, sowie Partikelstrahlung aus Elektronen, Neutronen, Protonen oder schweren Ionen. Die Anti-Tumor-Wirkung beruht unter anderem auf der irreversiblen Schädigung der zellulären DNA, welche letztendlich zum Zelltod führt. Die Zahl an Ionisationen pro Gewebeeinheit (Joule/kg) wird als Ionendosis mit der Einheit Gray (Gy) angegeben. Eine Dosis von 1Gy verursacht in der Regel ca. 1500 Einzelstrang- und ca. 40 Doppelstrangbrüche pro Zelle (Lohr und Wenz 2007). Je höher die applizierte Gesamtdosis, desto mehr Tumorzellen – aber auch gesunde Zellen – werden geschädigt. Die Tumornähe zu strahlenempfindlichen, gesunden Organen wirkt sich limitierend auf die therapeutische Breite der Bestrahlung aus. Ein Mechanismus um diese zu erweitern stellt die fraktionierte Dosisapplikation dar. Zwischen den einzelnen Sitzungen hat das gesunde Gewebe Zeit sich zu erholen und Zellschäden mit Hilfe von Reparaturmechanismen zu beheben. Diese Mechanismen sind in Tumorzellen gestört und deutlich weniger effektiv. Auf diese Weise lassen sich die Nebenwirkungen, die auf der Zerstörung von gesundem Gewebe basieren, verringern, und die Gesamtdosis der Bestrahlung kann erhöht werden. Üblicherweise werden heutzutage 2Gy pro Tag an fünf Tagen pro Woche über einen Zeitraum von mehreren Wochen appliziert (Fleckenstein 2007). Es gibt allerdings auch hochpräzise Bestrahlungsformen, wie zum Beispiel die Stereotaktische Strahlentherapie, bei denen die Gesamtdosis in einigen wenige Fraktionen – oder sogar in einer einzigen Sitzung (Radiochirurgie) – appliziert wird (s. Kapitel 2.3.3). Weiterhin ist es natürlich Ziel der Bestrahlungsplanung und -technik das Bestrahlungsfeld möglichst präzise auf den Tumor einzuschränken. Nur wenn ausnahmslos alle clonogenen Tumorzellen abgetötet werden, kann eine Heilung erreicht werden. Bei der Bestrahlungsplanung stehen jedoch nur makroskopische Abbildungen zur Verfügung. Somit steht der Strahlentherapeut vor der schwierigen Entscheidung, wo er die äussere Tumorbegrenzung festlegen soll. (Mehr zu den bildgebenden Verfahren in Kapitel 2.2.) Die vorliegende Arbeit hat zum Ziel Informationen zu liefern, die zur Optimierung dieses Prozesses beitragen. 17 2.3.2. Nebenwirkungen Die Nebenwirkungen der Strahlentherapie werden unterschieden in Früh- und Spätfolgen. Das Ausmaß der unerwünschten Reaktionen ist abhängig von der Gesamtdosis, der Fraktionierung und der Größe des bestrahlten Volumens. Schnell proliferierendes Gewebe wie Haut und Schleimhäute reagieren besonders frühzeitig (Akutreaktion innerhalb der ersten Tage bis Wochen nach Bestrahlungsbeginn), erholen sich in der Regel jedoch gut. Für die Strahlentoleranz des Normalgewebes liegen gut belegte Daten zur Normalgewebstoxizität vor. Folgende Tabelle bietet eine Übersicht der möglichen Nebenwirkungen der Strahlentherapie pulmonaler Läsionen: Organ Folgen: Toleranzdosis Lunge radiogene Pneumonitis (nach ca. 6 20-25Gy, abh. von Volumen und Wochen), später Fibrose (Monate bis Fraktionierung (De Ruysscher Jahre) 2005a) Ösophagitis (früh) ab 55Gy, höheres Risiko bei Spätfolge: Fisteln, Strikturen zusätzl. Chemotherapie (Bradley Ösophagus 2004b) Herz Aorta Perikarditis, später erhöhte Inzidenz für 40Gy (ganzes Herz) - 60Gy Myokardinfarkt in Folge von (bestrahltesVolumen geringer) Coronargefäßschäden (Herrmann 1997) Hämoptyse, Aortenaneurysma, 120Gy (Evans 2013) Aortenruptur Nervensystem Plexus-Läsion, radiogene Myelitis mit max. 50Gy (De Ruysscher 2005a) Paraparese nach Monaten bis Jahren Skelett Rippenfrakturen und Rippennekrosen, ab 40Gy abh. von Volumen und v.a. bei Einzeittherapie und Fraktionierung; max 50Gy Hypofraktrionierung (Adolino 2007) Tabelle 3 – Mögliche Nebenwirkungen der Strahlentherapie im thorakalen Bereich Die Lunge ist sehr strahlenempfindlich und kann bereits ab Dosen von 20 Gy bei konventioneller Fraktionierung eine radiogene Pneumonitis enwickeln, welche mit einer akuten Entzündungsreaktion des Lungengewebes einhergeht und circa sechs Wochen nach Bestrahlung eintritt. Mit einer Latenz von ein bis sechs Monaten kommt es zu nicht aufhaltbaren fibrotischen Umbauprozessen, die in ihrer Symptomatik von der Größe des 18 betroffenen Areals abhängen und die Lungenfunktion verschlechtern können. Die radiogene Pneumonitis wird symptomatisch mit Cortison behandelt. Die Wahrscheinlichkeit des Auftretens struktureller Schäden steigt mit einer zunehmenden Gesamtdosis von über 25 Gray. Prophylaktische Maßnahmen bestehen in der Fraktionierung der Bestrahlung und in der bestmöglichen Schonung des gesunden Lungengewebes. Von Bedeutung für die Bildgebung ist die Tatsache, dass die radiogene Pneumonitis zu einer FDG-Anreicherung führt, was die Nachsorge, insbesondere die Rezidiverkennung und die Beurteilung der Tumorremission erschwert (Nestle 2002). Spätfolgen treten definitionsgemäß frühestens nach 90 Tagen bis Jahre nach der Strahlentherapie auf und betreffen eher langsam proliferierendes Gewebe wie Fibroblasten und Nervenzellen. In der Regel ist diese Reaktion dann irreversibel sowie chronisch fortschreitend und wirkt sich häufig in Form einer Fibrosierung aus. Diese kann beispielsweise im Ösophagus zu Strikturen und Fisteln mit einhergehenden Schluckstörungen und Schmerzen führen (Bar-Ad 2012, Bradley 2004a). Die Therapie ist oftmals schwierig. Schädigungen am Nervensystem entwickeln sich häufig erst nach Jahren und äußern sich durch langsam fortschreitende sensible und motorische Ausfälle, die zu schweren Behinderungen führen können. Aus diesem Grund ist die Schonung des Myelons bei thorakaler Bestrahlung von großer Bedeutung. Eine Myelitis kann bei konventioneller Fraktionierung ab einer Dosis von 46 Gy auftreten (De Ruysscher 2005a). Die Inzidenz kann durch Hyperfraktionierung gesenkt werden (Niewald 1999, Rampling 1998, Werner-Wasik 2004). Spätfolgen am Herzen beruhen auf der Schädigung von Koronarien und können sich in Form von Herzinfarkt manifestieren. Die Toleranzdosis wird abhängig von der Größe des bestrahlten Areals mit 40 Gy (Bestrahlung des gesamten Herzens) bis 60 Gy (nur Teile des Organs bestrahlt) angegeben (Herrmann 1997). Bei der Bestrahlung zentraler Tumorherde kann es passieren, dass die Aorta hohen Strahlendosen ausgesetzt wird, was zwar eher selten vorkommt, jedoch schwerwiegende bis hin zu tödlichen Folgen haben kann. In einer von Evans et al. (Evans 2013) publizierten Studie erlitten 25% der Patienten in einem Zeitraum von bis zu 39 Monaten nach ihrer letzten Bestrahlung schwere Folgen der aortalen Schädigung, definiert als Hämoptysen, Blutungen aus der rupturierten Aorta, Aortenaneurysma oder –dissektion im bestrahlten Gebiet. Bei einer Gesamtdosis von >120Gy in einem Gebiet von insgesamt 1cm3 der Aorta traten in 25% der Fälle schwere toxische Folgeschäden auf, gegenüber 0% bei denjenigen, die weniger als 120Gy erhalten hatten (p = 0.047). 19 2.3.3. Bestrahlungstechnik Man unterscheidet grundsätzlich die Brachy- von der Teletherapie. Bei Letzterer liegt die Strahlenquelle außerhalb des Körpers und hat keinen Kontakt zur Körperoberfläche. Im Gegensatz hierzu wird bei der Brachytherapie die Strahlungsquelle sehr nah an den Tumor gebracht. Häufig wird sie in Körperhöhlen, zum Beispiel beim Ösophagus- oder Cervixkarzinom, plaziert (intrakavitäre Therapie). Oder das Tumorgewebe wird mittels Schläuchen und/oder Nadeln „gespickt“ wie bei der Prostatabestrahlung (Sauer 2006). Um die Präzision der Dosisapplikation zu verbessern, wird an der Bestrahlungstechnik der Teletherapie stetig geforscht. Die Strahlung wird im Gerät, in der Regel verwendet man für die Teltherapie Linearbeschleuniger, erzeugt. Es handelt sich um hochenergetische Eletronenund/oder Photonenstrahlung im Bereich von 4-25 Megaelektronenvolt. Die Dosisverteilung der Strahlung wird heute üblicherweise anhand von Multileaf-Kollimatoren angepasst (Sauer 2006). Neuere Entwicklungen sind zum Beispiel die Stereotaxie und die Intensitätsmodulierte Bestrahlung (IMRT). Bei der IMRT wird das Bestrahlungsfeld mit Hilfe inverser Bestrahlungsoptimierung in sehr viele kleine Unterfelder unterschiedlicher Intensitäten unterteilt. Auf diese Weise kann es an komplexe Tumorformen angepasst werden wobei durch die dreidimensionale Überlagerung der Strahlenfelder im Tumorgebiet eine hohe Dosis erreicht wird bei gleichzeitiger Schonung des umliegenden Gewebes. Die stereotaktische Strahlentherapie zeichnet sich durch ihre hoch präzise Einstellungsgenauigkeit (im Bereich von etwa 1mm) aus und wird in der Regel in drei bis acht Fraktionen appliziert. In bestimmten Fällen, wie zum Beispiel der Bestrahlung von Hirnmetastasen, wird die gesamte Strahlendosis in einer einzigen Fraktion erteilt. Man spricht dann von Radiochirurgie. Dabei wird eine größere Zahl von Bestrahlungsfeldern in unterschiedlichen Winkeln angeordnet, wodurch ein rascher Dosisabfall am Übergang von Tumorrand zu Normalgewebe erreicht werden kann. Hierzu ist es notwendig, den Patienten in der Bestrahlungsposition stabil zu lagern. Im Bereich des Oberkörpers lassen sich Bewegungen aufgrund der Atmung nicht vermeiden. Es muss jedoch sicher gestellt werden, dass bei jeder Strahlenapplikation das Zielvolumen mit äußerster Genauigkeit bestrahlt wird. Hierzu werden Maßnahmen sowohl bei der Bestrahlungsplanung (4D-Bilddaten, ITV-Konturen (Internal Targt Volume; mehr dazu in den folgenden Kapiteln) als auch bei der Bestrahlung (Positionierung, Lagekontrolle mittels CT, Ultraschall, Durchleuchtung, Bauchpresse zur Minimierung der Atembewegung, 20 atemgetriggerte Bestrahlung) angewandt. Die Positionierung erfolgt bei der stereotaktischen Körperbestrahlung mit Hilfe einer Vakuummatratze und bei der Radiochirurgie von Zielvolumina im Kopfbereich mithilfe einer Maske oder eines angeschraubten Metallrings am Schädel. 2.3.4. Planung und Durchführung Zielvolumina Im Rahmen der Bestrahlungsplanung muss zunächst das Zielvolumen definiert werden. Hierfür konturiert ein Strahlentherapeut in einem dreidimensionalen Bilddatensatz, in der Regel handelt es sich hierbei heutzutage um ein 3D-Planungs-CT, in jeder einzelnen Schicht den sichtbaren Tumor, befallene Lymphknoten und/oder Metastasen. Dabei wird jede verfügbare Information bezüglich makroskopischer und mikroskopischer Ausbreitung wie klinischer Befund, Histologie, MRT-, PET-Bilddaten etc. miteinbezogen. Das auf diese Weise konturierte Volumen wird als GTV – Gross Tumor Volume – (s.u.) (ICRU 1993, ICRU 1999) bezeichnet. Die Volumina, die für die Bestrahlung von Bedeutung sind, wurden von der ICRU (Internation Commission on Radiation Units & Measurements) in Report 50 und 62 folgendermaßen definiert: Abbildung 4: Schematische Darstellung der Zielvolumina (Doll, 2013) GTV – Gross Tumor Volume Enthält den sichtbaren, ggf. tastbaren Primärtumor, befallene Lymphknoten und Metastasen; CTV – Clinical Target Volume Umfasst das GTV und einen zusätzlichen Randsaum, der die mikroskopische Ausbreitung des Tumors mit einschließen soll; 21 PTV – Planning Target Volume Zum CTV wird ein Sicherheitssaum hinzugefügt, der geometrische, bewegungsabhängige, lagerungsabhängige Unsicherheiten berücksichtigen und sicherstellen soll, dass das CTV jederzeit die volle Dosis erhält. ITV – Internal Target Volume Um Informationen über die Organ- und somit auch Tumorbewegung zu berücksichtigen, werden entweder populationsbasierte Standardabweichungen der Organbewegung oder 4DCT-Datensätze verwendet. Hierbei wird die Läsion während des gesamten Atemzyklus abgebildet. In jeder Atemphase wird eine CTV-Kontur erstellt und die Summe dieser Konturen – das ITV – berücksichtigt somit die Tumorlage in jeder Bewegungsphase (Allen, 2004) und wird in das PTV mit einbezogen. Da das ITV darauf abzielt 100% Dosisbelastung des CTV zu jedem Zeitpunkt des Atemzyklus sicherzustellen, wird bei der Erweiterung zum PTV nur noch ein geringer Sicherheitssaum bezüglich Lagererungsunsicherheiten und technischer Parameter hinzu gefügt. TV - Treated Volume Bezeichnet den Bereich, der mindestens die vom Strahlentherapeuten festgelegte minimale therapeutische Dosis erhalten hat und von der entsprechenden Isodosenfläche umfasst wird. Idealerweise sollte das Treated Volume dem PTV entsprechen. IrV - Irradiated Volume Bezeichnet das Volumen, das eine Strahlendosis erhalten hat, die oberhalb der Toleranzgrenze des Normalgewebes liegt. 22 Abbildung 5 -Zielvolumina nach ICRU 50: Schematische Darstellung der internen Bewegung des CTV und der daraus resultierenden Definition von ITV und PTV am Beispiel eines atembeweglichen Zielvolumens. EXP: Exspiration; AML: Atemmittellage; INS: Inspiration Zusätzlich zum Zielvolumen zeichnet der Strahlentherapeut auch Risikoorgane ein, die im Rahmen der Bestrahlungsplanung berücksichtigt werden müssen. Dabei handelt es sich in der Thoraxregion um das Rückenmark, den Plexus Brachialis, den Ösophagus, die Lungen, das Herz, den Bronchialbaum, die grossen Blutgefässe, und die Rippen. Anschließend wird in Zusammenarbeit mit den Strahlenphysikern ein Bestrahlungsplan erstellt. Es werden verschiedene Strahlenfelder addiert und in modernen Linearbeschleunigern mithilfe von Multi-Leaf Kollimatoren in Form und Größe begrenzt. Ziel ist eine möglichst homogene und hohe Gesamtdosis im Tumorvolumen bei zugleich maximaler Schonung des umliegenden Normalgewebes sowie der Risikoorgane. Im Dosis-Volumen-Histogramm wird das Volumen einer bestimmten Kontur (GTV, Risikoorgan), das eine bestimmte Dosis erhalten wird, abgebildet und es können maximale und mittlere Dosiswerte errechnet werden. Mit diesen kann im Folgenden auch die Wahrscheinlichkeiten für Tumorkontrolle sowie zu erwartender Nebenwirkungen abgeschätzt werden (Pötter 2010). 2.3.4..1 Berücksichtigung von atemabhängigen Tumorbewegungen Die Atmung ist ein komplexer physiologischer Vorgang, welcher zyklisch und mit einer unvermeidlichen Unregelmäßigkeit verläuft. Er hängt von vielen unvorhersehbaren Faktoren ab und verläuft für jeden Menschen anders. Zudem kann jeder einzelne Atemzyklus anders ablaufen als der vorherige. Das Ausmaß der atembedingten Bewegung von Lungentumoren 23 reicht von wenigen Millimetern bis zu mehr als 3 cm. Gelegentlich kommt es vor, dass die Einatmung und die Ausatmung sehr unterschiedliche Bewegungsmuster hervorrufen. Dieses Phänomen wird als Hysteresis bezeichnet (Erridge 2003, Keall 2006, Seppenwoolde 2002, Korreman 2012). Dies stellt eine besondere Herausforderung für die Bestrahlungsplanung und –durchführung dar, bei der ein Maximum an Präzision angestrebt wird um Tumorherde zu vernichten und gleichzeitig das umliegende gesunde Gewebe zu schonen. Es wird daher, zum Einen, stetig an Methoden geforscht die Bewegung anhand der Bildgebung genauer zu erfassen um sie bei der Erstellung von Bestrahlungsplänen so genau wie möglich mit einplanen zu können. Zum Anderen, zielt die Forschung darauf ab die Bewegung während des Bestrahlungsvorganges zu berücksichtigen. Strahlunterbrechung (gating) und Bewegungsverfolgung (tracking) Bei der Strahlunterbechung, beam gating genannt, handelt es sich um eine Methode, bei der die Bestrahlung mit dem Atemzyklus des Patienten synchronisiert wird. Der Strahl wird hierbei nur in bestimmten Phasen des Atemzyklus angeschaltet oder nur zu Zeitpunkten, wo der Patient nicht atmet (Mah und Henkelman 1984, Peltola 1986, Rekonen und Toivonen 1985). Mittels Spirometer und eingebauter Ventile, die den Luftstrom von Ein- und Ausatmung kontinuierlich messen und am Computerbildschirm anzeigen, wird die Atmung registriert. Durch Verschluss der Ventile zu einem gewählten Zeitpunkt kann der Atemfluss unterbrochen werden um die Bestrahlung während der Atempause durchzuführen (Wong 1999). Alternativ kann die Atembewegung auch mittels eines verformbaren Gurtes, der die atembedingte Bewegung in Höhe des Abdomens misst, mittels Marker (z.B. Leuchtdioden), die auf der Haut platziert werden oder durch Temperaturmessung in der Atemmaske ermittelt werden (Berbeco 2006). All diese Methoden messen die atembedingte Bewegung des menschlichen Körpers und erlauben damit Rückschlüsse auf die Tumorbewegung welche sie jedoch nicht direkt messen können (Korreman 2012). Zusätzliche Informationen über die Bewegungen körperinterner Strukturen kann die Durchleuchtung bieten (Cui 2007). Beim sogenannten tracking wird ein beweglicher Strahl auf den Tumor gerichtet, der letzteren in seinen Bewegungen verfolgt (engl. tracking). Hierfür ist zusätzliche Bildgebung während der Bestrahlung notwendig. In der Regel werden Bilder aus verschiedenen Positionen aufgenommen, häufig im rechten Winkel zum Bestrahlungsstrahl. Auf diese Weise entstehen zweidimensionale Bilder, deren Informationen addiert werden können. Mithilfe der Durchleuchtung können Bilder in einer bogenförmigen Bewegung des Gerätes aufgenommen 24 werden, um dreidimensionale Bilder zu erzeugen (Cone Beam CT, zu deutsch Kegelstrahltomographie). Während einer Aufnahme werden mehrere Atemzyklen abgebildet weshalb ein verschmiertes dreidimensionales Bild entsteht (Korremann 2015). Außerordentlich präzise Informationen über die Tumorposition in Echtzeit erreicht man mittels implantierter Marker. Ein limitierender Faktor für die Nutzung dieser Methode sind die Schwierigkeiten, die bei der Implantation der Marker auftreten können. Bei der perkutanen Implantation wird ein Pneumothorax-Risiko von bis zu 30% angegeben, in bis zu 10% der Fälle sei eine Thoraxdrainage erforderlich (Patel 2013, Trumm 2014). Des weiteren besteht ein hohes Risiko, dass die Marker wandern. In einer Studie von Bhagat et al. (Bhagat 2010) wanderten 11 von 59 (19%) perkutan implantierten Markern. Die bronchoskopische Implantation stellt eine mögliche Alternative für peripher gelegene Tumore dar (Harada 2002). Wenn für die Bestrahlung weder die Methode der Strahlunterbrechung (gating) noch der Bewegungsverfolgung (tracking) in Frage kommt, so bietet die 4D-CT-Aufnahme Möglichkeiten die atembedingte Tumorbewegung in der Bestrahlungsplanung zu berücksichtigen. 2.4 Konturierungsmethoden in der 4D-CT Traditionell wurden vor allem mathematische Algorithmen zur Berechnung der notwendigen geometrischen Expansion vom GTV zum ITV und schließlich PTV eingesetzt, die auf statistischen Daten zu Atembewegung beruhen, welche in der Bevölkerung ermittelt wurden. Ein bedeutender Nachteil liegt jedoch in der fehlenden Berücksichtigung individueller Atemexkursionen, die von Patient zu Patient erheblich variieren können. Van Herk et al. (Van Herk 2000, Van Herk 2004) entwickelten eine mathematische Gleichung um den notwendigen Sicherheitssaum für das PTV zu berechnen, welche seither häufig eingesetzt wird. Sie berücksichtigt Standardabweichungen, die sich aus bekannten Fehlerquellen bezüglich der Bestrahlungsplanung und -durchführung ergeben. Dazu gehören zum Beispiel Positionierungsfehler und die Bewegungsamplitude des Tumors welche anhand der inzwischen standardmäßig verwendeten 4D-CT-Daten ermittelt werden kann. Die 4D-CT-Daten können genutzt werden um das Zielvolumen in jeder der 10 Atemphasen zu konturieren. Die Summe dieser Konturen ergibt das ITV, welches den Tumor in jeder Position des abgebildeten Atemzyklus erfasst. Durch diese Methode kann im Vergleich zur Planung mittels 3D-CT mehr gesundes Gewebe geschont werden und eine Dosiseskalation ist möglich (Underberg 2005a, Bai 2014). Nachteile sind vor allem der hohe Zeitaufwand der manuellen Konturierung in allen 10 Timebins (Atemphasen-korrelierten Aufnahmen) 25 (Steenbakkers 2006) sowie die Intra- und Interobserver-Variabilität (Caldwell 2001, Doll, 2013, Hanna 2010). Die Interobservervariabilität (IOV) ist ein Thema an dem rege geforscht wird und zu dem es zahlreiche Veröffentlichungen gibt. Es steht jedoch nicht im Zentrum dieser Arbeit, die das Ziel hat den Nutzen von 3D- und 4D-PET-Aufnahmen für die Delineation von Tumoren welche sich in der 4D-CT schlecht abgrenzen lassen, zu untersuchen. Bei der Maximum Intensity Projection (MIP) wird aus den Daten der 4D-CT-Aufnahme ein 3D-Datensatz generiert, der sich aus den Bildpunkten der maximalen Intensität aus allen zur Verfügung stehenden Aufnahmen zusammensetzt. Das ITV wird dann in diesem MIP-3DDatensatz konturiert. Hierdurch kann der benötigte Zeitaufwand deutlich reduziert werden (Underberg 2005b). Allerdings gibt es Studien die darauf hindeuten, dass bei dieser Methode das ITV zu klein ausfällt und den Tumor mit seiner Bewegung nicht vollständig erfasst (Cui 2007, Ezhil 2009). Eine weitere Methode beruht darauf die mittlere Position des Tumors zu definieren. In allen Phasen des 4D-Datensets wird hierfür das Zielvolumen markiert um anschließend eine über die Zeit gemittelte Mittelposition (mid-position) zu berechnen. Für die Erstellung des Bestrahlungsplans wird dann diejenige (dreidimensionale) CT-Aufnahme gewählt, in der sich der Tumor am nächsten zu der berechneten Mittelposition befindet (mid-ventilation scan) und die gemessene Bewegungsspanne des Tumors wird bei der Erstellung des PTVs durch das Addieren eines entsprechenden Faktors berücksichtigt (Wolthaus 2006). In den seltenen Fällen, die eine starke Hysteresis aufweisen, kommt es zu einer signifikanten Abweichung der Tumorposition des Mid-Ventilation-Scans von der Mittelposition. Dieser Effekt kann folgendermaßen vermieden werden: das sogenannte Midposition-CT wird anhand des 4DDatensatzes rekonstruiert indem für alle abgebildeten Strukturen, inklusive des Tumors, eine über die Zeit gemittelte Mittelposition berechnet wird (Wolthaus 2008). In einer retrospektiven Studie mit 45 Lungenkrebs-Patienten unterschiedlicher Erkrankungsstadien verglichen Wolthaus et al. (Wolthaus 2008) folgende Methoden der 4DCT mit der PTV- Definition anhand eines 3D-CT-Datensatzes: Midposition, exhale-gated und ITV. Letztere unterschied sich von der oben beschriebenen Praxis, da nicht in jeder Atemphase konturiert wurde. Stattdessen wurde zum GTV eine lineare Erweiterung addiert, welche der gemessenen Tumorbewegung in jede Richtung entsprach. Es zeigte sich, dass die Tumorbewegung auf diese Weise jedoch signifikant überschätzt wurde und in sehr großen ITVs resultierte. Die beiden anderen Methoden hingegen führten zu einer signifikanten Reduzierung des PTVs gegenüber der Konturierung in der 3D-CT. Die Autoren empfehlen 26 die exhale-gated Bestrahlung für Patienten mit einer großen Bewegungsamplitude und die Midposition-Methode für die stereotaktische Bestrahlung (Wolthaus 2008). 2.5 Konturierungsmethoden in der PET (3D und 4D) Die präzise Markierung von Zielvolumina im PET-Datensatz ist aufgrund der vergleichsweise niedrigen Auflösung und der Randunschärfe der zu konturierenden Regionen eine besondere Herausforderung. Zahlreiche Forschungsgruppen beschäftigen sich mit dieser Problematik und haben unterschiedliche Methoden entwickelt. Folgende Verfahren wurden in der vorliegenden Arbeit Strahlentherapeuten untersucht: und/oder die visuelle Nuklearmediziner, „Delineation“ automatische durch Verfahren erfahrene wie die Schwellwert-Methode sowie halbautomatische Verfahren wie die Source-to-background Algorithmen. H. Zaidi und I. El Naqa (Zaidi 2010) publizierten 2010 eine Zusammenschau der zu diesem Zeitpunkt vorliegenden Studien zu den verschiedenen Konturierungsmethoden in der 3D-PET. Die Vor- und Nachteile der hier erwähnten Verfahren werden in ihrer Publikation folgendermaßen zusammengefasst: • Die visuelle Konturierung hat den Vorteil, dass sie ohne großen technischen Aufwand durchzuführen ist. Allerdings ist der zeitliche Aufwand für den konturierenden Arzt umso höher und auch die Intra- und Interobservervariabilität stellt einen bedeutenden Nachteil dar. • Die Schwellwert-Methoden sind aufgrund ihrer einfachen Handhabung und hohen Effizienz weit verbreitet. Problematisch sind allerdings die Beeinflussung des Ergebnisses durch PET-Anreicherung aufgrund benigner Läsionen, Bewegungsartefakte, heterogene Traceranreicherung im Tumor, Einflüsse anderer Behandlungen, wie zum Beispiel Chemotherapie und zahlreiche weitere Faktoren der Bildakquisition und –verarbeitung. • Die Source-to-background Algorithmen zählen ebenfalls zu den SchwellwertMethoden. Sie zeichnen sich jedoch dadurch aus, dass sowohl Intensitätsunterschiede in der Kontrastmittelanreicherung als auch Tumorvolumen berücksichtigt werden, was zu besseren Ergebnissen führt als die alleinige Berücksichtigung eines dieser Parameter (Schaefer 2008). 27 Eine der ersten Schwellwert-Methoden, die mithilfe von Phantommessungen an unbewegten sphärischen Modellen etabliert wurde, suggeriert einen Schwellwert von 40-50% der maximalen Anreicherung (SUVmax) (Erdi 1997). Der Schwellwert von 40% wurde daraufhin in Untersuchungen mit Lungenkrebspatienten eingesetzt um die Übereinstimmung mit Konturen, die anhand der CT erstellt worden waren zu überprüfen (Bradley 2004a, Erdi 2002, Mah 2002). In den folgenden Jahren wuchs jedoch das Wissen um atemabhängige Bewegungsartefakte, und es beschäftitgen sich zahlreiche Forschungsgruppen mit dieser Problematik (Lamare 2007, Li 2006, Nehmeh 2008, Qiao 2007, Rahmim 2009). Die Abbildung der Bewegung in der PET, wenn sie denn präzise konturiert werden könnte, stellt ein große Chance bei der Bestrahlungsplanung von Lungenläsionen dar. Die vorliegende Arbeit verwendet atemgetriggerte und ungetriggerte PET- sowie 4D-CTDaten und vergleicht jeweils die entsprechenden Konturen (s. Kapitel 3.5 - Fragestellung und Kapitel 4 - Material und Methoden). Im Jahr 2003 untersuchten Caldwell et al. (Caldwell 2003) anhand von bewegten Phantomen die Präzision von 3D-CT- versus 3D-PET-Aufnahmen. Es zeigte sich, dass die 3D-PETBilder das dreidimensionale, bewegte ITV mit Hilfe eines SUV-Schwellwertes von 15% sehr viel genauer wiedergeben als die 3D-CT-Bilder. Die so entstandenen 3D-PET-basierten PTVs enthielten weniger gesundes Gewebe als die PTVs aus der 3D-CT. Ein Schwellwert von 40% erwies sich als nicht ausreichend, um die geringere Intensität an den äußersten Rändern der Bewegungsauslenkung zu registrieren. In einer Studie mit 31 Patienten verglichen Wu et al. (Wu 2010) verschiedene Schwellwerte zur Zielvolumendefinition anhand von 3D-PET sowie CT-basierten Zielvolumina mit dem resezierten Tumor. Der optimale Schwellwert lag bei 50%. Es wurde jedoch zunehmend deutlich, dass der optimale Schwellwert in Abhängigkeit zum Tumorvolumen variiert. In einer PET-Untersuchung mit bewegten und unbewegten Phantomen bestätigten Yaremko et al. (Yaremko 2005), dass bewegte Tumormassen in 3DPET-Aufnahmen einen niedrigeren Schwellwert benötigen als unbewegte und dass dieser für kleinere Tumorvolumina höher liegen müsse. Dies wurde 2008 von Okubo et al. (Okubo 2008) bestätigt, die zudem einen Schwellwert von 35% für Tumoren > 22 mm empehlen. Die Abhängigkeit des optimalen Schwellwertes zur Tumorgröße wurde für Läsionen in der Lunge von Biehl et al. (Biehl 2006) folgendermaßen mathematisch beschrieben: %Schwellwert = 59,1 – 18,5 × log10(Tumorvolumen) 28 Nicht nur die Abhängigkeit des optimalen Schwellwertes von der Tumormasse spricht gegen den Einsatz eines festgelegten, allgemeingültigen Wertes. Ein weiterer Nachteil besteht darin, dass der Hintergrund und die Bewegung bei dieser Methode nicht berücksichtigt werden. Einige Autoren entwickelten daher Algorithmen, um den Schwellwert an die signal to background ratio (SBR) anzupassen (Black 2004, Daisne 2003, Nestle 2005, Schinagl 2007). Für diese Methode ist eine Kalibrierung notwendig. Hierzu werden Messungen an Phantomen durchgeführt wobei Kugeln unterschiedlicher Größe mit einer bestimmten FDGAktivitätskonzentration befüllt werden, während die Aktivitätskonzentration des Hintergrundes variiert wird. Die Phantom-Bilddaten müssen selbstverständlich an den selben Geräten und unter den selben Konditionen aufgenommen und verarbeitet werden wie die Patientendaten. Im Planungssystem wird dann für die Kugeln unterschiedlicher Größen und für die verschiedenen SBRs der jeweils optimale Schwellwert bestimmt und daraus ein Algorithmus abgeleitet der für die Patientendaten eingesetzt wird. Nestle et al. (Nestle 2007b) erarbeiteten folgende Formel: SUV Schwellwert = (a * SUVKugel) + (b * SUVHintergrund) Als mittlerer SUV der Kugel wurde der Mittelwert der von der 70%-Isokontur umgebenden Anteile der Kugel verwendet. Dieser Algorithmus wurde 2008 überarbeitet (Schaefer 2008): TS = a * mSUV(70)+b * BG • TS = Threshold = Schwellwert • mSUV(70) entspricht dem mittleren SUV derjenigen Anteile der Läsion, die von der 70%-Isokontur umschlossen werden. • BG = background = Hintergrund • a und b entsprechen den Kalibrierparametern, die über Phantommessungen ermittelt werden und abhängig vom PET-Scanner sind (Zaidi 2010). 29 Bei einem Kugeldurchmesser > 3cm gilt a = b = 0,5 und bei einem Durchmesser < 3cm gilt a = 0,67 und b = 0,6 bei dem ECAT ART System (Siemens Medical Solutions, Knoxville, TN), das von der Homburger Arbeitsgruppe zum Kalibrieren benutzt wurde (Schaefer 2008). Die Hintergrundaktivität wird folgendermaßen bestimmt: regions-of-interest (ROIs) werden in allen Ebenen im Abstand von mindestens 5mm vom Zielvolumen determiniert und der durchschnittliche SUV-Wert all dieser ROIs wird als BG (Hintergrund) verwendet (Schaefer 2008). So wie bereits im Kapitel 2.2. beschrieben, gibt es heutzutage auch die Möglichkeit atemgetriggerte 4D-PET-Aufnahmen zu nutzen. In der Regel werden diese an eine CTAufnahme gekoppelt (4D-PET/CT). Die 4D-PET geht mit erhöhten SUV-Werten sowie einer verringerten Tumorgröße einher, da die Läsion sich weniger verwischt darstellt (Nemeh 2004, Park 2008). Die Tumorbewegung wird in der 4D-PET ebenso gut dargestellt wie in der 4DCT (Wolthaus 2005). Aristophanous et al. (Aristophanous 2012) verglichen drei Konturierungsmethoden in der 3Dund 4D-PET. Es handelte sich um eine automatische Methode mit SUV-Anreicherung >2,5, einen Source-to-background Algorithmus (Gaussian mixture model [GMM] Aristophanous 2007) sowie die manuelle Konturierung durch einen Strahlentherapeuten. Alle Methoden führten zu größeren Zielvolumina in der 4D-PET als in der 3D-PET und wiesen vor allem in der kranio-kaudalen Richtung größere Durchmesser auf. Da die Atembewegung überwiegend zu kranio-kaudalen Verschiebungen der Läsionen führt, deutet das größere Volumen der 4DKonturen auf einer verbesserten Darstellung der Tumorbewegung hin. Allerdings liefert die Studie keine Informationen darüber welche der untersuchten Methoden am geeignetsten wäre. Eine alternative Methode zur Definition eines ITVs anhand der 4D-PET wurde von Lamb et al. (Lamb 2011) untersucht. Es handelt sich um die Methode der Maximum-IntensityProjection (MIP), die in Kapitel 2.2 für die 4D-CT beschrieben ist. Anhand von vier gut abrenzbaren Läsionen der Lunge verglichen Lamb et al. (Lamb 2011) ITVs aus der PET-MIP mit der 3D-PET und der CT-MIP. In der PET wurden SUVmax-Schwellwerte von 20%, 30% und 40% sowie absolute SUV-Werte größer 2,5 und größer 3 verwendet. Die ITVs aus der PET-MIP zeigten eine höhere Übereinstimmung (Kappa Index) mit den ITVs der CT-MIP als die Konturen der 3D-PET. Darüber hinaus zeigte sich eine höhere Übereinstimmung in den ITVs der verschiedenen Methoden innerhalb der PET-MIP als innerhalb der 3D-PETKonturen. 30 2.6 Konturierung in kombinierten 3D- und 4D-PET/CT-Aufnahmen In 3D-CT-Aufnahmen werden atembewegte Läsionen verzerrt dargestellt und führen oftmals zu Fehllokalisationen (s. auch Kapitel 2.2) während die PET mit ihrer Aufnahmezeit von mehreren Minuten zu einer verwischten Darstellung der bewegten Tumormasse führt. Daher sollte für die Bestrahlungsplanung mittels 3D-PET/CT das Zielvolumen vorrangig anhand der PET-Daten definiert werden (Konert 2015). Limitation ergeben sich aus der niedrigen Auflösung von circa 4-8 mm der PET- Daten sowie der eingeschränkten Darstellung des vollen Bewegungsumfanges stark bewegter Tumoren und von Läsionen mit geringer FDGAnreicherung (s. Kapitel 2.5; Hanna 2012, Konert 2015). Die 4D-CT ist diesbezüglich überlegen und kann eine genauere Abbildung des bewegten Tumors ermöglichen (Bai 2014, Hanna 2012, Underberg 2005a). Es wird empfohlen die Konturierung anhand der 4D-CT-Daten unter Berücksichtigung der zusätzlichen Information der 4D-PET-Daten (bzgl. Abgrenzung gegen Atelektasen (Nestle 1999) und angrenzender Gewebe wie das Mediastinum sowie Befall von Lymphknoten (De Ruysscher 2005b)) durchzuführen (Konert 2015). 3 Fragestellungen Wie aus den vorangehenden Kapiteln hervorgeht, spielt die Bestrahlung eine wesentliche Rolle in der Theapie von Patienten mit malignen Läsionen der Lunge. Ziel ist die Applikation einer möglichst hohen Strahlendosis im Tumorgewebe bei zugleich maximaler Schonung des gesunden Gewebes. Dies stellt eine große Herausforderung für die Bestrahlungsplanung und – durchführung dar, die im thorakalen Bereich durch die atembedingten Bewegungen zusätzlich erschwert wird. Für die Planung konventioneller Strahlentherapie wird in der Regel das Midposition-CT verwendet während für die Stereotaktische Bestrahlungsplanung die visuelle Konturierung anhand der 4D-CT den aktuellen Standard darstellt. Dass der Einsatz von PETDaten hilfreiche Informationen liefert ist hinreichend belegt und in den vorangehenden Kapiteln erläutert worden. Jedoch gibt es bislang keinen eindeutigen Konsens darüber welche Methode zur Zielvolumendefinition anhand von 3D- oder 4D-PET/CT-Daten verwendet werden sollte. Die 3D-PET-Aufnahme hat gegenüber dem schappschussartigen Charakter der CT den Vorteil, dass sie bedingt durch die lange Aufnahmezeit von mehreren Minuten, die Bewegung des Tumors über mehrere Atemzyklen hinweg abbildet. Ein Zielvolumen, das anhand der 3DPET definiert wird, muss daher größer ausfallen als das Tumorvolumen und könnte eine gute 31 Grundlage für die kontinuierliche Bestrahlung ohne Strahlunterbrechung bieten indem sie sicherstellt, dass zu jedem Zeitpunkt der Tumor an seinem Aufenthaltsort erfasst wird. Allerdings geht die 3D-PET-Aufnahme bewegter Tumore mit unscharfen Grenzen an den äußersten Punkten der Bewegungsamplitude einher, was die eindeutige Konturierung erschwert. An dieser Stelle kann die 4D-PET eine klarere Abgrenzung ermöglichen und man könnte erwarten, dass das Zielvolumen welches das volle Ausmaß der Bewegung erfasst, größer ausfällt als anhand der 3D-PET. Daraus leiten sich für die vorliegende Arbeit folgende Fragen ab: 1. Interobservervariabilität: Vergleich der manuellen Expertenkonturen untereinander. Ist die Übereinstimmung ausreichend um das mittels Voting-Verfahren ermittelte ITV-CT-Ref als Referenz verwenden zu können? 2. Gibt es eine Methode um aus der dreidimensionalen ungated-PET-Aufnahme eine Kontur zu erstellen, die der Referenz aus der 4D-CT entspricht? 3. Führt das manuelle Konturieren in der 4D-PET zu ITVs, die der Referenz in der 4D-CT entsprechen? 4. Führt das Konturieren in der 4D-PET mit halb-automatischen Konturierungsmethoden zu ITVs, die der Referenz in der 4D-CT entsprechen? 32 4 Material und Methoden 4.1.1. Patientendaten Der Erprobung verschiedener Konturierungsmethoden lagen zwölf Datensätze koregistrierter 4D-FDG-PET/CT- Aufnahmen von elf verschiedenen Patienten zugrunde, die im Zeitraum zwischen Dezember 2009 und Juli 2010 an der Strahlenklinik der Universität Freiburg stereotaktisch bestrahlt wurden. Diese retrospektive Studie wurde von der Ethikkomission der Universität Freiburg genehmigt. Tabelle 4: Patientendaten BewegungsPatient Läsion Geschlecht 6 1 w 6 2 7 1 7 Alter amplitude(cm) Histologie 1,3 NSCLC RUL 1,19 NSCLC RUL 0,84 M+(R) RML 2 0,42 M+(R) RML 7 3 0,87 M+(R) RML 7 4 1,17 M+(R) RUL 7 5 0,44 M+(R) LOL 7 6 0,85 M+(R) LOL 8 1 w 76 0,45 NSCLC LOL 9 1 m 56 0,55 NSCLC RML 13 1 w 63 0,16 NSCLC LOL 15 1 m 66 0,83 NSCLC ROL w 72 Lokalisation 64 NSCLC 17 1 m 61 0,76 (Lokalrezidiv) LUL 19 1 m 70 0,27 SCLC LOL 20* 1 w 62 1,24 M+(C) RML 21 1 w 76 0,16 NSCLC LOL 22 1 w 65 0,84 NSCLC RUL * 1 w 62 0,66 M+(C) LUL 23 Legende: RUL – Rechter Unterlappen, RML – Rechter Mittellappen, ROL - Rechter Oberlappen, LOL – Linker Oberlappen, LUL – Linker Unterlappen, M+(R) - Metastase Rektum-CA, M+(C) - Metastase Colon-Ca; * 20 und 23 ist die selbe Person, mit Aufnahmen zu unterschiedlichen Zeitpunkten 33 Bei einer Patientin wurden im Abstand von drei Monaten zwei verschiedene Bilddatensätze von zwei unterschiedlichen thorakalen Metastasen eines Kolonkarzinoms zur Bestrahlungsplanung erstellt. Die beiden Datensätze gingen in dieser Studie als zwei getrennte Fälle (20 und 23) ein. Betrachtet wurden also zwölf Fälle mit insgesamt 18 gut abgrenzbaren peripheren Läsionen der Lunge. Sechs Läsionen traten bei ein und demselben Patienten auf. Hierbei handelte es sich um Metastasen eines Rektumkarzinoms. Ein weiterer Patient hatte zwei Läsionen gleichzeitig, alle anderen jeweils nur eine. Bis auf die bereits genannten Metastasen eines Kolon- beziehungsweise Rektumkarzinoms, wurden neun Primärläsionen eines NSCLC und eine Läsion eines SCLC konturiert. 4.1.2. Bilddaten Die Aufnahmen entstanden im Rahmen der Bestrahlungsplanung am Universitätsklinikum Freiburg mit dem Philips Gemini TF TOF 64-PET/CT-Scanner (Philips Health Care, Hamburg, Deutschland). Das Gerät zeichnet sich durch eine hohe Sensitivität, eine sehr gute Energieauflösung und einer zentralen räumlichen Auflösung von 4,8 Millimetern aus. Ferner besitzt es eine zeitliche Auflösung von 569,4 Piko-Sekunden, was eine Flugzeitanalyse der Annihilationsquanten (time of flight; TOF) mit einer räumlich präziseren und kontrastreicheren Bilderrekonstruktion ermöglicht (Surti 2007). Die Daten wurden in einem 3D-Time-of-flight Modus mit 1,5 Minuten pro Bettposition aufgenommen. Die Patienten waren vor der intravenösen Injektion des 18 F-FDG-Tracers (durchschnittlich 331MBq, Variationsbreite 172-427MBq, gewichtsadaptiert) mindestens vier Stunden nüchtern (Glukosespiegel im Blut unter 150mg/dl). Circa 60 Minuten nach Injektion wurde ein diagnostischer 18 F-FDG-PET/CT-Ganzkörper-Scan (CT mit Kontrastmittelgabe) durchgeführt. Etwa 102 Minuten (81 bis 133 Minuten) nach Injektion des 18F-FDG-PET-Tracers wurde eine thorakale 4D-PET/CT-Aufnahme in einer einzigen Bettposition (15 Minuten Aufnahmezeit) durchgeführt. Die Patienten waren in einer Vakuummatratze gelagert und die Atmung wurde mittels eines thorakalen Atemgurtes erfasst welcher mit Hilfe eines elektrischen Signals die atemgetriggerte Bildakquisition auslöste (Mayo Clinic Respiratory Feedback System). Der Atemzyklus wurde in zehn Phasen unterteilt und die Bilddaten der 4D-PET wurden für die Rekonstruktion mit den Daten aus der jeweils korrespondierenden Phase der 4D-CT schwächungskorrigiert. Aus den atemgetriggerten Aufnahmen wurde eine Summe der Bilder über die Aufnahmezeit berechnet, die als PET-ungated bezeichnet wird und einer 3D-Aufnahme entspricht. Bei dem 34 als "CT-ungated“ bezeichneten Datensatz handelt es sich um ein über die Zeit gemitteltes Bild, das nicht mit einer 3D-Aufnahme gleichzusetzen ist, da es nicht die typische Verzerrung der Läsionen aufweist, die bei einer nicht atemgetriggerten 3D-CT-Aufnahme entsteht. Es entspricht dem Midposition-CT, das von Wolthaus et al. beschrieben wurde (Wolthaus 2008). Die 4D-PET-Daten wurden in einer 144x144 Matrix mit 4x4x4 mm3 Voxelgröße rekonstruiert und die 4D-CT-Daten in einer 512x512 Matrix mit 1,17x1,17x2 mm3 Voxelgröße. Die Schwächungskorrektur der 4D-PET basierte auf der korrespondierenden Atemphase der 4D-CT-Aufnahme. Es fand eine Schwächungs- und Streustrahlenkorrektur statt und der SUV wurde unter Einbezug des Körpergewichts berechnet. 4.1.3. Durchführung Vier in der Konturierung von Lungentumoren erfahrene Strahlentherapeuten (A, B, C und D) erstellten unabhängig voneinander GTVs (Gross Tumor Volume) indem sie den sichtbaren Tumorherd in allen Schichten der 4D-CT-Aufnahmen konturierten. Drei dieser Observer (A, B und C) definierten außerdem auf dieselbe Art und Weise das GTV jeder Läsion in der 4DPET sowie in der 3D–PET-Aufnahme (PET-ungated). Weiterhin wurden GTVs mit vier verschiedenen Algorithmen zur halb-automatischen Konturierung in der 4D- und 3D-PET generiert. Eingesetzt wurden zwei verschiedene kontrastbezogene (Source/Background)Algorithmen : Homburger-Algorithmus (HOM) (Nestle 2005 und 2007, Schaefer 2008) und Rover-Algorithmus (Ro) (Hofheinz 2012) sowie zwei Schwellwert-basierte Algorithmen, die sich auf 15% (Caldwell 2003) bzw 40% (Bradley 2004a, Erdi 1997 und 2002, Mah 2002) des SUVmax beziehen. Diese Konturierungen wurden mit Hilfe der Software Rover (ABX®, Dresden, Deutschland) erzeugt. Für jeden Observer und für die vier halbautomatischen Konturierungsmethoden wurde für jede Läsion ein ITV erstellt, das der Summe der GTVs aus allen Atemphasen entspricht (Abbildung 6, Seite 36). Die ITVs wurden mit der Abkürzung CT oder PET sowie dem Kürzel der Konturierungsmethode (HOM, Ro, 40 oder 15) bzw. des Observers (A, B, C oder D) bezeichnet. Am Beispiel der halbautomatischen Konturierungsmethode mit dem Schwellwert 40%: ITV-PET-40. Da die Patienten in dieser Studie alle stereotaktisch bestrahlt wurden, lag kein pathologisches Korrelat der konturierten Volumina vor, welches als Referenz hätte dienen können. Aktuell gilt die manuelle Konturierung in den 4D-CT-Aufnahmen als gängigste Methode zur 35 Zielvolumendefinition in der Bestrahlungsplanung. Deshalb erstellten wir mit Hilfe von geometrischen Subtraktions-/Additionsverfahren der Artiview-Software entsprechend eines in der Literatur vorbeschriebenen Voting Verfahrens (Artaechevarria 2009, Østergaard 1998, Schaefer 2016) ein Konsens-ITV, das dem Volumen entspricht, das mindestens zwei von vier Observern in der CT konturiert haben. Dieses Referenz-ITV (ITV-CT-Ref) wurde als „Goldstandard“ für den Konturenvergleich verwendet (Abbildung 7, Seite 36). Die Interobservervariabilität wurde bestimmt um die Validität dieser CT-Referenzkontur zu überprüfen. Um die Abhängigkeit der PET-Konturen von der Tumorgröße zu untersuchen, verwendete ich den Mittelwert der GTVs im Time-Bin 50% (dies entspricht bei 10 Atempositionen einer mittleren Position) aller manuellen 4D-CT-Konturen und wählte hierfür die Bezeichnung GTV-50%. Analog zur Referenzkontur in der CT (ITV-CT-Ref) wurde auch eine Konsenskontur mittels Voting aus den manuellen 4D-PET-Konturen ermittelt. Das ITV-PET-Konsens bezeichnet jenes Volumen, das von mindestens zwei Experten in der 4D-PET eingeschlossen wurde. Im Anschluss wurden mit der Artiview-Software Kappa-Werte und Overlap Volume (= die Überschneidung zweier Konturen dividiert durch ihre Union) für den Vergleich der Konturen untereinander und mit dem Goldstandard berechnet (Nähere Beschreibung siehe Kapitel 4.4 Auswertung). Diese Werte wurden wiederum mit Hilfe statistischer Standardmethoden ausgewertet (s. Kapitel 4.4). 36 Abbildung 6 – Konturen (rot) und ITV (blau) eines Experten (projeziert auf das CT in Atemmittellage) Abbildung 7- ITVs der Experten (grün, blau, violett) und ITV-Ref (rot) 37 4.1.4. Konturierungsmethoden 4.1.4..1 Manuelle Konturierung Alle CT- und PET- Aufnahmen wurden in die Artiview Software der Firma Aquilab importiert. Um die Konturen später vergleichen zu können, wurde jeder Datensatz, in dem konturiert werden sollte, in einem ersten Schritt mit dem Datensatz „CT-ungated" (=Midposition-CT) koregistriert. Damit wurde sichergestellt, dass alle anschließend generierten GTVs auf demselben Datensatz gespeichert wurden. Den Konturierenden lag eine detaillierte Schritt-für-Schritt Anleitung (s. Anhang) vor. Jeder Observer wählte ein PET- bzw. CT-Fenster, das den eigenen Vorlieben entsprach. Die erkennbaren Läsionen wurden manuell in allen Schichten in den zehn verschiedenen Atempositionen der 4D-CT und 4D-PET sowie in der 3D-PET-Aufnahme (PET-ungated) konturiert und als DICOM-RTSS (Radio-Therapy-Structure-Set) abgespeichert. Die Bezeichnung der Konturen war vorgegeben um eine eindeutige Zuordnung zu gewährleisten. Zu jedem Patienten lag eine Karte (Abbildung 8 und siehe Anhang) vor, auf der die zu konturierenden Läsionen auf PET/CT-Bildern eindeutig gekennzeichnet waren. Abbildung 8: Beispiel der Läsions-Nummerierung am Beispiel von Patient 18. 38 4.1.4..2 Halbautomatische Konturierung in 3D- und 4D-PET Mithilfe der Rover-Software wurden alle Läsionen im 3D- und 4D-PET-Datensatz konturiert. In einem ersten Schritt wurden die PET-Bilder über die Funktion „Parallel Alignment“ mit der „CT-ungated“-Aufnahme fusioniert, so dass alle zukünftigen Konturen auch auf dem „CT-ungated" registriert wurden. Dies war ein notwendiger Schritt, um die spätere Übertragung der Daten und die Auswertung in der Artiview-Software zu ermöglichen. Im nächsten Schritt wurde die Läsion manuell durch eine ROI (region of interest) mit Hilfe einer kugelförmigen Maske gekennzeichnet. Nach Auswahl des Algorithmus berechnete das Programm, welche Pixel zur Läsion gehörten und welche nicht. Die so erstellte Kontur wurde als DICOM-RTSS abgespeichert. Auf diese Art und Weise wurden für alle Läsionen Konturen in jeder Atemposition der 4DAufnahmen und in der 3D-PET (PET-ungated) generiert. Folgende Methoden zur Delineation des GTV in der PET wurden verwendet (nähere Beschreibung in Kapitel 2.5 Konturierungsmethoden in der PET): ! Schwellwert 15% des SUVmax (Caldwell 2003) ! Schwellwert 40% des SUVmax (Bradley 2004, Erdi 1997, Erdi 2002, Mah 2002) ! Kontrastorientierter „Homburger“ Algorithmus (Nestle 2005, Nestle 2007b, Schaefer 2008) ! Kontrast-orientierter Algorithmus des Programms „Rover“ (Hofheinz 2012) 39 4.2 Auswertung Der erste Schritt der Auswertung fand in der Artiview-Software der Firma Aquilab statt. Hierbei wurden Overlap Volume (OV) und Kappa Index (KI) berechnet. Das Overlap Volume ist ein Maß für die Überlappung zweier Konturen mit dem Wert 1 für die 100%ige Übereinstimmung. Das heißt, es wird die Anzahl der Bildpunkte des gemeinsam konturierten Volumens dividiert durch die Summe der Voxel beider Volumina. Dies kann für eine beliebige Anzahl von Konturen fortgeführt werden. Als ein weiteres Maß für die Variabilität der konturierten Volumina wurde der Kappa Index (KI) betrachtet. Dieser ist auch als Dice Similarity Coefficient bekannt und wird definiert als die verdoppelte Schnittmenge der Konturen dividiert durch die Summe eben dieser Konturen (Rücker 2012, Zijdenbos 1994). In der Auswertung fällt auf, dass die OV-Werte um etwa 0.1 bis 0.2 unter den KI-Werten liegen, wie beispielhaft an den Werten für die Interobservervariabilität (IOV) im nachfolgenden Diagramm dargestellt wird (Abbildung 9). Dies entspricht den Ergebnissen von Doll et al. (Doll 2013), der genau diesen Zusammenhang untersuchte. Weiterhin weisen bereits die Formeln für die Berechnung des OV bzw. KI darauf hin. Da die Aussagen von Kappa Index und Overlap Volume sehr ähnlich sind, wird im Folgenden auf die Darstellung beider Werte verzichtet und nur der Kappa Index verwendet. KIundOVimVergleich 1 0,9 KI-bzw.OV-Wert 0,8 0,7 0,6 0,5 0,4 KI-IOV(CT) 0,3 OV-IOV(CT) 0,2 0,1 0 1 2 3 4 5 6 7 8 9 101112131415161718 Läsionen1bis18 Abbildung 9 - KI und OV im Vergleich am Beispiel der Interobservervariabilität (IOV) zwischen den ITVs in der 4D-CT 40 In der vorliegenden Arbeit wurde der KI für die ITVs jeder einzelnen Methode in Bezug auf die Refererenzkontur ITV-CT-Ref berechnet. Für die Betrachtung der Übereinstimmung der vier manuellen Konturen untereinander (Interobservervariabilität IOV) wurde der paarweise Kappa Index berechnet. Dieser beschreibt den Durchschnitt des Übereinstimmungsgrades aller möglichen Zweierkombinationen einer Gruppe. Für die halbautomatischen Konturierungsmethoden wurde ein Ranking erstellt um zu ermitteln welche Methode besonders häufig die höchste beziehungsweise die niedrigste Übereinstimmung mit der Referenz aufwies. Diese Vorgehensweise wurde von Schaefer et al. (Schaefer 2016) beschrieben. Die Volumina der ROIs wurden ebenfalls von der Artiview – Software berechnet. Zur Untersuchung der Abhängigkeit der KIs von der Tumorgröße verwendeten wir das GTV50% als Referenz. Für den Vergleich der Kappa Indices wurde das Statistikprogramm R (GWDG Goettingen, Deutschland) verwendet. Neben rein deskriptiven Verfahren wie Standardabweichung, Mittelwert und Perzentilen wurden der paarweise T-Test (Welch Two Sample t-test), p-Werte und Konfidenzintervalle eingesetzt bzw. berechnet (McDonald 2009). Zur Überprüfung von möglichen Einflussfaktoren wie Tumorgröße (in dieser Arbeit GTV50%), Bewegungsamplitude oder SUVmax wurde die lineare Regression bestimmt und in Scatter Plots dargestellt. Als Maß für die Validität wurde das Bestimmtheitsmaß (coefficient of determination) R2 berechnet, welches die Güte der Beschreibung der Abhängigkeit durch eine Gerade angibt. Die Werte von R2 liegen zwischen Null (oder 0 %) - kein linearer Zusammenhang und Eins (oder 100%) - perfekter linearer Zusammenhang (McDonald 2009). 41 4.3 Kooperierende Einrichtungen Bei der Erstellung und Auswertung der Daten haben Mitarbeiter aus folgenden Einrichtungen mitgewirkt: • • Klinik für Strahlenheilkunde, Universitätsklinikum Freiburg • Prof. Dr. med U. Nestle • Dr. med. C. Doll Universitätsklinikum und Medizinische Fakultät C. G. Carus an der Technische Universität Dresden, Klinik und Poliklinik für Strahlentherapie und Radioonkologie und Helmholtz-Zentrum Dresden-Rossendorff, Dresden, Germany • • Klinik für Nuklearmedizin, Universitätsklinikum Freiburg • • Prof. Dr. med. Esther G.C. Troost, PhD Dr. M. Mix Institut für Medizinische Biometrie und Med. Informatik, Universitätsklinikum Freiburg • • • Dr. G.Rücker Abteilung für Strahlentherapie, Ortenau Klinikum Offenburg • Prof. Dr. F. Momm • Dr. med. V. Duncker-Rohr AQUILAB, Lille, Frankreich 42 5 Ergebnisse 5.1 Interobservervariabilität der manuellen Konturen in der 4D-CT Ist die Übereinstimmung ausreichend um das mittels Voting-Verfahren ermittelte ITV als Referenz verwenden zu können? Der Mittelwert des Übereinstimmungsgrades aller möglichen Zweierkombinationen für jede der 18 konturierten Läsionen in der 4D-CT beträgt 0.77 (gemessen als paarweiser KappaIndex), wobei die mittlere paarweise Übereinstimmung nur bei einer einzigen Läsion deutlich unter 0.7 liegt (Streubreite von 0.54 bis 0.87 und Standardabweichung (SD) 0.08; siehe Abbildung 10). Die durchschnittliche Übereinstimmung der einzelnen Observer mit der Referenzkontur ITVCT-Ref weist einen KI von 0.85 (Mindestwert 0.71; Höchstwert 0.92; Standardabweichung 0.05) auf. Dieses hohe Maß an Übereinstimmung bestätigt die Gültigkeit der Referenz. KappaIndex KI-IOV(CT) 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 KI-IOV(CT) 1 2 3 4 5 6 7 8 9101112131415161718 Läsionen1-18 Abbildung 10 – Interobservervariabilität der Kappa-Indices auf Basis des ITV-CT (paarweiser Kappa Index) für alle 18 Läsion 43 5.1.1. Vergleich unterschiedlicher Methoden zur Bestimmung eines validen Zielvolumens aus der PET-ungated Gibt es eine Methode um aus der ungated-PET eine Kontur zu erstellen, die der Referenz in der 4D-CT entspricht? Aus der nachfolgenden Abbildung 11 ist ersichtlich, dass die Konturierungsmethode mit Schwellwert 15% die größten Volumina liefert. Der Mittelwert von 11.25cc (SD 6.26) entspricht am ehesten demjenigen der Referenzkontur in der CT (ITV-CT-Ref 9.8cc, SD 11.70) und bestätigt somit das Ergebnis der Untersuchungen von Caldwell et. al (Caldwell 2003) anhand bewegter Phantome. Diese Methode ist nur für bewegte Läsionen in der peripheren Lunge sinnvoll einzusetzen. In der Nähe zum Mediastinum ließe sich mit einem Schwellenwert von 15% keine Differenzierung zum Hintergrund erreichen. Das große Volumen der Schwellwert 15%-Methode würde im Falle einer Bestrahlung zu einer größeren Strahlenbelastung von potentiellem Normalgewebe führen als die Referenz im CT. Die drei anderen halbautomatischen Methoden (Ro, HOM und 40) sowie die manuellen Konturen (ung-A, -B, -C)) weisen deutlich niedrigere Durchschnittsvolumina zwischen 3.04cc (Ro) und 4.67cc (ung-A) auf, womit sie näher am mittleren Volumen des GTV-50% (5.3cc, SD 5.47) liegen. Im Vergleich zur Referenz ist daher ein geographic miss nicht auszuschließen, da die ITVs eigentlich größer ausfallen müssten als das GTV aus einer Atemmittelposition. Kubikzentimeter Volumina-Mittelwerteder3D-PETKonturenimVergleich 12 10 8 6 4 2 0 11,25 3,94 4,67 4,1 9,8 3,67 3,87 3,04 5,3 Konturierungsmethoden Abbildung 11 - PET-Konturen in Atemmittellage (ungated): durchschnittliche Volumina in Kubikzentimetern 44 Den höchsten Übereinstimmungsgrad der verschiedenen Konturen in Atemmittellage mit der Referenzkontur aus der 4D-CT (ITV-CT-Ref) weist die Schwellwert 15%-Methode mit einem Kappa-Wert von 0.62 (SD 0.14) auf. Das heißt, diese Konturierungsmethode liefert nicht nur ähnlich große Volumina wie die Referenz, sondern auch die räumliche Deckung mit der Referenz ist beachtlich. Allerdings liefert die manuelle Kontur des Observers A einen ähnlich hohen Durchschnittswert für die Übereinstimmung (KI 0.61, SD 0.11) bei deutlich kleineren Volumina (siehe Abbildung 12 ). Alle weiteren untersuchten Methoden liefern Kappa-Werte zwischen 0.50 und 0.60. KIsderPET-ungated-Konturen 0,7 KappaIndex 0,6 0,558 0,608 0,575 0,617 0,562 0,5 0,4 0,3 0,2 0,1 0 Konturierungsmethode Abbildung 12 - KIs der PET-ungated-Konturen (3D) 0,58 0,514 45 5.2 Manuelle Konturen in der 4D-PET Führt das manuelle Konturieren im Datensatz der 4D-PET zu vergleichbaren ITVs wie das manuelle Konturieren in der 4D-CT? Betrachtet man die durchschnittlichen Volumina der ITVs für jeden „Experten“, so sind diese, wie erwartet, größer als das GTV-50%. Dies gilt auch für das ITV-PET-Konsens. Das Referenz-ITV aus der CT (ITV-CT-Ref) weist durchgängig größere Volumina auf. Tabelle 5 - Volumina der manuellen Konturen in der 4D-PET Kontur Mittelwert (in cc) Median (in cc) SD (in cc) ITV-PET-C* 6.62 4.20 5.03 ITV-PET-A* 7.58 5.83 6.17 ITV-PET-B* 6.95 5.35 4.77 Mittelwert 7,05 6.54 4.87 4.43 GTV-50% 5.30 2.67 5.47 ITV-CT-Ref 9.80 5.82 1.70 aus A, B und C ITV-PETKonsens (*A, B und C bezeichnen die jeweiligen Observer) Die durchschnittliche Übereinstimmung der manuellen ITVs in der PET mit der CTReferenzkontur (ITV-CT-Ref) liegt mit einem KI von 0.69 (Tabelle 6) beinahe ebenso hoch wie die Interobservervariabilität zwischen den CT-Konturen (mittlerer paarweiser KI 0.77) Die Volumina der PET-Konturen sind um den Faktor 0.67 bis 0.77 kleiner als das ITV-CTRef und um den Faktor 1.2 bis 1.4 größer als GTV-50%. 46 KappaIndex mittlereKIsdermanuellen4DPET-Konturen 0,72 0,715 0,71 0,705 0,7 0,695 0,69 0,685 0,68 0,675 0,67 0,665 0,713 0,701 0,688 0,684 Konturierungsmethoden Abbildung 13 - mittlere KIs der manuellen 4D-PET-Konturen Tabelle 6 – Kappa Indices der manuellen Konturen im 4D-PET-Datensatz Kontur KI-Mittelwert KI–Min KI-Max SD ITV-PET-C 0.71 0.47 0.85 0.11 ITV-PET-A 0.69 0.47 0.83 0.10 ITV-PET-B 0.68 0.39 0.86 0.14 0.47 0.84 0.10 Mittelwert aus 0,69 A, B und C ITV-PET- 0.70 Konsens Nun stellt sich die Frage von welchen Faktoren die Übereinstimmung der Konturen mit der CT-Referenz abhängt. Im Folgenden sind die Zusammenhänge mit Tumorgröße, Bewegungsamplitude der Läsion, und maximaler SUV-Anreicherung dargestellt. 47 5.2.1. Abhängigkeit der KIs des 4D-PET von der „Tumorgröße“ (GTV-50%), dem SUVmax und der Bewegungsamplitude Abhängigkeit von der Tumorgröße (GTV-50%) Die 18 konturierten Läsionen weisen GTV-50%-Volumina zwischen 1.18 und 22.76 cc auf. Der Mittelwert liegt bei 5.3cc (SD 5.47). Mit Hilfe eines linearen Regressionsmodells wurde die Abhängigkeit der KIs des 4D-PETITVs von der Tumorgröße berechnet und in einem Scatterplot auf der folgenden Seite dargestellt. Man sieht, dass bei allen drei Konturierern (C, A und B) mit zunehmendem Volumen des GTV-50% der KI-Wert abnimmt. Betrachtet man R2 , so zeigt sich jedoch, dass statistisch gesehen kein linearer Zusammenhang der KI-Werte der 4D-PET mit dem GTV-50% besteht. Tabelle 7 - lineare Regression - Abhängigkeit der KIs in der 4D-PET vom GTV-50% Observer Regressionskoeffizient p- adjusted R2 (coefficient of Wert determination) ITV-PET-C -0.013661 0.019 0.429 ITV-PET- 0.214 0.03832 0.0122 0.3081 -0.005686 A ITV-PET-B -0.014923 Zusätzlich wurde ein Welch Two Sample T-Test durchgeführt. Der T-Wert entspricht der Differenz der Mittelwerte der beiden Gruppen „oberhalb“ bzw „unterhalb“ des Medians. Es ergibt sich kein signifikanter Zusammenhang der KIs mit dem Volumen des GTV-50%. Tabelle 8 - Welch Two Sample Test, dichotomisiert am Median Observer t- p-Wert Wert ITV-PET-C -0.939 0.367 ITV-PET-A -1.113 0.290 ITV-PET-B -1.430 0.181 48 Observer/Konturierungsmethode: C A B 15 40 HOM Ro Abbildung 14– Scatterplot: Abhängigkeit der Kappa Indices der 4D-PET-Konturen vom GTV50% (im Scatterplot auf der X-Achse als Vol.GTV.CT bezeichnet) 49 5.2.2. Abhängigkeit der KIs der ITVs im 4D-PET-Datensatz vom SUVmax der Läsionen Intuitiv liegt die Annahme nahe, mit höheren SUVmax-Werten gehe eine deutlichere visuelle Abgrenzung der kontrastmittelanreichernden Region gegenüber der Umgebung einher. Wir stellten uns daher die Frage ob die manuellen ITV-Konturen in der 4D-PET bei höheren SUVmax-Werten eine bessere Übereinstimmung mit ITV-CT-Ref aufweisen. Die SUVmax-Werte der 18 konturierten Läsionen bewegen sich zwischen 3.9 g/ml und 30.9 g/ml. Der Mittelwert liegt bei 8.48 (SD 5.99). Observer/Konturierungsmethode: C A B 15 40 HOM Ro Abbildung 15 Scatterplot: Abhängigkeit der KIs der 4D-PET-Konturen von SUVmax 50 Tabelle 9 - lineare Regression: Abhängigkeit der KIs im 4D-PET-Datensatz von SUVmax Kontur Regressionskoeffizient p-Wert adjusted R2 ITV-PET-C 0.001592 0.732 -0.05448 ITV-PET-A 0.005514 0.185 0.05139 ITV-PET-B 0.005000 0.4 -0.01585 Betrachtet man Abbildung 15, so scheinen die Kappa-Werte für die ITVs der manuellen Konturen mit zunehmenden SUVmax-Werten zuzunehmen. Tatsächlich jedoch weisen sowohl die p-Werte als auch das R2 darauf hin, das kein statistisch signifikanter linearer Zusammenhang zwischen den untersuchten Größen besteht. Abhängigkeit der KIs der 4D-PET-ITVs von der Bewegungsamplitude der Läsionen Die Bewegungsamplitude der Läsionen liegt bei durchschnittlich 0.72cm, wobei die größte Amplitude bei einer Läsion im rechten Unterlappen gemessen wird und 1.3cm beträgt. Den geringsten Bewegungsumfang weist eine Läsion im linken Oberlappen mit 0.16 cm auf. Es gab keinen messbaren Zusammenhang zwischen der Bewegungsamplitude und den Kappa Indices. Abschließend zur Zusammenschau zwei Tabellen (Tabelle 10 und Tabelle 11) mit den Ergebnissen der statistischen Auswertung zu der Frage: Besteht ein Zusammenhang zwischen dem Überlappungsgrad der manuellen ITV-Konturen im 4D-PET-Datensatz mit der CT-Referenzkontur und der Tumorgröße (hier GTV-50%), dem SUVmax oder der Bewegungsamplitude der Läsionen? 51 Tabelle 10 – Übersicht der Ergebnisse der Linearen Regression: KIs und GTV-50%, SUVmax, Bewegungsamplitude ITV-PET-C Regressionskoeffizient p-Werte GTV SUVmax BA GTV SUVmax BA - 0.0016 0.07000 0,019 n.s. n.s. 0.0055 - n.s. n.s 0,012 n.s. n.s 0.0137 ITV-PET-A 0.0057 ITV-PET-B n.s. 0.02749 - 0.0050 - 0.0149 0.09060 BA = Bewegungsamplitude; GTV steht für GTV-50% Tabelle 11 - Welch Two Sample T-Test für GTV-50%, SUVmax, Bewegungsamplitude,, dichotomisiert am Median 95% Konfidenzintervall Differenz* p-Werte GTV GTV SUVmax BA GTV SUVmax BA SUVmax BA ITV- [-0.162; [-0.186; [-0.049; 0,049 0,075 PET-C 0.065] ITV- [-0.156; [-0.113; [-0.072; 0,053 0,009 PET-A 0.051] ITV- [-0.231; [0.673; [-0.163; 0,091 0,024 PET-B 0.049] 0.136] 0.036] 0.095] 0.697] 0,064 n.s. n.s. n.s 0,031 n.s. n.s. n.s 0,014 n.s. n.s. n.s 0.175] 0.134] * Differenz der Mittelwerte der beiden Gruppen „oberhalb“ bzw „unterhalb“ des Medians BA = Bewegungsamplitude In der vorliegenden Arbeit lässt sich kein statistisch signifikanter Einfluss von SUVmax, Bewegungsamplitude der Läsionen oder Tumorgröße auf den Übereinstimmungsgrad der ITVs aus den manuellen Konturen im 4D-PET-Datensatz mit der Referenzkontur ITV-CTRef nachweisen. Allerdings gilt es zu bedenken, dass nur die Konturen dreier Experten verglichen wurden. Möglicherweise würde der Vergleich einer größeren Zahl von Konturen zu einem anderen Ergebnis führen. 52 5.3 Halb-automatische Konturierungsmethoden in der 4D-PET Führt das Konturieren in der 4D-PET mit halb-automatischen Konturierungsmethoden zu ITVs, die der Referenz in der 4D-CT (ITV-CT-Ref) entsprechen? Betrachtet man in Abbildung 16 die mittleren Volumina der halb-automatischen Konturierungsmethoden, so fällt auf, dass erwartungsgemäß jene Methode, die für die Zielvolumendefinition anhand von 3D-PET entwickelt wurde, mit dem Schwellwert von 15% des SUVmax für jede Läsion extrem große ITVs (ITV-15) generiert. Diese sind deutlich größer als die ITVs aller anderen Methoden und auch deutlich größer als das gemessene Volumen im GTV-50% (5,3cc). Der Durchschnittswert liegt bei 25.16cc. Der Homburger Algorithmus (HOM) entspricht mit einem Mittelwert von 8.25cc (SD 2.57) von allen halbautomatischen Konturen am ehesten dem Volumen der Referenzkontur im CT (ITV-CT-Ref), das bei durchschnittlich 9.80cc (SD 11.7) liegt (Volumen ITV-HOM = 0.84 x Volumen ITV-CTRef). Der Rover-Algorithmus (ITV-Ro) und der Schwellwert von 40% (ITV-40) mit einem Mittelwert von 7.35cc (SD 4.68) respektive 6.95cc (SD 6.28) unterscheiden sich vom Volumen des ITV-CT-Ref um den Faktor 0.75 respektive 0.70 und sind zugleich 1.34 respektive 1.3 mal so groß wie das Volumen von GTV-50%. mittlereITV-VoluminaimVergleich 30 Volumenincc 25 20 15 25,16 10 5 9,8 6,95 8,25 7,35 ITV-PET-40 ITV-PET-HOM ITV-PET-Ro 5,3 0 ITV-CT-Ref ITV-PET-15 x-Achse:halbautomatischeKonturierungsmethode, ReferenzundTumorgröße Abbildung 16 - Vergleich mittlerer ITV-Volumina GTV-50% 53 Interessant ist jedoch auch die Betrachtung der Volumina für jede Läsion einzeln im Vergleich zum Referenzvolumen ITV-CT-Ref. Dies ist in der nachfolgenden Abbildung 17 dargestellt. Für eine bessere Übersicht wurden die Volumina der Schwellwert 15% - Methode nicht berücksichtigt, da diese deutlich von allen anderen abweichen. Es wird ersichtlich, dass die Volumina der Schwellwert 40% - Methode sowie der beiden kontrastorientierten Methoden HOM und Ro sich untereinander und in Bezug zu GTV-50% nur geringfügig unterscheiden. Eine deutliche Abweichung des Volumens von ITV-CT-Ref liegt bei den Konturen der Läsionen 9 und 10 vor. Es handelt sich hierbei um die Läsionen der Patienten 08 und 09. Auf der folgenden Seite sind die Abbildungen dieser Läsionen eingefügt. Möglicherweise fiel im CT-Datensatz die Abgrenzung zum angrenzenden Gewebe schwer, welches in der PET klarer von der FDG-anreichernden Läsion abzugrenzen ist. VoluminaderhalbautomatischenKonturen ohneITV-PET-15 60,0 Volumenincc 50,0 40,0 30,0 20,0 10,0 0,0 ITV-PET-40 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 28,014,3 3,7 2,3 3,2 7,4 2,2 4,7 9,7 12,7 3,7 3,0 2,6 6,8 5,9 6,2 4,8 4,0 ITV-PET-HOM 28,225,6 3,7 5,2 6,0 7,1 2,5 5,1 10,714,7 3,5 3,4 3,0 7,5 6,1 7,1 5,4 3,9 ITV-PET-Ro 21,1 9,8 10,5 6,4 6,5 11,0 4,0 8,5 9,5 12,7 2,4 3,1 2,4 6,8 4,3 6,0 4,5 2,8 GTV-50% 9,6 7,7 1,2 1,2 2,2 3,2 1,2 3,0 11,222,8 2,5 2,3 2,8 7,7 2,6 9,8 2,5 2,2 ITV-CT-Ref 16,111,8 2,2 2,0 3,7 5,2 2,3 5,6 19,951,8 2,4 5,8 6,4 11,0 6,8 14,3 5,9 3,4 Läsion1bis18 Abbildung 17 - Volumina der halbautomatischen Konturen ohne Schwellwert 15% 54 Abbildung 18 - Läsion des Patieten Nr. 08 Abbildung 19 - Läsion des Patienten 09 55 Wie steht es um die räumliche Überlappung der halbautomatischen Konturen mit der Referenzkontur ITV-CT-Ref? In Abbildung 20 sind die durchschnittlichen Kappa-Werte der ITVs von den halbautomatischen 4D-PET-Konturen dargestellt. Wie erwartet, fällt auch hier die Schwellwert 15% - Methode als unpassend auf. Die drei anderen Methoden liegen durchschnittlich bei Kappa-Werten über 0.6 wobei der Schwellwert von 40% der CT-Referenzkontur mit einem mittleren KI von 0.67 (SD 0.12) am nächsten kommt. Dies kommt sehr nah an die Kappa Indices der manuellen PET–Konturen (z.B. ITV-B mit einem KI von 0.68 (siehe Tabelle 6)) heran. KappaIndex(bezogenaufITV-CT-Ref) 0,68 0,66 0,64 0,62 0,6 0,669 0,58 0,655 0,628 0,56 MittelwertKappaIndex 0,54 0,52 0,546 0,5 ITV.15 ITV.40 ITV.HOM ITV.Ro halbautomatischeKonturierungsmethode4D-PET Abbildung 20 - Mittelwerte der Kappa-Werte der halbautomatischen Konturen 56 Betrachtet man die Verteilung der KIs (bezogen auf ITV-CT-Ref) der halbautomatischen Konturierungsmethoden in der 4D-PET für jede der 18 Läsionen einzeln (Abbildung 22), so fallen für alle Methoden deutliche Schwankungen auf, die wiederum bei ITV-15 besonders stark ausgeprägt sind. Die KIs der drei anderen Methoden hingegen unterscheiden sich bei den Läsionen 6 bis 18 (das heißt bei 72.2% der Konturen) kaum und sind teilweise sogar identisch. Bedenkt man, dass dies auch für die Volumina gilt, wird deutlich wie hoch die Übereinstimmung zwischen den ITVs dieser drei Methoden ist. KIderITVsderhalbautomatischenKonturenfürjedeLäsion 0,90 0,80 KappaIndex 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 KI(ITV-15) 0,77 0,52 0,30 0,42 0,45 0,46 0,55 0,57 0,60 0,68 0,15 0,77 0,75 0,81 0,41 0,73 0,59 0,29 KI(ITV-40) 0,65 0,68 0,72 0,67 0,75 0,77 0,82 0,84 0,45 0,39 0,58 0,62 0,54 0,76 0,71 0,59 0,78 0,74 KI(ITV-HOM) 0,65 0,54 0,73 0,44 0,63 0,78 0,81 0,85 0,47 0,44 0,58 0,65 0,58 0,80 0,71 0,63 0,80 0,73 KI(ITV-Ro) 0,55 0,40 0,44 0,68 0,77 0,79 0,80 0,82 0,45 0,39 0,58 0,62 0,52 0,75 0,69 0,58 0,77 0,70 Läsion1bis18 Abbildung 22 – alle KIs der halbautomatischen ITVs für jede Läsion 57 5.3.1. Ranking der halbautomatischen Konturierungsmethoden Betrachtet man für jede der 18 Läsionen einzeln, welche der halbautomatischen Konturierungsmethoden den höchsten Kappa Index (bezogen auf ITV-CT-Ref) erzielt, so stellt sich heraus, dass die Schwellwert 15% -Methode in der 4D-PET (ITV-15) am häufigsten (bei 3 Läsionen) den besten KI erreichte, jedoch noch häufiger (bei 7 Läsionen) den schlechtesten KI. In der 3D-PET (ung-15) schnitt sie vergleichsweise am besten ab indem sie 2 Mal den besten KI erzielte. Dieses Ergebnis war zu erwarten, da diese Methode nur für die Zielvolumendefinition anhand von 3D-PET-Daten entwickelt wurde. Keine andere Konturierungsmethode erzielte in der 4D-PET (ITV) einen besonders niedrigen Kappa Index (siehe Abbildung 23). Ranking Anzahl(n) Häu_igkeitniedrigsterKI Häu_igkeithöchsterKI 8 7 6 5 4 3 2 1 0 halbautomatischeKonturierungsmethoden Abbildung 23 - Ranking höchster/niedrigster KI der halbautomatischen Konturierungsmethoden 58 5.3.2. Abhängigkeit der KIs der halb-automatischen Konturen von Tumorgröße, SUVmax und Bewegungsamplitude Tabelle 12 - Abhängigkeit der Kis der halb-automatischen Konturen von Tumorgröße (GTV50%), SUVmax und Bewegungsamplitude Regressionskoeffizient p-Werte GTV SUVmax BA GTV SUVmax BA ITV-PET-15 0.0156 0.0131 ITV-PET-40 -0.0157 -0.0004 n.s. n.s. 0.0996 0.001 n.s. n.s ITV-PET-HOM -0.0119 0.0042 0.0750 0.033 n.s. n.s ITV-PET-Ro 0.0022 0.014 n.s. n.s. -0.0152 0.0019 0.0009 n.s. GTV steht für GTV-50%, BA steht für Bewegungsaplitude Die Daten in Tabelle 12 zeigen die Ergebnisse des linearen Regressionsmodells, das angewandt wurde um zu untersuchen ob eine Abhängigkeit der Kappa Indices von der Tumorgröße GTV-50%, dem SUVmax oder der Bewegungsamplitude der Läsionen besteht. Angesichts der p-Werte scheint sich ein statistisch signifikanter Zusammenhang für die Kappa Indices der ITVs der Schwellwert 40%- Methode sowie des Homburger- und des Rover-Algorithmus von der Tumorgröße (GTV-50%) zu zeigen. Mit zunehmender Tumorgröße nähme der Grad der Übereinstimmung (KI) mit der Referenzkontur im CT ab. Jedoch liegt R2 (s. Tabelle 13) in jedem der betrachteten Fälle näher bei Null als bei eins und widerlegt in diesem Falle – ebenso wie bei den manuellen Konturen (Kapitel 5.2.1) - einen signifikanten statistischen Zusammenhang Tabelle 13-Bestimmtheitsmaß für die Abhängigkeit von Tumorgröße (GTV-50%) adjusted R2 für Tumorgröße ITV-PET-15 0.157 ITV-PET-40 0.453 ITV-PET-HOM 0.206 ITV-PET-Ro 0.281 59 Die Ergebnisse des Welch Two Sample T-Test für die am Median dichotomisierten Werte sind in Tabelle 14 dargestellt. Es ergibt sich ein einziger statistisch signifkanter Zusammenhang: die Abhängigkeit der KIs der Schwellwert 15%-Methode in Abhängigkeit vom GTV-50%. Die KI-Werte „oberhalb“ des Medians sind um 0.217 größer als die Werte „unterhalb“ des Medians. Somit besteht ein statistisch signifikanter (p-Wert 0.01) Einfluss der Tumorgröße auf die Übereinstimmung der ITVs dieser Methode mit dem ITV-CT-Ref. Je größer die Läsion, desto höher der Übereinstimmungsgrad. Es sei jedoch daran erinnert, dass diese Methode insgesamt, im Vergleich zu allen anderen Methoden, die niedrigsten Kappa-Werte aufweist. Tabelle 14 - Welch Two Sample T-Test, KIs der halbautom. Konturen dichotomisiert am Median 95% Konfidenzintervall Differenz* p-Werte GTV SUVmax BA GTV SUVmax BA GTV SUVmax BA ITV- [0.060; [-0.119; [-0.211; 0,217 0,075 0,016 0,01 n.s. n.s PET-15 0.374] 0.0268] 0.179] ITV- [-0.203; [-0.243; [-0.007; 0,08 0,136 0,110 n.s. 0,02 n.s PET-40 0.043] -0.028] 0.226] ITV- [-0.172; [-0.186; [-0.031; 0,039 0,056 0,094 n.s. n.s. n.s PET- 0.094] 0.074] 0.220] ITV- [-0.232; [-0.254; [-0.104; 0,087 0,117 0,044 n.s. n.s. n.s. PET-Ro 0.057] 0.019] 0.192] HOM * Differenz der Mittelwerte der beiden Gruppen „oberhalb“ bzw „unterhalb“ des Medians; GTV steht für GTV-50%, BA steht für Bewegungsamplitude 60 5.4 Kappa Indices aller Methoden auf einen Blick In der folgenden Tabelle sind die Kappa Indices aller Konturierungsmethoden noch einmal auf einen Blick dargestellt. In der 3D-PET weist Schwellert 15% den höchsten durchschnittlichen Kappa Index (0.62) von allen Methoden auf. In der 4D-PET liegt der höchste Kappa Index bei den manuellen Konturen (0.71 Observer C). Die CT-ITVs der einzelnen Observer stimmen durchschnittlich zu einem KI von 0.81 bis 0.92 mit dem ITVCT-Ref überein. Tabelle 15 - alle KIs auf einen Blick A B C 0.60 0.450.84 0.58 0.200.82 0.56 0.340.86 0.69 0.470.83 0.70 0.390.86 Mittelwert 0.81 min-max D 15 40 HOM Ro n.v. n.v. 0.62 0.400.86 0.56 0.300.79 0.58 0.340.79 0.51 0.170.74 0.71 0.470.85 n.v. n.v. 0.55 0.150.81 0.67 0.390.84 0.65 0.440.85 0.63 0.390.82 0.78 0.90 0,92 n.v. n.v. n.v. n.v. 0.64- 0.60- 0.45- 0,78- n.v. n.v. n.v n.v 0.95 0.96 0.97 1,00 3D-PET Mittelwert min-max ITV-PET Mittelwert min-max ITV-CT A,B,C,D – Observer (manuelle Delineation) 15 – Schwellwert 15% des SUVmax 40 - Schwellwert 40% des SUVmax HOM - Homburger Source-to-background Algorithmus Ro - Rover Source-to-background Algorithmus n.v. – nicht verfügbar 61 6 Diskussion Die Bildgebung mittels PET wird zunehmend in der Zielvolumendefinition eingesetzt und zahlreiche Studien beschäftigen sich mit der Erforschung visueller und automatischer Konturierungsmethoden (Biehl 2006, Greco 2007, Lin 2011, Nestle 2005, Van Baardwijk 2007, Shepherd 2012). Dennoch existiert bis heute kein Goldstandard für die Zielvolumendefinition in der FDG-PET (Hatt 2009, Shepherd 2012, Shirai 2012). Aktuell wird in der internationalen, multizentrischen PET-Plan-Studie untersucht, welchen Einfluss ein gemeinschaftlich erarbeiteter Konsens zur Konturierung von mediastinalen und hilären Lymphknoten im PET auf die Interobservervariabilität hat (NCT00697333). Die vorliegende Arbeit soll einen Beitrag zur Optimierung der Bestrahlungsplanung von malignen Läsionen in der Lunge mittels PET leisten indem sie manuelle und halbautomatische Konturierungsmethoden auf ihr Potenzial bezüglich der Berücksichtigung von atemabhängigen Bewegungen der Läsionen untersucht und mit visuellen 4D-CTExpertenkonturen vergleicht. ITVs aus manuellen CT-Konturen werden heutzutage standardmäßig bei der 4D-CT-basierten Planung für die stereotaktische Bestrahlung verwendet. Wir untersuchten die Frage ob es möglich ist, anhand einer 3D-PET-Aufnahme in Atemmittellage (PET-ungated) vergleichbare Zielvolumina zu erstellen wie in der 4D-CT über 10 atemgetriggerte Aufnahmen und untersuchten die selben Konturierungsmethoden auf ihre Wertigkeit zur Zielvolumendefinition anhand von atemgetriggerten 4D-PET-Aufnahmen. Alle zwölf Patienten, deren Bilddaten in dieser Studie zur Konturierung verwendet wurden, erhielten eine stereotaktische Bestrahlung gut abrenzbarer Läsionen. Sie dienten als Modell um eine geeignete Konturierungsmethode für schlecht abgrenzbare Lungentumore zu finden. Da die Patienten nicht operiert wurden, lagen uns keine pathologischen Korrelate anhand derer jeweils das tatsächliche Tumorvolumen bestimmt werden könnte, vor. Zum Vergleich wurde das Volumen anhand der Konturen vierer in der Zielvolumenkonturierung erfahrener Ärzte und Ärztinnen in einer mittleren Atemlage der 4D-CT bestimmt (GTV-50%). Außerdem wurde ein Referenz-ITV im CT erstellt (ITV-CT-Ref), das aus den visuellen Konturen in allen Schichten der CT-Aufnahmen in jeder Atemposition, mittels Voting Vefahren (Artaechevarria 2009, Østergaard 1998, Schaefer 2016) generiert wurde. Diese Referenz dient uns als „Goldstandard“ für den Vergleich der PET-Konturen. Diese Vorgehensweise wurde später in einer Studie von Shepherd et al. (Shepherd 2012) ebenfalls empfohlen. Nachteile der visuellen Konturierung liegen in der eingeschränkten Reproduzierbarkeit (Inter- und Intraobservervariabilität) (Caldwell 2001, Doll, 2013, Hanna 62 2010) und dem relativ hohen Zeitaufwand (Steenbakkers 2006). Aus diesem Grund untersuchten wir auch die Interobservervariabilität zwischen den Konturen der vier Experten, die für die Erstellung der CT-Referenzkontur herangezogen wurden. Zum Vergleich wurden zum einen die Volumina untersucht sowie zum anderen der Kappa Index (auch als Dice Similarity Coefficient bekannt) für die Beurteilung der räumlichen Überlappung eingesetzt. Beides sind gängige Verfahren in den vorliegenden Publikationen zur Zielvolumendefinition bei Tumoren der Lunge (Caldwell 2001, Doll, 2013, Grills 2007, Hanna 2010, Nestle 2005, Shepherd 2012). Die durchschnittliche Übereinstimmung der Expertenkonturen untereinander beträgt 0.77 (Kappa Index). In der 2013 durchgeführten Studie zur Interobservervariabilität von Doll et al. (Doll 2013) wies die Expertengruppe, bestehend aus drei klinischen Forschern, eine mittlere Übereinstimmung (paarweiser Kappa-Index) von 0.8 auf. Eine weitere untersuchte Gruppe, bestehend aus neun interdisziplinären Zweierteams (Strahlentherapeuten und Nuklearmediziner), lieferte einen durchschnittlichen paarweisen Kappa-Index von 0.69. Im Vergleich hierzu kann die durchschnittliche Übereinstimmung der Expertenkonturen in der vorliegenden Arbeit mit 0.77 als ausreichend groß beurteilt werden, um als Referenz für den Vergleich der unterschiedlichen Konturierungsmethoden eingesetzt zu werden. Anhand der Zielvolumendefinition in der 3D-PET liefert die Schwellwert 15%- Methode als einzige vergleichbare Zielvolumina (sowohl in Bezug auf Volumen, als auch auf die räumliche Überlappung (KI 0.62)) wie die Referenzkontur aus der 4D-CT (ITV-CT-Ref). Sie schneidet besser ab als die einzelnen manuellen Konturen in Atemmittellage. Dies bestätigt die Ergebnisse von Caldwell et al. (Caldwell 2003), die herausfanden, dass in nicht Atemphasen-getriggerten PET-Aufnahmen geringe Schwellwerte (des SUV) notwendig sind um der Atemverschieblichkeit des Tumors gerecht zu werden. Sobald die Umgebung des Tumors jedoch nicht ausschließlich aus Lungengewebe besteht, kann ein SUV-Schwellenwert von 15% keine präzise Abgrenzung der Läsion gegenüber dem Hintergrund ermöglichen. Somit ist der Einsatz dieser Methode in der routinemäßigen Bestrahlungsplanung nicht sinnvoll. Zusammenfassend lässt sich also sagen, dass keine der untersuchten Methoden anhand eines 3D-PET-Datensets Zielvolumina liefert, die mit der 4D-CT-Referenz (ITV-CT-Ref) ausreichend übereinstimmen, um für die klinische Routine empfehlenswert zu sein. Dies deckt sich auch mit den Ergebnissen von Hanna et al. (Hanna 2012). Die atemabhängige 63 Lageänderung der Läsionen in der Lunge ist ein Faktor, der unbedingt bei der Zielvolumendefinition berücksichtigt werden sollte und die 3D-PET reicht hierfür nicht aus. Die visuell-manuell erstellten ITVs in der 4D-PET zeigen mit einem durchschnittlichen Kappa Wert von 0.69 die höchste Übereinstimmung mit der CT-Referenz. Dabei sind die Volumina der PET-Konturen um den Faktor 0.67 bis 0.77 kleiner als das ITV-CT-Ref und liegen etwas näher als das ITV-CT-Ref an der vermutlichen Tumorgröße (GTV-50%). Dies passt zu den Ergebnissen von Schaefer et al. (Schaefer 2013), die PET- und CT-basierte Konturen mit der pathologischen Referenz (OP-Resektat) verglichen. Dabei stellte sich heraus, dass alle Konturen größer ausfielen als das OP-Resektat wobei der Größenunterschied zu den PET-Konturen geringer ausfiel. Somit könnten diese ITVs als Grundlage für eine Eskalation der Strahlendosis verwendet werden. Andererseits kann nicht sicher davon ausgegangen werden, dass der Tumor zu jedem Zeitpunkt des Atemzyklus in seiner Position von der Bestrahlung erfasst wird. Interessant wäre noch der direkte Vergleich der manuellen GTVs der jeweiligen Observer in der PET und in der CT im selben Timebin um zu ermitteln wie genau die 4D-PET-Konturen mit denen der 4D-CT übereinstimmen. Von den halb-automatischen Methoden führt ein Schwellwert von 40% des SUVmax mit einem mittleren KI von 0.67 zu den besten ITVs. Hier zeigt sich eine Übereinstimmung mit den Ergebnissen einer Studie von Werner-Wasik et al. (Werner-Wasik 2012). Sie verglichen verschiedene Konturierungsmethoden, u.a. auch Schwellwert-Methoden, anhand von sphärischen Phantomen sowie 25 digitalen Thorax-Phantomen. Für die Lungen- und Mediastinum-Simulationen wies innerhalb der Schwellwert-Methoden der Schwellwert von 25% die höchste Übereinstimmung mit dem Original auf, während für die kugelförmigen Phantome mit einem Durchmesser von >22mm der Schwellwert von 45% die höchste Übereinstimmung ergab. Hierzu passen auch die von Shepherd et al. (Shepherd 2012) publizierten Daten, dass 40% des SUVmax von allen untersuchten Schwellwert-basierten Methoden die besten Ergebnisse liefert. In der Konturierung des Phantoms schneidet diese Methode ähnlich gut ab wie die manuellen Konturen. Die Autoren führen dies auf die homogene FDG-Anreicherung im Phantom zurück, da die Methode in den Bilddaten von Patienten weniger gut abschneidet. Es handelt sich bei der klinischen Studie jedoch um Tumoren des Kopf-Hals-Bereiches. In der Lunge wird (18F-)FDG kaum angereichert und auch in der CT besteht ein deutlicher Dichteunterschied zwischen Lungentumor und -gewebe. Möglicherweise erklärt dies das gute Ergebnis der genannten Methode in unserer Studie. Für die Zielvolumendefinition zentraler 64 Tumore wäre diese Methode aus den genannten Gründen jedoch etwas weniger gut geeignet. Der Homburger Algorithmus (ITV-HOM), der die Hintergrundaktivität berücksichtigt, wäre an dieser Stelle empfehlenswerter. Er schnitt mit einem mittleren KI von 0.66 ebenfalls sehr gut ab. Als besonders unpassend entpuppt sich in unserer Untersuchung der ITVs die Schwellwert 15%-Methode, was sich dadurch erklären lässt, dass diese Methode für die 3D-PET entwickelt wurde. Dieser niedrige Schwellwert führt anhand von 4D-PET-Aufnahmen zu viel zu großen Volumina. Die Tatsache, dass die manuellen Konturen sich als besonders geeignet erweisen, deckt sich mit den Ergebnissen des TURKU-Challenges, einer Untersuchung bei der zahlreiche manuelle, halb-automatische sowie voll-automatische Konturierungsmethoden verglichen wurden (Shepherd 2012). Hier zeigte sich, dass die automatischen Methoden besser abschnitten, wenn das Ergebnis manuell überarbeitet wurde. Als eine mögliche Ursache wird diskutiert, dass auf diese Weise klinische Informationen über den Tumor mit einfließen, die nicht im PET-Datensatz vorhanden sind. Im IAEA consensus report 2014 (Konert 2015) wird die manuelle Zielvolumendefinition anhand von 3D- oder 4D-PET/CT empfohlen. Automatische Konturierungsmethoden sollten laut der Autoren immer einer manuellen Überprüfung und gegebenenfalls Anpassung unterzogen werden. Problematisch ist aktuell noch die Vergleichbarkeit der vorliegenden Studien zur den zahlreichen in den letzten 15 Jahren entwickelten automatischen und halb-automatischen Konturierungsmethoden in PET-Aufnahmen. Es fehlt bislang ein Standard, ein gemeinsamer Endpunkt in Bezug auf die Validität dieser Konturen. Insbesondere stellt sich auch die Frage, ob Konturierungsmethoden, die in unterschiedlichen Körperregionen untersucht werden, tatsächlich eins zu eins miteinander verglichen werden können. Die „American Association of Physicists in Medicine“ widmet sich aktuell dieser Problematik, um die Vergleichbarkeit bestehender sowie zukünftiger Konturierungsalgorithmen zu standardisieren (Hatt, in preparation). Dass die Kombination aus CT- und PET-Daten mehr Informationen liefert, als eine der beiden Methoden allein, ist offensichtlich. Es erscheint aufgrund unserer Ergebnisse wünschenswert in Zukunft kombinierte 4D-PET/CT-Daten zur präzisen Zielvolumendefinition zu verwenden. Leider liegt in dieser Studie kein OP-Resektat als „tatsächliche Tumorgröße“ vor. Es kann daher nicht ausgeschlossen werden, dass die verwendete ITV-CT-Referenz – trotz hoher 65 Übereinstimmung der Expertenkonturen - das wahre Tumorvolumen und seine Bewegung nicht korrekt widerspiegelt und in Wahrheit die PET-Konturen der Realität besser entsprechen (Caldwell 2003, Van Loon 2012). Aktuell gibt es nur wenige Studien in welchen das pathologische Tumorkorrelat als Referenz vorliegt. Ein weiteres Problem besteht darin, dass die Präparate bei der Fixierung schrumpfen und daher auch keine absolut wahre Tumorgröße darstellen. Van Baardwijk et al. (Van Baardwijk 2007) verglichen manuelle sowie eine halbautomatische Source-to-background Methode im 3D-PET/CT-Datensatz mit dem pathologischen Resektionsergebnis nach Lobektomie. Sie kamen zu dem Schluss, dass die halbautomatische Methode eine höhere Übereinstimmung mit dem Resektat sowie eine geringere Interobservervariabilität aufwies. Allerdings wurden zum Vergleich mit der pathologischen Referenz nur Durchmesser ausgemessen. Auch Schaefer et al. (Schaefer 2013) verglichen CT-Konturen versus Konturen in der 3D-PET (Source-to-background Methode) mit dem OPResektat und kamen zu dem Ergebnis, dass alle Konturen etwas größer (Volumen und Durchmesser) ausfielen, als das Resektat, wobei die PET-Konturen jedoch kleiner ausfielen als die CT-Konturen. Ingesamt zeigte sich sowohl in der PET als auch in der CT eine hohe Übereinstimmung mit der Referenz - mit Ausnahme der 3D-PET-basierten GTVs im unteren Lungenlappen, die eine auffällig schlechte Übereinstimmung aufwiesen. Dies könnte daran liegen, dass dort die Läsionen den größten Atemexkursionen ausgesetzt sind. Auch die Ergebnisse von Cheebsumon et al. (Cheebsumon 2012) bestätigen eine hohe Übereinstimmung der 3D-PET-Konturen (Schwellwert-Methoden und Source-to-background Methoden) mit den Messdaten des OP-Resektats während die CT-Konturen etwas zu groß ausfallen. 66 7 Schlussfolgerungen Möchte man die atemabhängige Bewegung der Läsionen berücksichtigen, so liefert keine der untersuchten manuellen oder halb-automatischen Methoden anhand der 3D-PET-Daten (Atemmittellage, nicht Atemphasen-getriggert) ein Zielvolumen, das mit der Referenz aus der 4D-CT (ITV-CT-Ref) übereinstimmt (maximale Übereinstimmung Kappa Index von 0.61). In der vorliegenden Studie weisen die ITVs der manuell erstellten Konturen im 4D-PETDatensatz die höchste durchschnittliche Übereinstimmung (KI 0.69) mit der CT-Referenz ITV-CT-Ref auf. Dies spricht dafür, dass das Fachwissen der Konturierenden einen nicht unerheblichen Einfluss auf die Präzision der Zielvolumendefinition hat. Jedoch geht die manuelle Konturierung mit einem hohen Zeitaufwand einher. Eine Alternative stellt die Zielvolumendefinition in der 4D-PET mittels der Schwellwert 40%-Methode (mittlerer KI 0.67) oder dem Homburger Algorithmus (durchschnittlicher KI 0.65) dar. Es lässt sich kein signifikanter Einfluss von Tumorgröße, Bewegungsamplitude der Läsionen und maximaler FDG-Anreicherung auf die Übereinstimmung der PET-basierten Konturen mit der CT-Referenz (ITV-CT-Ref) feststellen. Die manuelle Konturierung im 4D-PET-Datensatz (durchschnittlicher KI 0.7) scheint ähnlich geeignet zur Zielvolumendefinition wie die 4D-CT und ist vorzuziehen bei der Bestrahlungsplanung von Tumoren, die in der CT schlecht abgrenzbar sind. Weitere Studien, die manuelle und halb-automatisch erstellte Konturen aus 4D-PET, 4D-CT sowie 4D-PET/CT-Daten mit dem Tumorresektat vergleichen, wären für Qualitätssicherung und Optimierung der Bestrahlung von Lungenherden wünschenswert. die 8 Literatur 1. Abrams HL, Spiro R, Goldstein N (1950) Metastases in carcinoma - analysis of 1000 autopsied cases. Cancer 3: 74-85. 2. Abramyuk A, Appold S, Zöphel K, Hietschold V, Baumann M, Abolmaali N. (2012) Quantitative modifications of TNM staging, clinical staging and therapeutic intent by FDG-PET/CT in patients with non small cell lung cancer scheduled for radiotherapy-a retrospective study. Lung Cancer 78(2):148-52 3. Adam A, Migdalska-Sęk M, Pastuszak-Lewandoska D, Czarnecka K, Nawrot E, Domańska D, et al. (2013) Significant frequency of allelic imbalance in 3p region covering nRARβ and MLH1 loci seems to be essential in molecular non-small cell lung cancer diagnosis. Med Oncol 30(2):532 4. Allen AM, Siracuse KM, Hayman JA, Balter JM. (2004) Evaluation of the influence of breathing on the movement and modeling of lung tumors. International Journal of Radiation Oncology Biology Physics 58(4):1251–1257 5. Andolino DL., Forquer JA, Henderson MA, Barriger RB et al. (2007) Chest wall toxicity after stereotactic body radiotherapy for malignant lesions of the lung and liver. Int. J. Radiat. Oncol. Biol. Phys. 80: 692–697 6. Aristophanous M, Penney BC, Martel MK and Pelizzari CA. (2007) A Gaussian mixture model for definition of lung tumor volumes in positron emission tomography. Med Phys. 34: 4223–4235 7. Aristophanous M, Berbeco RI, Killoran JH, et al. (2012) Clinical utility of 4D FDGPET/CT scans in radiation treatment planning. Int J Radiat Oncol Biol Phys. 82: 99–105 8. Artaechevarria X, Munoz-Barrutia A, Ortiz-de-Soorzano C. (2009) Combination strategies in multi-atlas image segmentation: application to brain MR data. IEEE Trans Med Imaging 28: 1266-77 9. Ashamalla H, Rafla S, Parikh K, Mokhtar B, Goswami G, Kambam S, et al. (2005) The contribution of integrated PET/CT to the evolving definition of treatment volumes in radiation treatment planning in lung cancer. Int J Radiat Oncol Biol Phys. 63(4):1016-23. 10. Ashworth A, Rodrigues G, Boldt G, Palma D. (2013) Is there an oligometastatic state in non-small cell lung cancer? A systematic review of the literature, Lung Cancer 82(2):197203 11. Aupérin A, Le Péchoux C, Pignon J-P. (2010) Meta-Analysis of Concomitant Versus Sequential Radiochemotherapy in Locally Advanced Non–Small-Cell Lung Cancer; American Journal of Clinical Oncology 28(13): 2181-90 12. Bai T, Zhu J, Yin Y, Lu J, Shu, Wang L, Yang B. (2014) How does four-dimensional computed tomography spare normal tissues in non-smal cell lung cancer radiotherapy by defining internal target volume? Thoracic Cancer 5: 537-542 13. Bakheet SM, Saleem M, Powe J, Al-Amro A, Larsson SG, Mahassin Z. (2000) F-18 fluorodeoxyglucose chest uptake in lung inflammation and infection. Clin Nucl Med.25(4): 273-8 14. Bar-Ad V, Ohri N, Werner-Wasik M. (2012) Esophagitis, Treatment-Related Toxicity in Non-Small Cell Lung Cancer. Reviews on recent clinical trials 7(1): 31-35 15. Bayne M, Hicks RJ, Everitt S, Fimmell N, Ball D, Reynolds J, et al. (2010) Reproducibility of "intelligent" contouring of gross tumor volume in non-small-cell lung cancer on PET/CT images using a standardized visual method. Int J Radiat Oncol Biol Phys. 77(4): 1151-7 16. Berbeco RI, Nishioka S, Shirato H, et al. (2006) Residual motion of lung tumors in endof-inhale respiratory gated radiotherapy based on external surrogates. Med Phys.33: 4149–4156 68 17. Bhagat N, Fidelman N, Durack JC, Collins J, Gordon RL, La Berge JM and Kerlan RK Jr. (2010) Complications associated with the percutaneous insertion of fiducial markers in the thorax Cardiovasc. Intervent. Radiol. 33: 1186–91 18. Biehl KJ, Kong FM, Dehdashti F, Jin JY, Mutic S, El Naqa I, et al. (2006) 18F-FDG PET definition of gross tumor volume for radiotherapy of non-small cell lung cancer: is a single standardized uptake value threshold approach appropriate? J Nucl Med. 47:1808– 12 19. Black QC, Grills IS, Kestin LL, Wong CY, Wong JW, Martinez AA, et al. (2004) Defining a radiotherapy target with positron emission tomography. Int J Radiat Oncol Biol Phys. 60:1272–82 20. Bradley J, Thorstad WL, Mutic S, Miller TR, Dehdashti F, Siegel BA, et al. (2004a) Impact of FDG-PET on radiation therapy volume delineation in non-small-cell lung cancer. Int J Radiat Oncol Biol Phys. 59(1): 78-86 21. Bradley J, Deasy JO, Bentzen S, El-Naqa I. (2004b) Dosimetric correlates for acute esophagitis in patients treated with radiotherapy for lung carcinoma. Int J Radiat Oncol Biol Phys. 58(4): 1106-1113 22. Brown C, Dempsey MF, Gillen G, Elliott AT. (2010) Investigation of 18F-FDG 3D mode PET image quality versus acquisition time. Nucl Med Commun.31(3):254-9 23. Bugalho A, Ferreira D, Eberhardt R, Dias SS, Videira PA, Herth FJ, et al. (2013) Diagnostic value of endobronchial and endoscopic ultrasound-guided fine needle aspiration for accessible lung cancer lesions after non-diagnostic conventional techniques: a prospective study. BMC Cancer 13:130 24. Caldwell CB, Mah K, Skinner M, Danjoux CE. (2003) Can PET provide the 3D extent of tumor motion for individualized internal target volumes? A phantom study of the limitations of CT and the promise of PET. Int J Radiat Oncol Biol Phys. 55(5): 1381-93 25. Caldwell CB, Mah K, Ung YC, Danjoux CE, Balogh JM, Ganguli SN et al. (2001) Observer variation in contouring gross tumor volume in patients with poorly defined nonsmall-cell lung tumors on CT: the impact of 18FDG-hybrid PET fusion. Int J Radiat Oncol Biol Phys. 51(4): 923-31 26. Chang JY, Senan S, Paul MA, Mehran RJ, Louie AV, Balter P et al. (2015) Stereotactic ablative radiotherapy versus lobectomy for operable stage I non-small-cell lung cancer: a pooled analysis of two randomised trials. The Lancet Oncology 16(6): 630 - 637 27. Cheebsumon P, Boellaard R, de Ruysscher D, van Elmpt W, van Baardwijk A, Yaqub M, et al. (2012) Assessment of tumour size in PET/CT lung cancer studies: PET- and CTbased methods compared to pathology. EJNMMI 2(1): 56 28. Chen GT, Kung JH and Beaudette KP (2004) Artifacts in computed tomography scanning of moving objects Semin.Radiat. Oncol. 14: 19–26 29. Coon D, Gokhale AS, Burton SA, Heron DE., Ozhasoglu C, Christie N. (2008) Fractionated stereotactic body radiation therapy in the treatment of primary, recurrent, and metastatic lung tumors: The role of positron emission tomography/computed tomography - based treatment planning. Clinical Lung Cancer 9(4): 217-221 30. Cui Y, Dy JG, Sharp GC et al. (2007) Robust fluoroscopic respiratory gating for lung cancer radiotherapy without implanted fiducial markers. Phys Med Biol. 52: 741–755 31. Dales RE, Stark RM and Raman S (1990) Computed tomography to stage lung cancer. Approaching a controversy using meta-analysis. American Review of Respiratory Disease 141: 1096-1101 32. Daisne JF, Sibomana M, Bol A, Doumont T, Lonneux M, Grégoire V. (2003) Threedimensional automatic segmentation of PET volumes based on measured source-tobackground ratios: influence of reconstruction algorithms. Radiother Oncol 69: 247–50 33. Deniaud-Alexandre E, Touboul E, Lerouge D, Grahek D, Foulquier JN, Petegnief Y et al. (2005) Impact of computed tomography and 18F-deoxyglucose coincidence detection 69 emission tomography image fusion for optimization of conformal radiotherapy in nonsmall-cell lung cancer. Int J Radiat Oncol Biol Phys. 63(5):1432-41. 34. De Ruysscher D, Nestle U, Jeraj R and McManus M. (2012) PET scans in radiotherapy planning of lung cancer. Lung Cancer 75:141-145 35. De Ruysscher D, Wanders S, et al. (2005a) Effects of radiotherapy planning with a dedicated combined PET-CT-simulator of patients with non-small cell lung cancer on dose limiting normal tissues and radiation dose-escalation: a planning study. Radiother Oncol. (1): 5-10 36. De Ruysscher D, Wanders S, van Haren E, Hochstenbag M, Geeraedts W, Utama I et al. (2005b) Selective mediastinal node irradiation based on FDG-PET scan data in patients with non-small-cell lung cancer: a prospective clinical study. Int J Radiat Oncol Biol Phys. 62(4): 988-94 37. Doll C. (2013) Interindividuelle Differenzen und Einfluss von Erfahrung und Ausbildungsstand auf die FDG-PET gestützte Zielvolumenkonturierung in der Bestrahlungsplanung von nicht-kleinzelligen Bronchialkarzinomen. INAUGURALDISSERTATION zur Erlangung des Medizinischen Doktorgrades der Medizinischen Fakultät der Albert-Ludwigs-Universität Freiburg im Breisgau 38. Dresel S. (2008) PET in oncology. Springer, Berlin. 39. Duncker-Rohr V, Nestle U, Momm F, Prokic V, Heinemann F, Mix M et al. (2013 ) Stereotactic ablative radiotherapy for small lung tumors with a moderate dose - Favorable results and low toxicity. Strahlenther Onkol. 189: 33–40 40. Edge SB, Compton CC. (2010) The American Joint Committee on Cancer: the 7th Edition of the AJCC Cancer Staging Manual and the Future of TNM; Annals of Surgical Oncology 17(6): 1471-4 41. Erdi YE, Mawlawi O, Larson SM et al. (1997) Segmentation of lung lesion volume by adaptive positron emission tomotgraphy image thresholding. Cancer 80 (12Suppl): 2505-9 42. Erdi YE, Rosenzweig K, Erdi AK, Macapinlac HA, Hu Y-C, Braban LE, et al. (2002) Radiotherapy treatment planning for patients with non-small cell lung cancer using positron emission tomography (PET). Radiother Oncol. 62: 51–60 43. Erridge SC, Seppenwoolde Y, Muller SH, van Herk M, De Jaeger K, Belderbos JS, Boersma LJ and Lebesque JV. (2003) Portal imaging to assess set-up errors, tumor motion and tumor shrinkage during conformal radiotherapy of non-small cell lung cancer. Radiother. Oncol. 66(1): 75–85 44. Evans J, Gomez D, Amini A, Rebueno N et al. (2013) Aortic dose constraints when reirradiating thoracic tumors. Radiother. Oncol.106: 327–332 45. Ezhil M, Vedam S, Balter P, Choi B, Mirkovic D, Starkschall G and Chang JY (2009) Determination of patient-specific internal gross tumor volumes for lung cancer using fourdimensional computed tomography. Radiation Oncology 4: 4 46. Fleckenstein K, Wenz F, Edited by: Krück F, Kaufmann W, Bünte H, Gladtke E and Tölle R. (2007) Therapie-Handbuch Grundwerk inkl 6. Lfg. (5), Kapitel 9 Strahlentherapie: B9.1–B9.10 47. Fox JL, Rengan R, O'Meara W, Yorke E, Erdi Y, Nehmeh S et al. (2005) The contribution of integrated PET/CT to the evolving definition of treatment volumes in radiation treatment planning in lung cancer. Int J Radiat Oncol Biol Phys. 62(1): 70-5 48. Gambhir SS, Czernin J, Schwimmer J, Silverman DHS, Coleman RE, Phelps ME. (2001) A Tabulated Summary of the FDG PET Literature. J Nucl Med. 42: 1S–93S 49. Gesellschaft der epidemiologischen Krebsregister in Deutschland e. V. und Robert-KochInstitut (Hrsg). (2006) Krebs in Deutschland. Häufigkeiten und Trends 2005/2006; Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie 70 50. Greco C, Rosenzweig K, Cascini GL, Tamburrini O. (2007 ) Current status of PET/CT for tumour volume definition in radiotherapy treatment planning for non-small cell lung cancer (NSCLC). Lung Cancer. 57(2): 125-34. 51. Gregory DL, Hicks RJ, Hogg A, Binns DS, Shum PL, Milner A, Link E, Ball DL and Mac Manus MP (2012) Effect of PET/CT on Management of Patients with Non–Small Cell Lung Cancer: Results of a Prospective Study with 5-Year Survival Data. J Nucl Med. 53 (7): 1007-1015 52. Grills IS, Yan D, Black QC, Wong CY, Martinez AA, Kestin LL. (2007) Clinical implications of defining the gross tumor volume with combination of CT and 18FDGpositron emission tomography in non-small-cell lung cancer. Int J Radiat Oncol Biol Phys. 67(3):709-19 53. Grootjans W, De Geus-Oei L-F, Troost EGC, Visser EP, Oyen WJG, Bussink J. (2015) PET in the management of locally advanced and metastatic NSCLC. Nature Reviews Clinical Oncology 12: 395–407 54. Grotus N Reader AJ, Stute S Rosenwald JC, Giraud P and Buvat I. (2009) Fully 4D listmode reconstruction applied to respiratory-gated PET scans. Phys. Med. Biol. 54(6): 1705 55. Guan-hao C, Zhi-feng Y, Xing-wen F, Ying-jian Z, Hui-quan G, Wei Q, et al. (2013) Variation in background intensity affects PET-based gross tumor volume delineation in non-small-cell lung cancer: The need for individualized information. Radiotherapy and Oncology 109(1): 71–76 56. Haasbeek CJ, Senan S, Smit EF, Paul MA, Slotman BJ, Lagerwaard FJ. (2008) Critical review of nonsurgical treatment options for stage I non-small cell lung cancer. Oncologist 3(3): 309-19; 57. Haasbeek CJ, Lagerwaard FJ, Slotman BJ, Senan S. (2011) Outcomes of stereotactic ablative radiotherapy for centrally located early-stage lung cancer. J Thorac Oncol. 6(12): 2036-43 58. Hanna GG, McAleese J, Carson KJ, Stewart DP, Cosgrove VP, Eakin RL, et al. (2010) (18)F-FDG PET-CT simulation for non-small-cell lung cancer: effect in patients already staged by PET-CT. Int J Radiat Oncol Biol Phys. 77(1): 24-30 59. Hanna GG, van Sörnsen de Koste JR, Dahele MR et al. (2012) Defining target volumes for stereotactic ablative radiotherapy of early-stage lung tumours: a comparison of threedimensional 18F-fluorodeoxyglucose positron emission tomography and four-dimensional computed tomography. Clin Oncol (R Coll Radiol). 24: 71–80 60. Harada T, Shirato H, Ogura S, Oizumi S, Yamazaki K, Shimizu S, et al. (2002) Real-time tumor-tracking radiation therapy for lung carcinoma by the aid of insertion of a gold marker using bronchofiberscopy. Cancer 95: 1720–7. 61. Hatt M, Cheze le Rest C, Turzo A, Roux C, Visvikis D. (2009) A fuzzy locally adaptive Bayesian segmentation approach for volume determination in PET. IEEE Trans Med Imaging 28: 881 62. Hatt M, Lee J, Schmidtlein CR, Naqa I, Caldwell C, De Bernardi E et al. (in preparation) Report of AAPM TG211: Classification and evaluation strategies of auto-segmentation approaches for PET 63. Hellwig D, Baum RP and Kirsch CM. (2009) FDG-PET, PET/CT and conventional nuclear medicine procedures in the evaluation of lung cancer – a systematic review. Nuklearmedizin 48: 59-69. 64. Herrmann T, Baumann M (1997). Klinische Strahlenbiologie- kurz und bündig-. Jena, Stuttgart, Lübeck; Ulm, G.Fischer 65. Hofheinz F, Pötzsch C, Oehme L, Beuthien-Baumann B, Steinbach J, Kotzerke J, van den Hoff J (2012) Automatic volume delineation in oncological PET. Evaluation of a dedicated software tool and comparison with manual delineation in clinical data sets. Nuklearmedizin 51: 9–16 71 66. ICRU (1993) ICRU Report 50. International Commission on Radiation Units and Measurements, Bethesda. 67. ICRU (1999) ICRU Report 62. International Commission on Radiation Units and Measurements, Bethesda 68. Inoue T, Katoh N, Aoyama H, Onimaru R, Taguchi H, Onodera S et al. (2010) Clinical outcomes of stereotactic brain and/or body radiotherapy for patients with oligometastatic lesions. Jpn J Clin Oncol 40(8): 788–794 69. Johnson EO, Chen LS, Breslau N, Hatsukami D, Robbins T, Saccone NL et al. (2010) Peer smoking and the nicotinic receptor genes: an examination of genetic and environmental risks for nicotine dependence. Addiction 105(11): 2014-22 70. Jung J, Song SY, Kim JH, Yu CS, Kim JC and TW, Choi EK et al. (2015) Clinical efficacy of stereotactic ablative radiotherapy for lung metastases arising from colorectal cancer. Radiation Oncology 10, 238. 71. Keall P, Mageras GS, Balter JM, Emery RS, Forster KM, Jiang SB, Yorke E et al. (2006) The management of respiratory motion in radiation oncology report of AAPM Task Group 76a. Medical Physics 33: 3874 72. Keall P, Joshi S, Tracton G, Kini V, Vedam S and Mohan R. (2003) 4-Dimensional radiotherapy planning. International Journal of Radiation Oncology Biology Physics 57(2) 73. Keyes JW Jr. (1995) SUV: Standard Uptake or Silly Useless Value? J Nuci Med. 36:1836-1839 74. Kolodziejczyk M, Kepka L, Dziuk M, Zawadzka A, Szalus N, Gizewska A et al. (2011) Impact of [18F]fluorodeoxyglucose PET-CT staging on treatment planning in radiotherapy incorporating elective nodal irradiation for non-small-cell lung cancer: a prospective study. Int J Radiat Oncol Biol Phys. 80(4):1008-14 75. Konert T, Vogel W, MacManus MP, Nestle U, Belderbos J, Grégoire V et al. (2015) PET/CT imaging for target volume delineation in curative intent radiotherapy of nonsmall cell lung cancer: IAEA consensus report 2014, Radiotherapy and Oncology; 116(1): 27-34 76. Korreman SS (2012). Motion in radiotherapy: photon therapy. Phys. Med. Biol. 57 R161 77. Korreman SS. (2015) Image-guided radiotherapy and motion management in lung cancer. Br J Radiol; 88: 20150100 78. Lagerwaard FJ1, Verstegen NE, Haasbeek CJ, Slotman BJ, Paul MA, Smit EF, Senan S. (2012)Outcomes of stereotactic ablative radiotherapy in patients with potentially operable stage I non-small cell lung cancer. Int J Radiat Oncol Biol Phys.83(1): 348-53 79. Lamare F, Ledesma Carbayo MJ, Cresson T, Kontaxakis G, Santos A, Cheze Le Rest C, et al. (2007) List-mode-based reconstruction for respiratory motion correction in PET using non-rigid body transformations. Phys Med Biol. 52: 5187–204 80. Lamb JM, Robinson C, Bradley J, Laforest R, Dehdashti F, White BM, Low DA et al. (2011) Generating lung tumor internal target volumes from 4D-PET maximum intensity projections. Medical Physics 38(10): 5732–5737. 81. Larsen JE, Cascone T, † Gerber DE, ‡ Heymach JV,† and Minna JD. (2011) Targeted Therapies for Lung Cancer; Cancer Journal; 17(6): 512–527. 82. Lee S, Choi E, Park H et al. (2003) Stereotactic body frame based fractionated radiosurgery on consecutive days for primary or metastatic tumors in the lung. Lung Cancer 40: 309-315 83. Li T, Thorndyke B, Schreibmann E, Yang Y, Xing L. (2006) Model-based image reconstruction for four-dimensional PET. Med Phys. 33:1288–98 84. Lin P, Koh E-S, Lin M, Vinod SK, Ho-Shon I, Yap J, Som S (2011) Diagnostic and staging impact of radiotherapy planning FDG-PET-CT in non-small-cell lung cancer. Radiotherapy and Oncology 101: 284-290 72 85. Lohr F, Wenz F (Herausgeber) (2007) Strahlentherapie kompakt. Elsevier-Verlag. Kapitel 36 Biologische Grundlagen der Radioonkologie: 303-313 86. Lucignani G, Paganelli G, Bombardieri E. (2004) The use of standardized uptake values for assessing FDG uptake with PET in oncology: a clinical perspective. Nucl Med Commun.25(7): 651-656 87. Mac Manus MP, Everitt S, Bayne M, Ball D, Plumridge N, Binns D. (2013) The use of fused PET/CT images for patient selection and radical radiotherapy target volume definition in patients with non-small cell lung cancer: results of a prospective study with mature survival data. Radiother Oncol. 106(3): 292-298 88. Mac Manus MP, Wong K, Hicks RJ, et al. (2002) Early mortality after radical radiotherapy for non-small-cell lung cancer: comparison of PET-staged and conventionally staged cohorts treated at a large tertiary referral center. Int J Radiat Oncol Biol Phys 52: 351–61. 89. Mac Manus MP, Hicks RJ, Ball DL, Kalff V, Matthews JP, Salminen E et al. (2001) F18-fluorodeoxyglucose positron emission tomography staging in radical radiotherapy candidates with nonsmall cell lung carcinoma: powerful correlation with survival and high impact on treatment. Cancer 92(4): 886-895 90. Maemondo M, Inoue A, Kobayashi K, Sugawara S, Oizumi S, Isobe H et al. (2010) Gefitinib or chemotherapy for non-small-cell lung cancer with mutated EGFR. New Engl J Med 362(25): 2380-8 91. Mah K and Henkelman M (1984) Time varying dose due to respiratory motion during radiotherapy of the thorax. Proc.8th Int. Conf. on the Use of Computers in Radiotherapy 92. Mah K, Caldwell CB, Ung YC, Danjoux CE, Balogh JM, Ganguli SN et al. (2002) The impact of (18)FDG-PET on target and critical organs in CT-based treatment planning of patients with poorly defined non-small-cell lung carcinoma: a prospective study. Int J Radiat Oncol Biol Phys. 52: 339–50 93. Martínez M.-J., Ziegler S.I., Beyer Th. (2008) PET and PET/CT: Basic Principles and Instrumentation; Recent Results in Cancer Research, Vol.170 (Springer-Verlag) 94. McDonald, J.H. (2014) Handbook of Biological Statistics (3rd ed.) Sparky House Publishing, Baltimore, Maryland: 190-208 95. Milano MT, Philip A, Okunieff P (2007) Analysis of patients with oligometastases undergoing two or more curative-intent stereotactic radiotherapy courses. Int J Radiat Oncol Biol Phys 73(3): 832–837 96. Molina-Duran F, Dinter D, Schoenahl F, Schoenberg SO, Glatting G (2014) Dependence of image quality on acquisition time for the PET/CT Biograph mCT, Zeitschrift für Medizinische Physik 24 (1): 73-79 97. Nagata Y, Negoro Y, Aoki T et al. (2002) Clinical outcomes of 3D conformal hypofractionated single high dose radiotherapy for one or two lung tumors using a stereotactic body frame. Int J Radiat Oncol Biol Phys. 52: 1041-1046 98. National Cancer Instiute: http://www.cancer.gov/cancertopics/factsheet/Risk/radon; 25.07.2014 99. Navarria P, Ascolese AM, Tomatis S, Cozzi L, De Rose F, Mancosu P et al. (2014) Stereotactic body radiotherapy (sbrt) in lung oligometastatic patients: role of local treatments. Radiation Oncology 9: 91 100. NCT00697333: fortlaufende multizentrische PET-Plan-Studie: http://www.ag-nukrt.de/index.php/studien 101. Nehmeh SA, Erdi YE, Pevsner A, Yorke E, Mageras GS, Humm JL et al. (2004) Four-dimensional (4D) PET/CT imaging of the thorax ; Med. Phys. 31: 3179 102. Nehmeh SA, Erdi YE. (2008) Respiratory motion in positron emission tomography/computed tomography: a review. Semin Nucl Med. 38: 167–76 73 103. Nestle U, Helwig D, Fleckenstein J et al. (2002) Comparison of early pulmonary changes in 18-F-FDG-PET and CT after combined radiochemotherapy for advanced nonsmall-cell lung cancer: a study in 15 patients. Front. Radiat. Ther. Oncol. 37: 26-33 104. Nestle U, Kremp S, Grosu AL. (2006) Practical integration of [18F]-FDG-PET and PET-CT in the planning of radiotherapy for non-small cell lung cancer (NSCLC): the technical basis, ICRU-target volumes, problems, perspectives. Radiother Oncol. 81(2): 209-25 105. Nestle U, Kremp S, Schaefer-Schuler A, Sebastian-Welsch C, Hellwig D, Rübe C et al. (2005) Comparison of different methods for delineation of 18F-FDG PET-positive tissue for target volume definition in radiotherapy of patients with non-small cell lung cancer. J Nucl Med. 46: 1342–8 106. Nestle U, Walter K, Schmidt S, Licht N, Nieder C, Motaref B, et al. (1999) 18Fdeoxyglucose positron emission tomography (FDG-PET) for the planning of radiotherapy in lung cancer: high impact in patients with atelectasis; Int J Radiat Oncol Biol Phys. 44(3): 593-7 107. Nestle U, Kremp S, Schaefer-Schuler A, Sebastian-Welsch C, Hellwig D, Rübe C et al. (2005) Comparison of different methods for delineation of 18F-FDG PET-positive tissue for target volume definition in radiotherapy of patients with non-small cell lung cancer. J Nucl Med. 46 (8): 1342–48 108. Nestle U, Weber W, Hentschel M and Grosu A-L. (2009) Topical review: Biological imaging in radiation therapy: role of positron emission tomography. Phys. Med. Biol. 54 R1-R25 109. Nestle U, Schaefer-Schuler A, Kremp S et al. (2007a) Target volume definition for 18F –FDG-PET-positive lymph nodes in radiotherapy of patients with non-small cell lung cancer. Eur J Nucl Med Mol Imaging 34: 453–62 110. Nestle U. (2007b) Einsatz der Positronen-Emissionstomotgraphie mit (18F)-FluorDesoxyglukose in der Bestrahlungsplanung bei nicht-kleinzelligen Bronchialkarzinomen. Habilitationsschrift zur Erlangung der Venia legendi für das Fach Nuklearmedizin 111. Niewald M, Feldmann U, Feiden W et al. (1999) Radiomyelopathy after conventionally fractionated and hyperfractionated radiotherapy – experimental data and clinical consequences. Front. Radiat. Ther. Oncol. 33: 293-304 112. Okubo M, Nishimura Y, Nakamatsu K, Okumura M, Shibata T, Kanamori S et al. (2008) Static and moving phantom studies for radiation treatment planning in a positron emission tomography and computed tomography (PET/CT) system. Ann Nucl Med 22: 579–86 113. Okunieff P, Petersen AL, Philip A, Milano MT, Katz AW, Boros L, Schell MC. (2006) Stereotactic Body Radiation Therapy (SBRT) for lung metastases. Acta Oncol. 45(7): 808-17. 114. Østergaard LR, Larsen OV. Applying voting to segmentation of MR images. Advances in Pattern Recognition: Springer 1998: 795-804 115. Palma DA, Haasbeek CJA, Rodrigues GB, Daheke M, Lock M, Yaremko B et al. (2012). Stereotactic ablative radiotherapy for comprehensive treatment of oligometastatic tumors (SABR-COMET): Study protocol for a randomized phase II trial.BMC Cancer 12:305 116. Park SJ, Ionascu D, Killoran J, Mamede M, Gerbaudo VH, Chin L, Berbeco R (2008) Evaluation of the combined effects of target size, respiratory motion and background activity on 3D and 4D PET/CT images. Phys Med Biol. 53(13): 3661-79 117. Pastorino U, Buyse M, Friedel G et al. (1997) Long-term results of lung metastectomy: prognostic analyses based on 5206 cases. J Thorac Cardiovasc Surg. 113: 37-49 74 118. Patel A, Khalsa B, Lord B, Sandrasegaran K, Lall C. (2013) Planting the seeds of success: CTguided gold seed fiducial marker placement to guide robotic radiosurgery. J Med Imaging Radiat Oncol. 57: 207–11 119. Peltola S (1986) Gated radiotherapy to compensate for patient breathing Proc. 11th Varian Users Meeting, RAD 2100 vol 10/68 pp 68–70 120. Persson GF, Nygaard DE, Brink C, Jahn JW, Munck af RP, Specht L and Korreman SS (2010) Deviations in delineated GTV caused by artefacts in 4DCT Radiother. Oncol. 96: 61–6 121. Pötter R., Georg D., Handl-Zeller L., Kranz A., Selzer E.. In: Hiddemann W, Bartram C (Hrsg.) (2010) Strahlentherapie; Springer-Verlag: Die Onkologie 437–468 122. Qiao F, Pan T, Clark J, John W, Mawlawi O. (2007) Joint model of motion and anatomy for PET image reconstruction. Med Phys. 34: 4626–39 123. Rahmim A, Tang J, Zaidi H. (2009) Four-dimensional (4D) image reconstruction strategies in dynamic PET: beyond conventional independent frame reconstruction. Med Phys 36: 3654–70 124. Rampling R and Symonds P. (1998) Radiation myelopathy. Curr Opin Neurol 11(6): 627-35 125. Rekonen A and Toivonen J. (1985) Breathing gated radiation therapy: possibilities and need Proc. XIV Int. Conf. on Medical and Biological Engineering and VII Int. Conf. on Medical Physics 126. Ricardi U, Filippi AR, Guarnieri A, Ragona R, Mantovani C, Giglioli F et al. (2011) Stereotactic body radiation therapy for lung metastases. Lung Cancer 75: 77-81 127. Rietzel E, Chen G, Choi N & Willet C. (2005) Four-dimensional image-based treatment planning: Target volume segmentation and dose calculation in the presence of respiratory motion. International Journal of Radiation Oncology Biology Physics 61(5): 1535-1550 128. Rosell R, Carcereny E, Gervais R, Vergnenegre A, Massuti B, Felip E et al. (2012) Erlotinib versus standard chemotherapy as first-line treatment for European patients with advanced EGFR mutation-positive non-small-cell lung cancer (EURTAC): a multicentre, open-label, randomised phase 3 trial. Lancet Oncol. 13(3): 239-46 129. Rowell NP, Williams CJ. (2001) Radical radiotherapy for stage I/II non-small cell lung cancer in patients not sufficiently fit for or declining surgery (medically inoperable).; Cochrane Database Syst Rev., Thorax 56(8): 628–638. 130. Rücker G, Schimek-Jasch T, Nestle U. (2012) Measuring inter-observer agreement in contour delineation of medical imaging in a dummy run using Fleiss' kappa.; Methods Inf Med. 51(6): 489-94 131. Rusthoven KE, Kavanagh BD, Burri SH, Chen C, Cardenes H, Chidel MA et al. (2009) Multi-institutional phase I/II trial of stereotactic body radiation therapy for lung metastases. J Clin Oncol 27(10):1579–1584 132. S3-Leitlinie Goeckenjan G et al. (2011)Prävention, Diagnostik, Therapie und Nachsorge des Lungenkarzinoms. Pneumologie 65: 51–75 133. Saccone SF, Hinrichs AL, Saccone NL, Chase GA, Konvicka K, Madden PA, et al. (2007) Cholinergic nicotinic receptor genes implicated in a nicotine dependence association study targeting 348 candidate genes with 3713 SNPs.; Hum Mol Genet. 16(1): 36-49 134. Sauer R, Hrsg.: Kaufmann, Moser und Sauer (2006) Radiologie (3) Kapitel 7 – Strahlentherapie: 331-386 135. Schaefer A, Kremp S, Hellwig D, Rübe C, Kirsch CM, Nestle U. (2008) A contrastoriented algorithm for FDG-PET-based delineation of tumour volumes for the radiotherapy of lung cancer: derivation from phantom measurements and validation in patient data. Eur J Nucl Med Mol Imaging 35(11):1989-99. 75 136. Schaefer A, Jin Kim Y, Kremp S, Mai S, Fleckenstein J, Bohnenberger H, et al. (2013) PET-based delineation of tumour volumes in lung cancer: comparison with pathological findings. European Journal of Nuclear Medicine and Molecular Imaging 40(8): 1233-44 137. Schaefer A, Vermandel M, Baillet C, Nemer U, Gardin I, Nestle U et al. (2016) Impact of consensus contours from multiple PET-segmentation methods on the accuracy of functional volume delineation. European Journal of Nuclear Medicine and Molecular Imaging 43(5): 911-924 138. Schinagl DA, Vogel WV, Hoffmann AL, van Dalen JA, Oyen WJ, Kaanders JH. (2007) Comparison of five segmentation tools for 18F-fluoro-deoxy-glucose-positron emission tomography-based target volume definition in head and neck cancer. Int J Radiat Oncol Biol Phys. 69:1282–9 139. Senan S, Chapet O, Lagerwaard F, & Ten Haken R. (2004) Defining target volumes for non-small cell lung carcinoma. Seminars in Radiation Oncology 14(4): 308-314 140. Seppenwoolde Y, Shirato H, Kitamura K, Shimizu S, van Herk M, Lebesque JV and Miyasaka K (2002) Precise and real-time measurement of 3D tumor motion in lung due to breathing and heartbeat, measured during radiotherapy. Int. J. Radiat. Oncol. Biol. Phys. 53: 822–34 141. Shepherd, T.Teras, M., Beichel, R. R., Boellaard, R., Bruynooghe, M., Dicken V. et al. (2012 ) Comparative Study with New Accuracy Metrics for Target Volume Contouring in PET Image Guided Radiation Therapy. IEEE Transactions on Medical Imaging 31(11): 2006-2024 142. Shirai K, Nakagawa A, Abe T, Kawahara M, Saitoh J, Ohno T, Nakano T (2012) Use of FDG-PET in Radiation Treatment Planning for Thoracic Cancers. Internation Journal of Mol. Imag. 2012, Article ID 609545, 9 pages 143. Sonke JJ, Zijp L, Remeijer P, van Herk M. (2005) Respiratory correlated cone beam CT. Med Phys. 32: 1176–86 144. Spanoudaki V Ch and Levin C S. (2010) Photo-Detectors for Time of Flight Positron Emission Tomography (ToF-PET). Review. Sensors 10: 10484-10505 145. Spratt DE, Diaz R, McElmurray J, Csiki I, Duggan D, Lu B, et al. (2010) Impact of FDG PET/CT on delineation of the gross tumor volume for radiation planning in nonsmall-cell lung cancer. Clin Nucl Med. 35(4): 237-43 146. Steenbakkers RJ, Duppen JC, Fitton I. et al. (2006) Reduction of observer variation using matched CT-PET for lung cancer delineation: A three-dimensional analysis; Int J Radiat Oncol Biol Phys 64: 435–44 147. Stroom J, Blaauwgeers H, van Baardwijk A, Boersma L, Lebesque J, Theuws J et al. (2007) Feasibility of pathology-correlated lung imaging for accurate target definition of lung tumors. Int. J. Radiation Oncology Biol. Phys. 69(1): 267-275 148. Surti S, Kuhn A, Werner ME, Perkins AE, Kolthammer J, Karp JS (2007) Performance of Philips Gemini TF PET/CT Scanner with Special Consideration for its Time-of-Flight Imaging Capabilities. J Nucl Med. 48: 471–480 149. Thie JA. (2009) Understanding the Standardized Uptake Value. The Journal of Nuclear Medicine 45(9) 150. Timmerman, R.D. et al. (2014) Long-term Results of RTOG 0236: A Phase II Trial of Stereotactic Body Radiation Therapy (SBRT) in the Treatment of Patients with Medically Inoperable Stage I Non-Small Cell Lung Cancer. International Journal of Radiation Oncology • Biology • Physics 90(1): 30 151. Toledo G, Sola JJ, Lozano MD, Soria E, Pardo J. (2004) Loss of FHIT protein expression is related to high proliferation, low apoptosis and worse prognosis in nonsmall-cell lung cancer. Mod Pathol. 17(4): 440-8 76 152. Tournoy KG, Rintoul RC, van Meerbeeck JP, Carroll NR, Praet M, Buttery RC, et al. (2009) EBUS-TBNA for the diagnosis of central parenchymal lung lesions not visible at routine bronchoscopy.; Lung Cancer. 63(1):45-9 153. Travis WD, Müller-Hermelink H-K, Harris CC et al. (2004). WHO classification of Tumors. Pathology and genetics of tumours of the Lung, Pleura, Thymus and the Heart. Lyon, IRAC Press: 10-19 154. Trumm CG, H¨aussler SM, Muacevic A, Stahl R, Stintzing S, Paprottka PM et al. (2014) CT fluoroscopy-guided percutaneous fiducial marker placement for CyberKnife stereotactic radiosurgery: technical results and complications in 222 consecutive procedures. J Vasc Interv Radiol. 25: 760–8. 155. Underberg RW, Lagerwaard FJ, Slotman BJ, Cuijpers JP, Senan S. (2005a) Benefit of respiration-gated stereotactic radiotherapy for stage I lung cancer: an analysis of 4DCT datasets. Int J Radiat Oncol Biol Phys. 62: 554–60. 156. Underberg RW, Lagerwaard FJ, Slotman BJ, Cuijpers JP, Senan S. (2005b) Use of maximum intensity projections (MIP) for target volume generation in 4DCT scans for lung cancer. Int J Radiat Oncol Biol Phys. 63: 253-260. 157. van Baardwijk A, Bosmans G, Boersma L, Buijsen J, Wanders S, Hochstenbag M et al. (2007) PET-CT–Based Auto-Contouring in Non–Small-Cell Lung Cancer Correlates With Pathology and Reduces Interobserver Variability in the Delineation of the Primary Tumor and Involved Nodal Volumes. International Journal of Radiation Oncology Biology Physics 68(3): 771–778; 158. van Herk M. (2004) Errors and margins in radiotherapy. Semin. Radiat. Oncol. 14: 52–64 159. van Herk M, Remeijer P, Rasch C and Lebesque JV. (2000) The probability of correct target dosage: dose-population histograms for deriving treatment margins in radiotherapy. Int. J. Radiat. Oncol. Biol. Phys. 47: 1121–35 160. van Loon J, Siedschlag C, Stroom J, Blauwgeers H, van Suylen RJ, Knegjens J et al. (2012) Microscopic disease extension in three dimensions for non-small-cell lung cancer: development of a prediction model using pathology-validated positron emission tomography and computed tomography features. Int J Radiat Oncol Biol Phys. 82: 448–56 161. Vazquez-Sequeiros E, Levy MJ, Van Domselaar M, González-Panizo F, ForunyOlcina JR, Boixeda-Miquel D, et al. (2013) Diagnostic yield and safety of endoscopic ultrasound guided fine needle aspiration of central mediastinal lung masses. Diagn Ther Endosc.:150492 162. Werner-Wasik M, Yu X, Marks LB et al. (2004) Normal-tissue toxicities of thoracic radiation therapy: esophagus, lung and spinal cord as organs at risk. Hematol. Oncol. Clin. North Am. 18(1): 131-60 163. Werner-Wasik M, Nelson AD, Choi W, Arai Y, Faulhaber PF, Kang P, Almeida FD (2012) What ist he best way to contour lung tumors on PET scans? Multiobserver validation of a gradient-based method using a NSCLC digital PET. Int. J. Radiation Oncology Biol. Phys. 82(3): 1164–1171 164. Wolthaus JW, van Herk M, Muller SH et al. (2005) Fusion of respiration-correlated PET and CT scans: Correlated lung tumour motion in anatomical and functional scans. Phys Med Biol. 50: 1569–1583 165. Wolthaus JW, Schneider C, Sonke JJ, van Herk M, Belderbos JS, Rossi MM, Lebesque JV and Damen EM. (2006) Mid-ventilation CT scan construction from fourdimensional respiration-correlated CT scans for radiotherapy planning of lung cancer patients. Int. J. Radiat. Oncol. Biol. Phys. 65: 1560–71 166. Wolthaus JW, Sonke JJ, van HM, Belderbos JS, Rossi MM, Lebesque JV and Damen EM (2008) Comparison of different strategies to use four-dimensional computed 77 tomography in treatment planning for lung cancer patients. Int. J. Radiat. Oncol. Biol. Phys. 70: 1229–38 167. Wong JW, Sharpe MB, Jaffray DA, Kini VR, Robertson JM, Stromberg JS and Martinez AA (1999) The use of active breathing control (ABC) to reduce margin for breathing motion Int. J. Radiat. Oncol. Biol. Phys. 44: 911–919 168. Wu K, Ung YC, Hornby J, et al. PET CT thresholds for radiotherapy target definition in non-small-cell lung cancer: how close are we to the pathologic findings? Int J Radiat Oncol Biol Phys 2010;77:699–706 169. Yaremko B, Riauka T, Robinson D, Murray B, Alexander A, McEwan A et al. (2005) Thresholding in PET images of static andmoving targets. Phys Med Biol. 50: 5969–82 170. Zaidi H. (1996) Organ volume estimation using SPECT; IEEE Trans Nucl Sci. 43: 2174–82 171. Zaidi H, El Naqa I. (2010) PET-guided delineation of radiation therapy treatment volumes: a survey of image segmentation techniques; Eur J Nucl Med Mol Imaging 37: 2165–2187 172. Zentrum für Krebsregisterdaten (ZfKD) (2014): http://www.krebsdaten.de/Krebs/DE/Content/Krebsarten/Lungenkrebs/lungenkrebs_node. html, 27.07.2014 173. Zijdenbos AP, Dawant BM, Margolin RA, Palmer AC. (1994) Morphometric analysis of white matter lesions in MR images: Method and Validation.; IEEE Transactions of Medical Imaging 13 (4): 716–724.; 78 9 Verzeichnisse 9.1 Verzeichnis der Abkürzungen 4D Vierdimensional (Berücksichtigung der Zeit zusätzlich zu den drei räumlichen Dimensionen ART adaptive oder bildgestützte Radiotherapie BG background = Hintergrund cc Kubikzentimeter CI Concordance Index (Messmethode beim Konturenvergleich) Synonym: Overlap Volume (OV) cm Zentimeter cM- Metastasierungssituation Stadium CT Computertomographie CTV Clinical Target Volume (Klinisches Zielvolumen) DNA Desoxribonukleinsäure, auch DNS genannt EBUS- endobronchiale Ultraschall mit Nadelbiopsie/-aspiration TBNA EGFR epidermal growth factor receptor EUS-FNA ösophageale Ultraschall mit Nadelbiopsie/-aspiration FDG [18-F]-Fluor-Desoxyglukose (Radioaktiver Tracer) FDG-PET Positronen-Emissions-Tomographie mit dem Tracer [18-F]-Fluor- Desoxyglukose FEV1 Einsekundenkapazität (engl.: Forced Expiratory Volume in 1 second) GLUT Glukosetransporter GTV Gross Tumor Volume (Makroskopisches Tumorvolumen) Gy Gray ICRU International Commission on Radiation Units and Measurement IGRT Image-Guided Radiation Therapy (Bildgesteuerte Strahlentherapie) IMRT Intensity-Modulated Radiation Therapy (Intensitätsmodulierte Strahlentherapie) IOV Interobservervariabilität, Abweichung zwischen den Konturen verschiedener Methoden/Konturierenden IrV Irradiated Volume (Bestrahltes Volumen) 79 ITV Internal Target Volume KI Kappa Index (Messmethode beim Konturenvergleich) MIP Maximum Intensity Projection MRT Magnetresonanztomographie, Kernspintomographie mSUV(70) entspricht dem mittleren SUV derjenigen Anteile der Läsion, die von der 70%Isokontur umschlossen werden. OV Overlap Volume (Messmethode beim Konturenvergleich) Synonym: Concordance Index (CI) PET Positronen-Emissions-Tomographie PET/CT Kombiniertes Positronen-Emissions- und Computertomogramm PTV Planning Target Volume SBR Source to Background Ratio: Kontrastorientierte Methode (Läsion versus Hintergrund) bei automatischen Konturierungsalgorithmen SBRT Stereotactic Body Radiation Therapy (Stereotaktische Strahlentherapie) SD Standardabweichung (durchschnittliche Entfernung aller gemessenen Werte vom Mittelwert) SUV Standardized Uptake Value (Maß für die Radioaktivitätskonzentration im Gewebe) TBNA bronchoskopische Nadelbiopsie/-aspiration TKI Tyrosinkinase-Inhibitor ToF Time of Flight TS Threshold = Schwellenwert TTNA transthorakale Nadelbiopsie/-aspiration TV Treated Volume VATS Videothorakoskopische Trisegmentresektion 9.2 Verzeichnis der Abbildungen ABBILDUNG 1: CT-AXIALES SCHNITTBILD DURCH DIE LUNGE..............................13 ABBILDUNG 2: PET-AXIALES SCHNITTBILD DURCH DIE LUNGE ........................... 12 ABBILDUNG 3: KOREGISTRIERTES PET/CT (SELBER PATIENT)............................... 12 ABBILDUNG 4: SCHEMATISCHE DARSTELLUNG DER ZIELVOLUMINA (DOLL 2013)................................................................................................................................. 20 ABBILDUNG 5 -ZIELVOLUMINA NACH ICRU 50: SCHEMATISCHE DARSTELLUNG DER INTERNEN BEWEGUNG DES CTV UND DER DARAUS RESULTIERENDEN DEFINITION VON ITV UND PTV AM BEISPIEL EINES ATEMBEWEGLICHEN ZIELVOLUMENS. .......................................................................................................... 22 ABBILDUNG 6 – KONTUREN (ROT) UND ITV (BLAU) EINES EXPERTEN (PROJEZIERT AUF DAS CT IN ATEMMITTELLAGE) ............................................. 36 ABBILDUNG 8 - ITVS DER EXPERTEN (GRÜN, BLAU, VIOLETT) UND ITV-REF (ROT) ............................................................................................................................... 36 ABBILDUNG 9: BEISPIEL DER LÄSIONS-NUMMERIERUNG AM BEISPIEL VON PATIENT 18. ................................................................................................................... 37 ABBILDUNG 10 - KI UND OV IM VERGLEICH AM BEISPIEL DER INTEROBSERVERVARIABILITÄT (IOV) ZWISCHEN DEN ITVS IN DER 4D-CT39 ABBILDUNG 12 – INTEROBSERVERVARIABILITÄT DER KAPPA-INDICES AUF BASIS DES ITV-CT (PAARWEISER KAPPA INDEX) FÜR ALLE 18 LÄSIONEN . 42 ABBILDUNG 13 - PET-KONTUREN IN ATEMMITTELLAGE (UNGATED): DURCHSCHNITTLICHE VOLUMINA IN KUBIKZENTIMETERN.......................... 43 ABBILDUNG 14 - KIS DER PET-UNGATED-KONTUREN (3D)..................................... 44 ABBILDUNG 15 - MITTLERE KIS DER MANUELLEN 4D-PET-KONTUREN .............. 46 ABBILDUNG 16– SCATTERPLOT: ABHÄNGIGKEIT DER KAPPA INDICES DER 4DPET-KONTUREN VOM GTV-50% (IM SCATTERPLOT AUF DER X-ACHSE ALS VOL.GTV.CT BEZEICHNET) ....................................................................................... 48 ABBILDUNG 17 SCATTERPLOT: ABHÄNGIGKEIT DER KIS DER 4D-PETKONTUREN VON SUVMAX ........................................................................................... 49 ABBILDUNG 18 - VERGLEICH MITTLERER ITV-VOLUMINA ..................................... 52 ABBILDUNG 19 - VOLUMINA DER HALBAUTOMATISCHEN KONTUREN OHNE SCHWELLWERT 15% ................................................................................................... 53 ABBILDUNG 20 - LÄSION DES PATIENTEN NR. 08 ....................................................... 54 ABBILDUNG 21 - LÄSION DES PATIENTEN NR. 09 ....................................................... 54 81 ABBILDUNG 22 - MITTELWERTE DER KAPPA-WERTE DER HALBAUTOMATISCHEN KONTUREN...................................................................... 55 ABBILDUNG 24 – ALLE KIS DER HALBAUTOMATISCHEN ITVS FÜR JEDE LÄSION ........................................................................................................................... 56 ABBILDUNG 25 - RANKING HÖCHSTER/NIEDRIGSTER KI DER HALBAUTOMATISCHEN KONTURIERUNGSMETHODEN ................................... 57 10 Verzeichnis der Tabellen TABELLE 1 - 7.AUFLAGE DER UICC-TNM-KLASSIFIKATION FÜR BRONCHIALKARZINOM, SEIT 2010 GELTEND (NACH S3-LEITLINIE, GOECKENJAN 2011) ....................................................................................................... 4 TABELLE 2 STADIENEINTEILUNG DER AB 2010 GELTENDEN 7. AUFLAGE DER UICC-TNM-KLASSIFIKATION (NACH S3-LEITLINIEN GOECKENJAN 2011)...... 5 TABELLE 3 – MÖGLICHE NEBENWIRKUNGEN DER STRAHLENTHERAPIE IM THORAKALEN BEREICH ............................................................................................ 17 TABELLE 4: PATIENTENDATEN ....................................................................................... 32 TABELLE 5 - VOLUMINA DER MANUELLEN KONTUREN IN DER 4D-PET.............. 45 TABELLE 6 – KAPPA INDICES DER MANUELLEN KONTUREN IM 4D-PETDATENSATZ .................................................................................................................. 46 TABELLE 8 - LINEARE REGRESSION - ABHÄNGIGKEIT DER KIS IN DER 4D-PET VOM GTV-50%............................................................................................................... 47 TABELLE 9 - WELCH TWO SAMPLE TEST, DICHOTOMISIERT AM MEDIAN............. 47 TABELLE 10 - LINEARE REGRESSION: ABHÄNGIGKEIT DER KIS IM 4D-PETDATENSATZ VON SUVMAX ......................................................................................... 50 TABELLE 11 – ÜBERSICHT DER ERGEBNISSE DER LINEAREN REGRESSION: KIS UND GTV-50%, SUVMAX, BEWEGUNGSAMPLITUDE............................................. 51 TABELLE 12 - WELCH TWO SAMPLE T-TEST FÜR GTV-50%, SUVMAX, BEWEGUNGSAMPLITUDE, DICHOTOMISIERT AM MEDIAN ............................. 51 TABELLE 13 - ABHÄNGIGKEIT DER KIS DER HALB-AUTOMATISCHEN KONTUREN VON TUMORGRÖßE (GTV-50%), SUVMAX UND BEWEGUNGSAMPLITUDE.......................................................................................... 58 TABELLE 14-BESTIMMTHEITSMAß FÜR DIE ABHÄNGIGKEIT VON TUMORGRÖßE (GTV-50%) ...................................................................................................................... 58 TABELLE 15 - WELCH TWO SAMPLE T-TEST, KIS DER HALBAUTOM. KONTUREN DICHOTOMISIERT AM MEDIAN ............................................................................... 59 TABELLE 16 - ALLE KIS AUF EINEN BLICK ................................................................... 60 11 Anleitung zur Konturierung im Aquilab-Programm 1. ArtiView öffnen: Benutzername: Admin; Passwort: admin 2. Patient -> open -> Patienten auswählen 3. Contouring " Interactive 4. Linkes Fenster: Ordnersymbol anklicken, immer Ungated CT wählen (= Referenz) 5. Rechtes Fenster: Ordnersymbol (rechts oben) anklicken, Bildserie die konturiert werden soll auswählen 6. WICHTIG: beim Auswählen die ausgewählte Bildserie aufschreiben oder abhaken, da der Name hinterher nirgends mehr sichtbar ist!!! 7. PET-Fenster einstellen: a. Rechte Maustaste " Main Window " Manual b. Fenster nach Wunsch einstellen, bis Anatomie und Herde ausreichend erkennbar sind c. Einstellung (min/max) notieren d. Bequerel/ml " „yes“ anklicken 8. CT-Fenster einstellen: wie unter 7. beschrieben, Lungenfester/Weichteilfenster visuell einstellen und Konturierung unter Berücksichtigung beider Fenster durchführen 9. Farbskala einstellen: a. Rechte Maustaste " MainLUT " wählen und notieren 10. Tipp: um zu zoomen rechte Maustaste gedrückt halten 11. ins linke Fenster einen Rechtsklick " Fullscreen 12. Schieber unten ganz nach rechts schieben (wenn Schieber links wird das Referenz-CT sichtbar) 13. Structure Management: (rechts neben dem PET od. CT) a. Mit dem Button „DELETE“ alle vorgeschlagenen structures löschen b. Mit dem Button „NEW“ neue structures erstellen: i. WICHTIG!!! Name: eigenes Kürzel - PET oder CT – Atemphase (00, 10, 20, ...90 oder ungated) - Läsionsnummer (entsprechend der Karte: PPT-Datei unter Netz -> Stu_einzeln -> STRIPE -> 4D-PET/CT) Bsp: UN – PET- 00 – 1 (Ursula Nestle – PET-Phase 0%-10% - Läsionsnummer1) 84 ii. Farbe: frei wählbar iii. Structure: GTV wählen 14. Contour creation: Manual (Handhabung Konturierungs-Werkzeug mit SymbolButtons (rechts neben dem PET od. CT )) 15. Gesamte Läsion konturieren 16. Contouring session: SAVE (rechts neben dem PET od. CT ): a. NEW " bei „Physician“ : eigenes Kürzel eintragen b. Bei „Comment“ : Kürzel der Atemphase eintragen (Bsp: UN-00 (Ursula Nestle, Atemphase 0%-10%) 17. Falls weitere Läsionen eingezeichnet werden sollen, wieder ab Punkt 13b. weiter machen 18. Full screen beenden: rechte Maustaste 19. Im rechten Fenster neue TimeBin laden " abhaken oder notieren 20. Full screen s.o. 21. Structure Management: a. Bereits vorhandene Strukturen abwählen, nicht löschen b. Create new structure " Bezeichnung anpassen!!! 22. Beenden: in der Leiste oben: Patient " close 85 • Nummerierung der Läsionen 86 87 88 89 90 91 92