Volumetrie epikardialen Fetts in kontrastverstärkten und nativen

Volumetrie epikardialen Fetts in kontrastverstärkten und nativen Datensätzen
der kardialen Computertomographie
Der
Medizinischen Fakultät der
Friedrich-Alexander-Universität Erlangen-Nürnberg
zur Erlangung des Doktorgrades Dr. med. dent.
vorgelegt von
Susanna Viktoria Schiessl
aus
München
Als Dissertation genehmigt von der Medizinischen Fakultät
der Friedrich-Alexander-Universität Erlangen-Nürnberg
Tag der mündlichen Prüfung: 02.Oktober.2014
Vorsitzender des Promotionsorgans: Prof. Dr. med. Dr. hc Jürgen Schüttler
Gutachter:
Prof. Dr. med. Stephan Achenbach
Prof. Dr. med. Michael Uder
Widmung
Meinen Eltern, Prof. Dr. Gerhard König und Gabriele König
Meinem Bruder, Stefan G. König M.A.
Meinem Ehemann, Dr. Stephan Schiessl
Inhaltsverzeichnis
1.
Zusammenfassung ........................................................................................... 1
1.1.
Allgemeine Zusammenfassung .................................................................. 1
1.2.
Abstract ..................................................................................................... 2
2.
Einleitung .......................................................................................................... 4
3.
Theoretische Grundlagen ................................................................................. 5
3.1.
Die koronare Herzkrankheit und ihre Diagnostik ........................................ 5
3.1.1.
Klinische Manifestation ....................................................................... 5
3.1.2.
Diagnostik der koronaren Herzkrankheit ............................................. 6
3.1.3. Korrelation zwischen Ausmaß der koronaren Herzkrankheit und
Volumen des abdominellen und epikardialen Fetts ........................................... 7
3.2.
Computertomographie des Herzens .......................................................... 7
3.2.1.
Mehrzeilen-Computertomographie (MSCT) ........................................ 7
3.2.2. Native Computertomographie zur Quantifizierung des epikardialen
Fetts und Calciumscore .................................................................................... 8
3.2.3. Kontrastmittelverstärkte Computertomographie in der Diagnostik der
koronaren Herzkrankheit................................................................................... 9
4.
5.
Methoden ....................................................................................................... 10
4.1.
Patientenkollektiv ..................................................................................... 10
4.2.
Studienprotokoll ....................................................................................... 10
4.3.
Patientenvorbereitung .............................................................................. 10
4.4.
Bildakquisition.......................................................................................... 11
4.4.1.
Native Computertomographie ........................................................... 11
4.4.2.
Kontrastmittelverstärkte Computertomographie ................................ 11
4.5.
Volumetrie des epikardialen Fettgewebes ............................................... 12
4.6.
Statistik .................................................................................................... 15
Ergebnisse...................................................................................................... 15
5.1.
Patientenkollektiv ..................................................................................... 15
5.2.
Native Computertomographie .................................................................. 16
5.3.
Kontrastmittelunterstützte Computertomographie .................................... 17
5.4. Vergleich zwischen nativer und kontrastmittelunterstützter
Computertomographie........................................................................................ 19
6.
Diskussion ...................................................................................................... 24
6.1.
Motivation der Arbeit ................................................................................ 24
6.2.
Erhaltene Ergebnisse .............................................................................. 24
6.3.
Vergleich mit anderen Arbeiten ................................................................ 25
6.4.
Limitationen der Arbeit ............................................................................. 25
6.5.
Klinische Implikationen ............................................................................ 26
7.
Literatur .......................................................................................................... 27
8.
Abkürzungsverzeichnis ................................................................................... 31
1
1. Zusammenfassung
1.1.
Allgemeine Zusammenfassung
Hintergrund und Ziele
Epikardiales Fettgewebe ist mit dem Risiko für zukünftige kardiale Ereignisse
assoziiert. Mittels Computertomographie (CT) kann das Volumen epikardialen Fetts
quantifiziert werden. Dies wurde in bisherigen Untersuchungen sowohl anhand
nativer als auch kontrastverstärkter Datensätze durchgeführt. Häufig werden CTDatensätze ausschließlich nach intravenöser Kontrastmittelgabe akquiriert, um die
Strahlenexposition zu limitieren. Die Übereinstimmung der Quantifizierung
epikardialen Fetts in nativen und kontrastverstärkten Datensätzen wurde bisher
nicht untersucht.
Methoden
Die Datensätze von 100 Patienten, bei denen aus klinischer Indikation bei Verdacht
auf das Vorliegen von Koronararterienstenosen sowohl native als auch
kontrastverstärkte CT-Datensätze des Herzens mittels Dual Source CT angefertigt
worden waren, wurden analysiert. Das Volumen epikardialen Fetts wurde mittels
semiautomatischer Software unter Verwendung von 11 verschiedenen
Schwellenwerten (-50 HU [Hounsfield-Units] bis +50 HU) quantifiziert. Zusätzlich
wurde vom Untersucher für jeden Patienten ein individueller Schwellenwert
festgelegt, der die visuell beste Separation zwischen epikardialem Fett und Myokard
erlaubte.
Ergebnisse und Beobachtungen
Das mittlere Alter der Patienten betrug 62 ± 9 Jahre, 64 Patienten waren männlich
und 36 weiblich. Der visuell ideale Schwellenwert zur Quantifizierung epikardialen
Fetts lag in den nativen Aufnahmen im Mittel bei -43 HU (Modalwert -40 HU), in den
kontrastmittelverstärkten Aufnahmen im Mittel bei -15 HU (Modalwert -20 HU). Bei
diesen Schwellenwerten betrug das mittlere Volumen des epikaridalen Fetts in den
nativen Aufnahmen 140 ± 50 ml, in den kontrastverstärkten Datensätzen
150 ± 52 ml (p < 0,0001). Die mittlere Differenz betrug -10 ml. Die beiden Werte
waren eng und signifikant korreliert (r = 0,94; p < 0,0001).
2
Praktische Schlussfolgerungen
Das Volumen epikardialen Fettgewebes lässt sich aus kontrastverstärkten
Datensätzen bestimmen. Es korreliert eng mit dem Volumen in nativen CTDatensätzen. Allerdings muss zur Quantifizierung ein höherer Schwellenwert
gewählt werden, ansonsten wird das Volumen in den kontrastmittelunterstützten
Datensätzen systematisch unterschätzt.
1.2.
Abstract
Backround
Epicardial fat is associated with the development of coronary artery disease.
Epicardial fat volume can be measured by computed tomography. In earlier studies
non-contrast as well as contrast-enhanced computed tomography has been used for
quantification of epicardial fat volume, however without systematic comparison.
However, in routine clinical practice datasets are not infrequently acquired by
contrast-enhanced computed tomography only for limitation of radiation exposure.
So far, data systematically comparing epicardial fat quantification in non-contrast
und contrast-enhanced data sets does not exist.
Methods
Datasets of 100 patients who were referred for non-contrast as well as contrastenhanced (60 ml contrast agent intravenous, 6 ml/s) computed tomography by dual
source CT for clinical reasons, were analysed. Epicardial fat volume was quantified
by a dedicated semi-automatic software using 11 different threshold upper values
for detection of epicardial fat (-50 HU to 50 HU). Additionally, the reader determined
the visually optimal threshold.
Results
The mean patient age was 62 ± 9 years, 64 patients were male and 36 patients
were female. The mean threshold for visually optimal quantification of epicardial fat
was -43 HU (modal value -40 HU) in non-contrast enhanced data and -15 HU
(modal value -20 HU) for contrast enhanced datasets. The average epicardial fat
volume, using the individually adapted threshold, was 140 ± 50 ml, versus
150 ± 52 ml (p < 0.0001) in native versus contrast-enhanced data sets. Correlation
3
between the two values was close (r = 0.94, p < 0.0001) and Bland- Altman Analysis
revealed a mean difference of -10 mm3 and limits of 23 mm3 - -42 mm3.
Conclusion
Epicardial fat volume can be quantified in contrast-enhanced data. It correlates
closely with epicardial fat volume in non-contrast data sets. However, a higher
threshold for the detection of epicardial fat needs to be adopted compared to nonenhanced data sets to avoid systematic underestimation in contrast-enhanced
datasets.
4
2. Einleitung
An erster Stelle der Todesursachen in Deutschland steht die koronare Herzkrankheit
(KHK) [11], eine multifaktoriell bedingte Erkrankung, deren Risikofaktoren sowohl im
genetischen als auch exogenen Bereich zu finden sind. Durch die enorme
Verbreitung der koronaren Herzkrankheit in den westlichen Industrienationen und
der Erwartung einer weiter steigenden Inzidenz [24], wird intensiv nach neuen
Risikomarkern gesucht, um die Erkrankung früh zu erkennen und möglicherweise
bereits im asymptomatischen Stadium Maßnahmen zur Senkung des Mortalitätsund Morbiditätsrisikos einzuleiten. Neue Parameter der Risikostratifikation sollten im
klinischen Alltag leicht reproduzierbar, mit geringem Mehraufwand und geringen
Kosten ermittelt werden können. Zur Beurteilung kardialer Erkrankungen werden
neben einer ausführlichen Anamnese und der körperlichen Untersuchung die
Elektrokardiographie (EKG), die Echokardiographie, die
Magnetresonanztomographie (MRT), die native und kontrastmittelunterstütze
Computertomographie, sowie für besondere Fragestellungen nuklearmedizinische
Methoden und - als Goldstandard für die Detektion von Koronarstenosen - die
invasive Koronarangiographie eingesetzt [4, 29].
In den letzten Jahren wurde festgestellt, dass viszerales Fett aufgrund seiner
metabolischen Eigenschaften zur Atherogenese beitragen könnte und somit
möglicherweise einen Risikofaktor für kardiovaskuläre Erkrankungen darstellt. Zum
viszeralen Fettgewebe gehören auch die Fett-Depots, die auf der Oberfläche des
Herzmuskels liegen. In der gängigen Literatur werden diese das Herz umgebenden
Fettdepots mit verschiedenen Begriffen beschrieben: epikardial, perikardial,
parakardial und intrathorakal [7, 15-17, 19, 26, 34, 35, 41]. Aufgrund der
anatomischen Lage des viszeralen Fetts zwischen Myokard und Epikard ist die
Bezeichnung „epikardiales Fett“ die exakte Beschreibung. „Parakardiales Fett“
beschreibt das Fett außerhalb des Perikards. Die Dicke und das Volumen des
epikardialen Fettgewebes wurde in früheren Arbeiten in Verbindung gebracht mit
dem Schweregrad einer koronaren Herzerkrankung [20, 21]. Interessant ist zudem,
dass auch bei nicht-adipösen Patienten epikardiales Fett und
Koronaratherosklerose korrelieren [45].
Zur Quantifizierung epikardialen Fetts stehen die Echokardiographie, sowie auch die
Magnetresonanztomographie und die Computertomographie zur Verfügung. Die
Computertomographie des Herzens wird - abhängig von der Indikation - mit oder
5
ohne intravenöses Kontrastmittel durchgeführt. Zur Risikostratifikation
asymptomatischer Patienten werden in der Regel Datensätze ohne Kontrastmittel
angefertigt, um koronare Verkalkungen zu detektieren. Diese nativen Datensätze
wurden bisher auch zur Analyse des epikardialen Fettgewebes im CT verwendet.
Allerdings werden CT-Datensätze – insbesondere zur CT-Angiographie der
Koronararterien – sehr häufig mit intravenöser Kontrastmittelgabe angefertigt.
Bisher existieren keine systematischen Untersuchungen, die die Quantifizierung
epikardialen Fetts in nativen und kontrastverstärkten Datensätzen vergleichen.
Ziel dieser Arbeit war deshalb der systematische Vergleich der nativen und
kontrastmittelunterstützten Computertomographie in Bezug auf die Quantifizierung
epikardialen Fettgewebes.
3. Theoretische Grundlagen
3.1.
Die koronare Herzkrankheit und ihre Diagnostik
3.1.1. Klinische Manifestation
Die koronare Herzkrankheit gilt in Deutschland und in den westlichen
Industrienationen als Haupttodesursache [11] und als häufige Ursache für
chronische Krankheit. Männer sind in einem jüngeren Alter und häufiger als Frauen
von der Erkrankung betroffen. Erst mit zunehmendem Lebensalter kommt es zu
einer Angleichung zwischen Männern und Frauen [24].
Als koronare Herzkrankheit wird eine Krankheitsentität bezeichnet, die die
Koronarinsuffizienz und ihre Folgeerkrankungen, insbesondere den Herzinfarkt,
umfasst. Die Koronarinsuffizienz bedeutet dabei ein Missverhältnis zwischen
aktuellem Sauerstoffangebot und Sauerstoffbedarf des Myokards, das entweder aus
einem erhöhten Sauerstoffbedarf oder - weit häufiger - einer Minderperfusion des
Herzmuskels resultiert. Das Leitsymptom der Koronarinsuffizienz ist die Angina
pectoris [9]. Die Arteriosklerose ist für die Mehrheit der Erkrankungen an den
Koronargefäßen verantwortlich. Sie umfasst drei verschiedene Erkrankungsformen:
die Atherosklerose, die Mediasklerose Mönckeberg und die Arteriolosklerose. Die
Atherosklerose stellt dabei die häufigste Form der Arteriosklerose dar, so dass im
Folgenden nur auf sie eingegangen werden soll [10]. Betroffen sind die großen und
mittelgroßen Arterien, deren Intima in ihrer Struktur der Art verändert ist, dass es zu
6
einer Plaquebildung mit Ablagerungen von Kalzium, Fett, Bindegewebe,
Blutbestandteilen und Kohlehydraten kommt. Zahlreiche Untersuchungen haben
gezeigt, dass bestimmte Risikofaktoren zur Entstehung einer Atherosklerose
beitragen. Risiken sind dabei vor allem Zigarettenrauchen, Hyperlipidämie, arterielle
Hypertonie, Diabetes mellitus und familiäre Disposition zur frühzeitigen
Atherosklerose [9, 10]. Die Prävention besteht vor allem aus einer strikten
Reduktion der beeinflussbaren Risikofaktoren. Durch Entzündungsprozesse, das
Einwirken von Risikofaktoren und durch mechanisch bedingte Veränderungen der
Gefäßwand kann eine bestehende Plaque „instabil“ werden. Das Aufbrechen einer
solchen Plaque führt zur Thrombenbildung und Verlegung des Gefäßlumens. Das
betroffene Gewebe wird ischämisch. Dauert der Sauerstoffmangel über einen
längeren Zeitraum an, kommt es zu Gewebsnekrosen, dem Myokardinfarkt [9, 39].
Myokardinfarkt und instabile Angina pectoris werden unter dem Begriff „akutes
Koronarsyndrom“ zusammengefasst.
3.1.2. Diagnostik der koronaren Herzkrankheit
Zur Diagnostik der koronaren Herzkrankheit ist neben der Anamnese bezüglich
typischer Symptome die Erhebung der Risikofaktoren erforderlich. Diese umfasst
die familiäre Disposition zur KHK, arterielle Hypertonie, Hyperlipidämie, Diabetes
und Nikotinkonsum. Darüber hinaus können apparative Verfahren eingesetzt
werden. Neben Ruhe- und Belastungs-EKG kommen bildgebende Verfahren zum
Einsatz.
Hierzu zählen die Echokardiographie, die Myokardperfussionsszintigraphie und
Positronen-Emissionscomputertomographie (PET), sowie MRT und
Computertomographie und auch die invasive Koronarangiographie. Die Auswahl
des Verfahrens richtet sich nach Patientencharakteristika, Klinik und lokaler
Expertise.
Die native Computertomographie des Herzens bietet die Möglichkeit den
Calciumscore eines Patienten zu erfassen und somit einen groben Rückschluss auf
den Verkalkungsgrad der Koronarien und das Ausmaß der koronaren
Herzerkrankung zu ziehen [3, 14]. Die kontrastmittelunterstützte
Computertomographie (CTA) dagegen erlaubt die Detektion beziehungsweise den
Ausschluss von Stenosen der Herzkranzgefäße [3, 32].
7
3.1.3. Korrelation zwischen Ausmaß der koronaren Herzkrankheit und Volumen
des abdominellen und epikardialen Fetts
Adipositas stellt als Merkmal des metabolischen Syndroms einen wichtigen
Risikofaktor für kardiovaskuläre Erkrankungen dar. Im Vergleich zum subkutanen
Fett zeigt das viszerale Fett auf Grund seiner metabolischen Eigenschaften eine
stärkere Assoziation zu kardiovaskulären Erkrankungen [23]. Nicht nur das
abdominale, sondern auch das extraabdominale viszerale Fettgewebe wird mit dem
Entstehen und Fortschreiten kardiovaskulärer Erkrankungen in Verbindung
gebracht. Hierbei spielt, vor allem in Bezug auf die koronare Herzerkrankung, das
epikardiale Fett eine besondere Rolle. Auf Grund der engen topographischen
Beziehung des epikardialen Fetts zu den subepikardialen Koronararterien sowie der
nachgewiesenen metabolischen Aktivität wird ein Zusammenhang mit der
Entstehung der koronaren Arteriosklerose vermutet [35].
Im epikardialen Fett werden bioaktive Moleküle, die Adipokine, produziert, die
sowohl den Energiemetabolismus als auch immunologische und entzündliche
Prozesse beeinflussen [38]. Es werden im epikardialen Fettgewebe weitaus mehr
Entzündungsmediatoren gebildet als im subkutanen Fettgewebe, darunter vor allem
Chemokine (Monozyten, chemotaktisches Protein-1) und matorische Zytokine
(Interleukin [IL]-1β, Interleukin-6 und sein löslicher Rezeptor, Tumornekrosefaktor
alpha [TNFα]) [8, 27, 30, 36, 43]. Das Volumen des epikardialen Fetts ist mit dem
Ausmaß der koronaren Atherosklerose und mit dem Risiko für zukünftige
Koronarereignisse korreliert [7, 13, 16, 20, 21, 26, 44].
3.2.
Computertomographie des Herzens
3.2.1. Mehrzeilen-Computertomographie (MSCT)
1968 entwickelten der Elektrotechniker Godfrey Hounsfield und der Physiker Allan
M. Cormack die Computertomographie. 1971 wurden die ersten CT-Aufnahmen am
Menschen durchgeführt [29, 32].
Die Funktionsweise eines Computertomographen basiert auf Röntgenstrahlen, die
ein Untersuchungsobjekt durchdringen und von Detektoren registriert werden. Je
nach untersuchtem Gewebe kommt es zu einer mehr oder weniger starken
Absorption der Strahlung. Anders als beim konventionellen Röntgen dreht sich die
8
Röntgenröhre um den Patienten. Die erhaltenen Daten werden mittels eines
mathematischen Verfahrens per Computer zu einem Volumendatensatz
zusammengefügt, aus welchem nun Schnittbilder und 3D-Ansichten in beliebigen
Ebenen rekonstruiert werden können. Zur Untersuchung eines Organs wird eine
Serie von Schnittbildern angefertigt [32]. Der Absorptionsgrad des Gewebes wird in
der Computertomographie in Grauwerten dargestellt und auf der Hounsfield-Skala in
„Hounsfield-Einheiten“ (HE) oder „Hounsfield-Units“ (HU) angegeben.
Kontrastmittel erhöht den HU-Wert eines Gewebes. Nach oben ist die HounsfieldSkala offen, sie wird jedoch in der Praxis auf 12 Bit (-1024 HU bis 3071 HU)
begrenzt. In der praktischen Anwendung wird jedem HU-Wert ein bestimmter
Grauwert in der bildlichen Darstellung zugeordnet [32].
Sollen Organe komplett und lückenlos dargestellt werden, ist es nötig, die
Untersuchungszeit so zu verkürzen, dass Volumendatensätze in einer einzigen
Atempause akquiriert werden können, um unterschiedliche Atemlagen und damit
Artefakte bei der Darstellung zu verhindern. Zum ersten Mal gelang dies durch
Einführung der Spiral-Computertomographie-Technik im Jahr 1990 [29]. Verbessert
und weiter beschleunigt werden konnten CT-Akquisitionen im Jahr 1993, indem nun
nicht mehr nur eine Schicht, sondern gleichzeitig mehrere Schichten erfasst werden
konnten. Dies wurde durch die Verwendung von Mehrzeilendetektoren ermöglicht.
1998 wurden Geräte auf den Markt gebracht, die gleichzeitig vier Schichten bei
einer Verkürzung der Rotationszeit auf 0,5 Sekunden aufzeichnen konnten. Eine
Erweiterung der Detektoren lieferten Geräte mit 128- bis 320-Zeilen, die heute im
klinischen Alltag eingesetzt werden. Neben den Single-SourceComputertomographen kommen heute auch Dual-Source-CTs (DSCTs) zum
Einsatz. Durch die Anordnung zweier senkrecht zueinander stehender Röhren und
Detektoren ist eine Verdopplung der zeitlichen Auflösung möglich [33]. So können
Bewegungsartefakte durch Atmung und Herzschlag noch weiter vermindert werden.
3.2.2. Native Computertomographie zur Quantifizierung des epikardialen Fetts und
Calciumscore
Mit der nativen Computertomographie wurde eine sehr sensitive Methode zur
Quantifizierung von Kalkablagerungen in den Koronargefäßen entwickelt. Arthur
Agatston entwickelte den Agatston-Score zur Quantifizierung von Koronarkalk in der
Computertomographie [5]. Der Calcium-Score gestattet die Abschätzung des
9
Risikos zukünftiger kardiovaskulärer Ereignisse. Bei einem Calcium-Score von Null
ist das Risiko äußerst gering. Zunehmende Mengen an Koronarkalk gehen mit
einem steigenden Risiko für kardiale Ereignisse einher [1].
Die Computertomographie bietet als dreidimensionales Bildgebungsverfahren die
Möglichkeit, das komplette epikardiale Fettvolumen zu erfassen. Für die
Qantifizierung des Fettvolumens existiert bisher kein standardisiertes Verfahren. In
der Literatur wurde die Verwendung von unteren Schwellenwerten zwischen -250
und -190 HU und von oberen Schwellenwerten zwischen -50 und -30 HU
beschrieben [7, 15, 25, 31, 41, 42, 46]. Die Quantifizierung epikardialen Fetts ist
sowohl manuell als auch mittels vollautomatischer Software möglich [14].
Verschiedene anatomische Grenzen wurden für die Messung des Gesamtvolumens
epikardialen Fetts festgelegt: die Bifurkation der Pulmonalarterien, das linke Atrium
und die Aortenwurzel als kraniale Grenzen, das Zwerchfell und die Herzspitze als
kaudale Grenzen [6, 7, 12, 15, 16, 25, 26, 37].
3.2.3. Kontrastmittelverstärkte Computertomographie in der Diagnostik der
koronaren Herzkrankheit
Seit Einführung der kontrastmittelverstärkten Computertomographie erlangte diese
durch kontinuierliche technische Verbesserungen zunehmende klinische
Bedeutung. Verglichen mit der konventionellen Koronarangiographie als
Goldstandard erreicht die CT-Angiographie mittlerweile eine Sensitivität von 83-99%
und eine Spezifität von 93-99% für den Nachweis von Koronarstenosen [2].
Einschränkungen erfährt sie durch Bewegungsartefakte, Beam Hardening und
Partialvolumeneffekte (zum Beispiel bei Metall [Stent] und Kalk) und bei der
Beurteilung der hämodynamischen Relevanz von Koronararterienstenosen [28].
Der Patient erhält eine Venenverweilkanüle und EKG-Elektroden zur EKGgesteuerten Datenakquisition. Um die Bildqualität zu verbessern, wird die
Herzfrequenz nach Möglichkeit unter 60 Schlägen pro Minute durch Gabe von
Betablockern gesenkt [18, 22]. Um eine gute Bildqualität zu erreichen, müssen die
Patienten auf ein Atemkommando hin die Luft anhalten. Die Aufnahme der Bilder
sollte möglichst schnell und immer in derselben Phase des Herzzyklus erfolgen, um
Bewegungsartefakte zu vermeiden. Dies wurde durch Verbesserung der zeitlichen
Auflösung mittels Mehrzeilen- und Dual-Source-CT möglich [40].
10
4. Methoden
4.1.
Patientenkollektiv
Es wurden 100 Patienten in die Studie eingeschlossen, bei denen aus klinischer
Indikation bei Verdacht auf das Vorliegen von Koronararterienstenosen sowohl
native als auch kontrastmittelverstärkte Datensätze angefertigt worden waren.
Ausschlusskriterien waren Vorhofflimmern, Niereninsuffizienz, Schwangerschaft,
Schrittmacher oder ICD (implantierbarer Kardioverter-Defibrillator) und Zustand
nach aortokoronarer Bypass-Operation. Zudem wurden Patienten ausgeschlossen,
die kein Atemkommando befolgen konnten.
4.2.
Studienprotokoll
Die Datensätze der 100 Patienten, bei denen sowohl native als auch
kontrastmittelverstärkte (60 ml KM i.v., 6 ml/s) Datensätze mittels Dual Source CT
angefertigt worden waren, wurden mittels semiautomatischer Software (Pericardial
Fat Prototype, Siemens Healthcare, Forchheim, Germany) analysiert. Das Volumen
epikardialen Fetts wurde unter Verwendung von 11 verschiedenen Schwellenwerten
(-50 HU bis +50 HU) quantifiziert. Zusätzlich wurde vom Untersucher für jeden
Patienten der visuell optimale Schwellenwert zur Separation zwischen epikardialem
Fett und Myokard festgelegt. Dieser Wert wurde so gewählt, dass möglichst wenig
Myokard, aber das epikardiale Fettgewebe möglichst komplett mit erfasst wurde.
4.3.
Patientenvorbereitung
Alle Patienten mit einer Herzfrequenz von > 60 Schlägen/ Minute erhielten eine
Stunde vor der CT-Untersuchung 100 mg Atenolol p.o.. Blieb die Herzfrequenz bei
> 60 Schlägen/ Minute, wurde ihnen in Einzeldosen von 5 mg bis zu 30 mg
Metoprolol intravenös verabreicht. Direkt vor der CT-Untersuchung erhielten alle
Patienten 0,8 mg Nitroglycerin sublingual.
11
4.4.
Bildakquisition
4.4.1. Native Computertomographie
Die Bildakquisition erfolgte mittels Dual-Source-CT (Definition Flash Siemens
HealthCare, Forchheim). Das Gerät verfügt über zwei Röntgenröhren und zwei
Detektoren, die sich in einem Winkel von 95° zueinander befinden. Die Kollimation
betrug 64 x 0,6 (z-Achsen-Abdeckung: 38,4 mm). In Verbindung mit einem z-FlyingFocal- Spot war eine simultane Datenakquisition mit 2 x 128 Zeilen gegeben. Alle
Scans wurden mittels prospektiver EKG-Triggerung und High-Pitch-SpiralAkquisition („Flash Spiral“) durchgeführt. Die Datenakquisition begann bei 60% des
R-R Intervalls. Die Röhrenspannung betrug 120 kV, die Stromstärke 80 mA. Die
Rotationszeit betrug 0,28 s. Die Scanrichtung war kranio-kaudal. Das abgebildete
Volumen erstreckte sich von der Bifurkation der Pulmonalarterien bis zur Herzspitze.
Die mittels Dual-Source-CT akquirierten Daten wurden an dedizierten Workstations
(MMWP; Siemens Medical Solutions, Forchheim, Germany) bearbeitet. Mittels HalbScan-Rekonstruktionsalgorithmus und einer zeitlichen Auflösung von 75 ms wurden
die Bilddaten rekonstruiert. Die Schichtdicke betrug 3 mm, das Inkrement 1,5 mm.
Es wurde ein mittelscharfer Faltungskern (B35f) verwendet.
4.4.2. Kontrastmittelverstärkte Computertomographie
Für die kontrastmittelunterstützten Datensätze erfolgte die Bildakquisition mittels
Dual-Source-CT (Definition Flash Siemens HealthCare, Forchheim). Die Kollimation
betrug 64 x 0,6 (z-Achsenabdeckung: 38,4 mm). In Verbindung mit einem z-FlyingFocal-Spot war eine simultane Datenakquisition mit 2 x 128 Zeilen möglich. Die
Bilderfassung wurde abhängig von der Herzfrequenz mittels prospektivem oder
retrospektivem EKG-Gating durchgeführt. Bei Patienten mit einer Herzfrequenz von
unter 65 Schlägen pro Minute wurde die Datenerfassung mittels prospektiver EKGTriggerung (beginnend bei 70% des Herzzyklus) durchgeführt. Patienten mit einer
Herzfrequenz von über 65 Schlägen pro Minute wurden mittels retrospektivem EKGGating und Röhrenstrommodulation untersucht. Die Parameter für die
Datenakquisition waren eine Rotationszeit von 280 ms, 120 kV Stromspannung bei
Patienten mit einem Körpergewicht ≥ 100 kg und 100 kV Spannung bei Patienten
mit einem Körpergewicht < 100 kg. Die Röhrenstromstärke betrug 400 mA für alle
Akquisitionen bei 120 kV und 360 mA für alle Akquisitionen bei 100 kV. Die
12
Scanrichtung war kranio-kaudal. Das Volumen umfasste den Bereich zwischen der
Bifurkation der Pulmonalarterien und der Herzspitze.
Mittels eines intravenösen Zugangs mit einer Größe von 18 G (Außendurchmesser
1,3 mm) in der Antekubetalvene wurde den Patienten das Kontrastmittel (Iopromide,
370 mg/ml Iod, Ultravist 370, Schering, Berlin, Deutschland) verabreicht. Einem
10ml Testbolus folgten 50 ml Kochsalzlösung bei einer Flussrate von 6 ml/s. Dafür
wurde ein Dual-Headpower-Injektor (CT Stellant, Medrad Inc., Indianola, PA, USA)
verwendet. Die Passagezeit des Kontrastmittels von der Kontrastmittelinjektion bis
zur Bildkontrastverstärkung in der Aorta ascendens auf Höhe der Mündung der
Koronargefäße wurde durch Analyse der Zeit-Dichte-Kurve ermittelt. Für die
Akquisition des kontrastmittelverstärkten Volumendatensatzes wurde eine
Zeitspanne gewählt, die die Durchlaufzeit des Kontrastmittels um 2 s überstieg, um
eine ausreichende Anreicherung des Kontrastmittels in den Koronararterien zu
gewährleisten. Die effektive Menge an verabreichtem Kontrastmittel war von der
Zeit der Bildakquisition abhängig. Das Kontrastmittel wurde über die gesamte Dauer
der Datenerfassung mit einer Flussrate von 6 ml/s injiziert, minimal jedoch 10 s lang.
Die Kontrastmittelinjektion wurde unmittelbar gefolgt von 60 ml Kochsalzlösung mit
einer Flussrate von 6 ml/s.
Die mittels Dual-Source-CT akquirierten Daten wurden an dedizierten Workstations
(MMWP; Siemens Medical Solutions, Forchheim, Germany) bearbeitet. Für die
Bildrekonstruktion wurde eine Halb-Scan-Rekonstruktion mit einer zeitlichen
Auflösung von 75 ms verwendet. Überlappende axiale Bilder im Querschnitt mit
0,75 mm Schichtdicke und 0,4 mm Inkrement wurden rekonstruiert. Es wurde ein
mittelscharfer Faltungskern (B26f) verwendet.
4.5.
Volumetrie des epikardialen Fettgewebes
Nach Import der akquirierten Daten in das semiautomatische Programm wurden die
nativen und kontrastmittelunterstützten Datensätze in drei Schnittebenen (axial,
sagittal und koronar) dargestellt. Die Perikardkontur wurde von der Software in allen
drei Ebenen automatisch ermittelt (siehe Abbildung 1a, b und 2a, b).
13
Abbildung 1a und b: Native (a) und kontrastmittelverstärkte (b) CTAufnahme, geöffnet im Bearbeitungsprogramm: 3 Schnittebenen
Abbildung 2a und b: Axiale Darstellung des Herzens in der nativen (a) und
kontrastmittelverstärkten (b) Computertomographie mit vom Programm
eingezeichneter Perikardkontur (roter Pfeil)
Die Perikardkontur wurde nun in allen drei Schnittebenen optisch kontrolliert und
gegebenfalls manuell korrigiert (siehe Abbildung 3a und b).
14
Abbildung 3a und b: Manuelle Korrektur der Perikardkontur in der nativen (a)
und kontrastmittelverstärkten (b, roter Pfeil) Computertomographie
Anschließend wurde die Grenze des epikardialen Fetts zum Myokard markiert und
das gesamte Volumen des epikardialen Fetts mittels eines Reglers in der Toolbar
des Programms durch Anpassen des Schwellenwerts rot unterlegt. Visuell wurde
der individuell optimale Schwellenwert in HU bestimmt, bei dem das gesamte
epikardiale Fettgewebe erfasst wurde. Das entsprechende Volumen epikardialen
Fetts wurde dokumentiert (siehe Abbildung 4a, b und 5). Neben dem visuell
optimalen Wert wurden die Volumina der Schwellenwerte zwischen -50 HU und 50
HU in Zehnerschritten erfasst. Insgesamt wurden 12 Werte pro Datensatz und
Patient ermittelt.
Abbildung 4a und b: Das epikardiale Fett ist durch
Schwellenwertbildung abgegrenzt und rot dargestellt
15
Abbildung 5: Toolbar zur
Einstellung des Schwellenwertes,
unterhalb dessen Gewebe als
epikardiales Fett gekennzeichnet
wird
4.6.
Statistik
Zur statistische Auswertung wurde das Programm SPSS für Windows 15.0 (SPSS
Inc. , Chicago, IL, USA) verwendet. Die Daten wurden als Mittelwert (arithmetisches
Mittel) ± Standartabweichung angegeben. Die Mittelwerte des Volumens
epikardialen Fetts wurden sowohl in den nativen als auch in den
kontrastmittelunterstützten Datensätzen mittels Wilcoxon-Test analysiert und
verglichen. Mittels Pearson’s Correlation Coefficient wurde die Korrelation überprüft.
Die Übereinstimmung der Daten wurde mittels Bland-Altman-Analyse verifiziert.
5. Ergebnisse
5.1.
Patientenkollektiv
Insgesamt wurden 100 Patienten in die Studie aufgenommen, bei denen zwischen
Oktober 2010 und März 2011 eine kardiale Computertomographie durchgeführt
wurde. 36 Patienten waren weiblichen, 64 Patienten männlichen Geschlechts. Das
Durchschnittsalter betrug 62 ± 9 Jahre.
16
5.2.
Native Computertomographie
Der visuell optimale obere Schwellenwert für die Quantifizierung epikardialen Fetts
in der nativen Computertomographie lag zwischen -80 HU und -30 HU. Im Mittel lag
der optimale Schwellenwert bei -43 HU (Modalwert -40 HU). Bei diesem
Schwellenwert wurde ein mittleres Fettvolumen von 140 ± 50 ml ermittelt.
In vorangegangenen Studien wurde zumeist ein oberer Schwellenwert von -30 HU
in der nativen Computertomographie zur Evaluierung epikardialen Fetts verwendet,
so dass dieser Wert für die Berechnungen als Referenzwert herangezogen wurde .
Bei diesem Referenzwert lag das mittlere Volumen bei 166 ± 65 ml.
Die Menge epikardialen Fetts bei einem festen Schwellenwert von -30 HU und beim
individuell optimierten Schwellenwert korrelierte bei den 100 Patienten eng (r = 0,95,
p < 0,0001). Allerdings zeigte die Bland-Altman-Analyse eine systematische
Überschätzung des epikardialen Fettvolumens bei fester Verwendung eines
Schwellenwerts von -30 HU (Mittlere Differenz = 25 ml, 95% der
Übereinstimmungsgrenzen zwischen 27 ml und -78 ml) (siehe Abbildung 6 und 7).
Abbildung 6: Epikardiales Fettvolumen in nativen Datensätzen bei visuell
optimalem Schwellenwert verglichen mit dem Volumen bei einem festen
Schwellenwert von -30 HU
17
Abbildung 7: Bland-Altman-Analyse: Visuell optimales Volumen in nativen
Datensätzen minus Volumen bei -30 HU. Mittlere Differenz -25 mm3,
Übereinstimmungsgrenzen -78 mm3 - 27 mm3
5.3.
Kontrastmittelunterstützte Computertomographie
Bei der kontrastmittelunterstützten Computertomographie lag der visuell optimale
Schwellenwert im Mittel bei -15 ± 12 HU (Modalwert -20 HU). Das mittlere Volumen
des epikardialen Fetts bei diesem patientenspezifisch optimalen Schwellenwert
betrug 150 ± 52 ml (p < 0,0001). Beim Referenzwert von -30 HU lag das mittlere
Volumen bei 135 ± 50 ml.
Die Menge epikardialen Fetts bei einem festen Schwellenwert von -30 HU und beim
individuell optimierten Schwellenwert korrelierte bei den 100 Patienten eng (r = 0,95,
p < 0,0001). Allerdings zeigte die Bland-Altman-Analyse eine systematische
Unterschätzung des epikardialen Fettvolumens bei fester Verwendung eines
Schwellenwerts von -30 HU (Mittlere Differenz = 3,8 ml, 95% der
Übereinstimmungsgrenzen zwischen 51 ml und -23 ml) (siehe Abbildung 8 und 9).
18
Abbildung 8: Epikardiales Fettvolumen in kontrastverstärkten Datensätzen
bei visuell optimalem Schwellenwert verglichen mit dem Volumen bei einem
Volumen mittels visuell optimalen
Schwellenwertes - Volumen mittels 30 HU in kontrastverstärkten
Datensätzen
festen Schwellenwert von -30 HU
60
40
20
0
-20 32
82
132
182
232
Difference
-40
Mean Difference
-60
Mean Diff. ± 2SD
-80
-100
-120
-140
Mittelwert (Volumen in ml)
Abbildung 9: Bland-Altman-Analyse: Visuell optimales Volumen in
kontrastverstärkten Datensätzen minus Volumen bei -30 HU. Mittlere
Differenz 13,8 mm3, Übereinstimmungsgrenzen 51 mm3 - -23 mm3
19
5.4.
Vergleich zwischen nativer und kontrastmittelunterstützter
Computertomographie
Die Bland-Altman-Analyse ergab eine signifikante Unterschätzung des epikardialen
Fettvolumens in den kontrastmittelunterstützen Datensätzen, wenn sowohl in den
nativen (mittleres Fettvolumen bei -30 HU 166 ± 65 ml) als auch in den
kontrastmittelunterstützten Datensätzen (mittleres Fettvolumen bei -30 HU 135 ± 50
ml) der gleiche Schwellenwert von -30 HU verwendet wurde (mittlere Differenz=
-31 ml, 95% der Übereinstimmungsgrenzen lagen bei 27 ml – -89 ml) (siehe
Abbildung 10).
Abbildung 10: Bland-Altman-Analyse: Volumen bei -30 HU in
kontrastverstärkten Datensätzen minus Volumen bei -30 HU in nativen
Datensätzen. Mittlere Differenz -31 mm3, 95% der Übereinstimmungsgrenzen
lagen bei 27 mm3 - -89 mm3.
Die geringste Differenz zwischen dem epikardialen Fettvolumen, gemessen in
nativen Datensätzen unter Verwendung eines festen Schwellenwertes von -30 HU
und dem Volumen epikardialen Fetts in kontrastverstärkten Datensätzen, ergab sich
für einen Schwellenwert von -4 ± 20 HU (Modalwert 0 HU). Beim Modalwert von
0 HU lag das mittlere Volumen epikardialen Fetts in den kontrastverstärkten
Datensätzen bei 168 ± 59 ml (r = 0,93, p < 0,0001). In den nativen Datensätze,
20
ausgewertet bei -30 HU, wurde ein mittleres Volumen von 166 ± 65 ml ermittelt
(mittlere Differenz in der Bland Altman Analyse 2,5 ml) (siehe Abbildung 11).
Abbildung 11: Bland-Altman-Analyse: Volumen in kontrastverstärkten
Aufnahmen bei 0 HU minus Volumen in nativen Datensätzen bei -30 HU.
3
3
Mittlere Differenz 2,5 mm ; Übereinstimmungsgrenzen 54 mm - -49 mm
3
Der Vergleich des mittleren Volumens bei einem Referenzwert von -30 HU in
nativen Datensätzen mit den am besten übereinstimmenden einzelnen
Volumenwerten im kontrastmittelverstärkten Datensatz pro Patient ergab eine
mittlere Differenz von -1 mm3 ± 4,6 mm3 (95% der Übereinstimmungsgrenzen
zwischen -10 ml – 8 ml) (siehe Abbildung 12). Bei 0 HU in den kontrastverstärkten
Aufnahmen wurden die häufigsten Übereinstimmungen gefunden (Modalwert)
(siehe Abbildung 13).
21
Abbildung 12: Bland-Altman-Analyse: Am besten übereinstimmende
Volumina im kontrastverstärkten Datensatz (unterschiedliche
Schwellenwerte) minus Volumen bei -30 HU im nativen Datensatz. Mittlere
Differenz -1 mm3 ± 4,6 mm3, Übereinstimmungsgrenzen 8 mm 3 - -10 mm3 .
Abbildung 13: Häufigkeitsverteilung der Übereinstimmung der Volumenwerte zwischen
Referenzwert von -30 HU in nativen Aufnahmen und Schwellenwerten der
kontrastverstärkten Datensätze. Mittelwert -4,2; Standardabweichung 20,4
Trotz einer guten Korrelation (r = 0,97, p < 0,0001) ergab die Bland-Altman-Analyse
eine systematische Überschätzung des Volumens epikardialen Fetts in
22
kontrastverstärkten Datensätzen bei einem Schwellenwert von 0 HU verglichen mit
dem visuell optimal festgelegten Schwellenwert (siehe Abbildung 14).
Abbildung 14: Epikardiales Fettvolumen bei visuell optimalem
Schwellenwert verglichen mit Volumen bei 0 HU in kontrastverstärkten
Datensätzen
Unter Verwendung der visuell optimalen Schwellenwerte lag das mittlere Volumen
epikardialen Fettgewebes in den nativen Aufnahmen bei 140 ± 50 ml, in den
kontrastverstärkten Datensätzen bei 150 ± 52 ml (p < 0,0001). Die mittlere Differenz
betrug -10 ml (95% der Übereinstimmungsgrenzen lagen zwischen 23 ml und
-42 ml). Die beiden Werte waren eng und signifikant korreliert (r = 0,94; p < 0,0001)
(siehe Abbildung 15 und 16).
23
Abbildung 15: Epikardiales Fettvolumen bei optimalen
Schwellenwerten in nativen und kontrastverstärkten Datensätzen
Abbildung 16: Bland-Altman-Analyse: Visuell optimales Volumen in
nativen Datensätzen minus visuell optimales Volumen in
3
kontrastverstärkten Datensätzen. Mittlere Differenz -10 mm ,
Übereinstimmungsgrenzen 23 mm 3 - -42 mm3
24
6. Diskussion
6.1.
Motivation der Arbeit
In vorangegangenen Studien wurde sowohl die native als auch die
kontrastmittelunterstützte CT zur Quantifizierung epikardialen Fetts herangezogen.
Ziel dieser Arbeit war es, einen systematischen Vergleich in der Volumetrie
epikardialen Fetts zwischen nativer und kontrastmittelunterstützter
Computertomographie herzustellen. Hierzu wurden sowohl native als auch
kontrastmittelunterstützte Datensätze von 100 Patienten ausgewertet. Mit Hilfe
semiautomatischer Software wurde das epikardiale Fettvolumen in allen
Datensätzen quantifiziert und verglichen.
6.2.
Erhaltene Ergebnisse
Die mittels semi-automatischer Volumetrie bestimmte Menge epikardialen Fetts in
nativen und kontrastverstärkten CT-Datensätzen des Herzens korreliert eng.
Allerdings zeigt sich bei Verwendung desselben Schwellenwertes eine
Unterschätzung des epikardialen Fettvolumens in kontrastverstärkten Datensätzen.
Um in kontrastverstärkten Datensätzen das gleiche Fettvolumen zu erhalten wie in
nativen Datensätzen, muss der Schwellenwert zur Detektion des Fettgewebes
angehoben werden. Der in vorangegangenen Studien meist verwendete
Schwellenwert von -30 HU entspricht nach den Ergebnissen unserer Arbeit einem
Schwellenwert von -4 HU in kontrastverstärkten Datensätzen.
Darüber hinaus fanden wir, dass der häufig verwendete Schwellenwert von -30 HU
möglicherweise nicht optimal ist. Eine zuverlässigere und exaktere Quantifizierung
wäre – falls ein fester Schwellenwert gewählt ist – bei einem Schwellenwert von
-40 HU möglich. In kontrastverstärkten Datensätzen wäre entsprechend ein Wert
von -20 HU zu wählen.
Allerdings ist sowohl bei nativen als auch bei kontrastverstärkten Datensätzen zu
beachten, dass es sich bei der Quantifizierung des epikardialen Fetts nur um eine
annäherungsweise Volumenangabe handelt und dass die Volumen untereinander
mittels eines standardisiert verwendeten Schwellenwertes nicht problemlos
vergleichbar sind, da Faktoren wie zum Beispiel die Bildqualität auf die Messung
einen erheblichen Einfluss nehmen.
25
6.3.
Vergleich mit anderen Arbeiten
In vorangegangenen Studien wurde epikardiales Fett sowohl mittels nativer als
auch mittels kontrastverstärkter Computertomographie quantifiziert. Jedoch wurde in
diesen Studien entweder mit oder ohne Kontrastmittel gemessen. Ein direkter
systematischer Vergleich der Messung epikardialen Fetts in nativen und
kontrastverstärkten Datensätzen ist bisher noch nicht erfolgt.
Vorangegangene Studien orientierten sich bei der Messung epikardialen Fetts an
bereits in der Literatur beschriebenen Schwellenwerten zur Messung von Fett in
CT-Datensätzen. Der am häufigsten verwendete obere Schwellenwert zur Messung
epikardialen Fetts in der nativen Computertomographie war dabei -30 HU. Jedoch
wurden auch mit anderen Schwellenwerten in nativen und kontrastverstärkten
Datensätzen Messungen epikardialen Fetts durchgeführt. In dieser Studie wurde
systematisch der optimale Schwellenwert für jeden Patienten bestimmt.
Die Reproduzierbarkeit einer Messung epikardialen Fetts wird in der Literatur als
schlechter angegeben als anderer Fettdepots des menschlichen Körpers. Ein
standardisiertes Verfahren zur Volumetrie von epikardialem Fett existiert bisher
nicht.
6.4.
Limitationen der Arbeit
Folgende Einschränkungen der vorliegenden Arbeit müssen im Kontext mit den
Ergebnissen gesehen und diskutiert werden:
Nach der Bildakquisition musste der Bildausschnitt in nativen und
kontrastverstärkten Datensätzen vom Untersucher angeglichen werden. Hier kann
es zu minimalen Abweichungen und ungleichen Bedingungen bei der
Quantifizierung auch im Vergleich der kontrastmittelunterstützten zu den nativen
Datensätzen gekommen sein.
Bei einigen Patienten konnte das Fettvolumen nicht optimal quantifiziert werden, da
die Aufnahmequalität durch Bildrauschen (zum Beispiel bei starkem Übergewicht)
beeinträchtigt war. Desweiteren musste die Perikardkontur für jede Aufnahme vom
Untersucher manuell korrigiert werden, da das Programm diese nicht genau
26
erfasste. Hier sind Abweichungen auf Grund von Konturunterschieden bei der
Volumenmessung in nativen und kontrastverstärkten Datensätzen möglich.
Außerdem lag die Festlegung des visuell optimalen Schwellenwerts zur
Fettmessung letztendlich beim Untersucher und war somit subjektiv.
6.5.
Klinische Implikationen
In dieser Studie zeigten sich deutliche Unterschiede der optimalen Schwellenwerte
zur Quantifizierung epikardialen Fetts sowohl zwischen der Messung mit und ohne
Kontrastmittel als auch interindividuell. Weder gibt es einheitliche Algorithmen die
Datenakquisition und Quantifizierung epikardialen Fetts betreffend, noch sind
standardisierte Referenzwerte in der Bevölkerung bezüglich der Normverteilung
epikardialen Fetts bekannt. Somit kann derzeit noch keine standardisierte Messung
epikardialen Fetts in der klinischen Praxis vorgenommen werden. Weiterhin gibt es
noch Forschungsbedarf über den prognostischen Nutzen epikardialen Fetts im
Vergleich zu etablierten Parametern in der Diagnostik und Risikostratifikation der
koronaren Herzerkrankung.
27
7. Literatur
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
Abunassar, J.G., Y. Yam, L. Chen, N. D'Mello, and B.J. Chow, (2011),
Usefulness of the Agatston score = 0 to exclude ischemic cardiomyopathy in
patients with heart failure. Am J Cardiol. 107(3): p. 428-432.
Achenbach, S., (2006), Computed tomography coronary angiography. J Am
Coll Cardiol. 48(10): p. 1919-1928.
Achenbach, S. and P. Raggi, (2010), Imaging of coronary atherosclerosis by
computed tomography. Eur Heart J. 31(12): p. 1442-1448.
Achenbach, S., C.M. Kramer, W.A. Zoghbi, and V. Dilsizian, (2010), The
year in coronary artery disease. JACC Cardiovasc Imaging. 3(10): p. 10651077.
Agatston, A.S., W.R. Janowitz, F.J. Hildner, N.R. Zusmer, M. Viamonte, Jr.,
and R. Detrano, (1990), Quantification of coronary artery calcium using
ultrafast computed tomography. J Am Coll Cardiol. 15(4): p. 827-832.
Al Chekakie, M.O., C.C. Welles, R. Metoyer, A. Ibrahim, A.R. Shapira, J.
Cytron, P. Santucci, D.J. Wilber, and J.G. Akar, (2010), Pericardial fat is
independently associated with human atrial fibrillation. J Am Coll Cardiol.
56(10): p. 784-788.
Alexopoulos, N., D.S. McLean, M. Janik, C.D. Arepalli, A.E. Stillman, and P.
Raggi, (2010), Epicardial adipose tissue and coronary artery plaque
characteristics. Atherosclerosis. 210(1): p. 150-154.
Baker, A.R., N.F. Silva, D.W. Quinn, A.L. Harte, D. Pagano, R.S. Bonser, S.
Kumar, and P.G. McTernan, (2006), Human epicardial adipose tissue
expresses a pathogenic profile of adipocytokines in patients with
cardiovascular disease. Cardiovasc Diabetol. 5: p. 1.
Berdel, W.E., M. Böhm, M. Classen, V. Diehl, K. Kochsiek, W. Schmiegel,
Innere Medizin. Vol. 5.Urban & Fischer Verlag München Jena. München,
2004, p. 210-257.
Böcker, W., H. Denk, Ph. U. Heitz, Pathologie. Vol. 3.Elsevier GmbH.
München, 2004, p. 484-485.
Bundesamt, S., (2010), Todesursachen in Deutschland.
Cheng, V.Y., D. Dey, B. Tamarappoo, R. Nakazato, H. Gransar, R. MirandaPeats, A. Ramesh, N.D. Wong, L.J. Shaw, P.J. Slomka, and D.S. Berman,
(2010), Pericardial fat burden on ECG-gated noncontrast CT in
asymptomatic patients who subsequently experience adverse cardiovascular
events. JACC Cardiovasc Imaging. 3(4): p. 352-360.
de Vos, A.M., M. Prokop, C.J. Roos, M.F. Meijs, Y.T. van der Schouw, A.
Rutten, P.M. Gorter, M.J. Cramer, P.A. Doevendans, B.J. Rensing, M.L.
Bartelink, B.K. Velthuis, A. Mosterd, and M.L. Bots, (2008), Peri-coronary
epicardial adipose tissue is related to cardiovascular risk factors and
coronary artery calcification in post-menopausal women. Eur Heart J. 29(6):
p. 777-783.
Dey, D., Y. Suzuki, S. Suzuki, M. Ohba, P.J. Slomka, D. Polk, L.J. Shaw,
and D.S. Berman, (2008), Automated quantitation of pericardiac fat from
noncontrast CT. Invest Radiol. 43(2): p. 145-153.
Dey, D., N.D. Wong, B. Tamarappoo, R. Nakazato, H. Gransar, V.Y. Cheng,
A. Ramesh, I. Kakadiaris, G. Germano, P.J. Slomka, and D.S. Berman,
(2010), Computer-aided non-contrast CT-based quantification of pericardial
and thoracic fat and their associations with coronary calcium and Metabolic
Syndrome. Atherosclerosis. 209(1): p. 136-141.
28
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
Gorter, P.M., A.M. de Vos, Y. van der Graaf, P.R. Stella, P.A. Doevendans,
M.F. Meijs, M. Prokop, and F.L. Visseren, (2008), Relation of epicardial and
pericoronary fat to coronary atherosclerosis and coronary artery calcium in
patients undergoing coronary angiography. Am J Cardiol. 102(4): p. 380-385.
Greif, M., A. Becker, F. von Ziegler, C. Lebherz, M. Lehrke, U.C. Broedl, J.
Tittus, K. Parhofer, C. Becker, M. Reiser, A. Knez, and A.W. Leber, (2009),
Pericardial adipose tissue determined by dual source CT is a risk factor for
coronary atherosclerosis. Arterioscler Thromb Vasc Biol. 29(5): p. 781-786.
Herzog, C., M. Arning-Erb, S. Zangos, K. Eichler, R. Hammerstingl, S.
Dogan, H. Ackermann, and T.J. Vogl, (2006), Multi-detector row CT coronary
angiography: influence of reconstruction technique and heart rate on image
quality. Radiology. 238(1): p. 75-86.
Iacobellis, G., D. Corradi, and A.M. Sharma, (2005), Epicardial adipose
tissue: anatomic, biomolecular and clinical relationships with the heart. Nat
Clin Pract Cardiovasc Med. 2(10): p. 536-543.
Iwasaki, K., T. Matsumoto, H. Aono, H. Furukawa, and M. Samukawa,
(2011), Relationship Between Epicardial Fat Measured by 64-Multidetector
Computed Tomography and Coronary Artery Disease. Clin Cardiol.
Jeong, J.W., M.H. Jeong, K.H. Yun, S.K. Oh, E.M. Park, Y.K. Kim, S.J.
Rhee, E.M. Lee, J. Lee, N.J. Yoo, N.H. Kim, and J.C. Park, (2007),
Echocardiographic epicardial fat thickness and coronary artery disease. Circ
J. 71(4): p. 536-539.
Leschka, S., H. Scheffel, L. Husmann, O. Gamperli, B. Marincek, P.A.
Kaufmann, and H. Alkadhi, (2008), Effect of decrease in heart rate variability
on the diagnostic accuracy of 64-MDCT coronary angiography. AJR Am J
Roentgenol. 190(6): p. 1583-1590.
Liu, J., C.S. Fox, D.A. Hickson, W.D. May, K.G. Hairston, J.J. Carr, and H.A.
Taylor, (2010), Impact of abdominal visceral and subcutaneous adipose
tissue on cardiometabolic risk factors: the Jackson Heart Study. J Clin
Endocrinol Metab. 95(12): p. 5419-5426.
Löwel, H., (2006), Koronare Herzkrankheit und akuter Myokardinfarkt.
Gesundheitsberichterstattung des Bundes. 33.
Mahabadi, A.A., N. Reinsch, N. Lehmann, J. Altenbernd, H. Kalsch, R.M.
Seibel, R. Erbel, and S. Mohlenkamp, (2010), Association of pericoronary fat
volume with atherosclerotic plaque burden in the underlying coronary artery:
a segment analysis. Atherosclerosis. 211(1): p. 195-199.
Mahabadi, A.A., J.M. Massaro, G.A. Rosito, D. Levy, J.M. Murabito, P.A.
Wolf, C.J. O'Donnell, C.S. Fox, and U. Hoffmann, (2009), Association of
pericardial fat, intrathoracic fat, and visceral abdominal fat with
cardiovascular disease burden: the Framingham Heart Study. Eur Heart J.
30(7): p. 850-856.
Mazurek, T., L. Zhang, A. Zalewski, J.D. Mannion, J.T. Diehl, H. Arafat, L.
Sarov-Blat, S. O'Brien, E.A. Keiper, A.G. Johnson, J. Martin, B.J. Goldstein,
and Y. Shi, (2003), Human epicardial adipose tissue is a source of
inflammatory mediators. Circulation. 108(20): p. 2460-2466.
Ohnesorge, B.M., L.K. Hofmann, T.G. Flohr, and U.J. Schoepf, (2005), CT
for imaging coronary artery disease: defining the paradigm for its application.
Int J Cardiovasc Imaging. 21(1): p. 85-104.
Ohnesorge, B.M., C.R. Becker, T.G. Flohr, M.F. Reiser, Multi-slice CT in
Cardiac Imaging.Springer-Verlag. Berlin Heidelberg, 2002, p. 6-11.
Ouchi, N., S. Kihara, T. Funahashi, T. Nakamura, M. Nishida, M. Kumada, Y.
Okamoto, K. Ohashi, H. Nagaretani, K. Kishida, H. Nishizawa, N. Maeda, H.
Kobayashi, H. Hiraoka, and Y. Matsuzawa, (2003), Reciprocal association of
29
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
C-reactive protein with adiponectin in blood stream and adipose tissue.
Circulation. 107(5): p. 671-674.
Oyama, N., D. Goto, Y.M. Ito, N. Ishimori, R. Mimura, T. Furumoto, F. Kato,
H. Tsutsui, N. Tamaki, S. Terae, and H. Shirato, (2011), Single-slice
epicardial fat area measurement: do we need to measure the total epicardial
fat volume? Jpn J Radiol. 29(2): p. 104-109.
Reiser, M., F.-P. Kuhn, J. Debus, Radiologie.Georg Thieme Verlag.
Stuttgart, 2004, p. 59, 79-83, 233.
Rist, C., T.R. Johnson, A. Becker, A.W. Leber, A. Huber, S. Busch, C.R.
Becker, M.F. Reiser, and K. Nikolaou, (2007), [Dual-source cardiac CT
imaging with improved temporal resolution: Impact on image quality and
analysis of left ventricular function]. Radiologe. 47(4): p. 287-290, 292-284.
Rosito, G.A., J.M. Massaro, U. Hoffmann, F.L. Ruberg, A.A. Mahabadi, R.S.
Vasan, C.J. O'Donnell, and C.S. Fox, (2008), Pericardial fat, visceral
abdominal fat, cardiovascular disease risk factors, and vascular calcification
in a community-based sample: the Framingham Heart Study. Circulation.
117(5): p. 605-613.
Sacks, H.S. and J.N. Fain, (2007), Human epicardial adipose tissue: a
review. Am Heart J. 153(6): p. 907-917.
Saijo, Y., N. Kiyota, Y. Kawasaki, Y. Miyazaki, J. Kashimura, M. Fukuda, and
R. Kishi, (2004), Relationship between C-reactive protein and visceral
adipose tissue in healthy Japanese subjects. Diabetes Obes Metab. 6(4): p.
249-258.
Sarin, S., C. Wenger, A. Marwaha, A. Qureshi, B.D. Go, C.A. Woomert, K.
Clark, L.A. Nassef, and J. Shirani, (2008), Clinical significance of epicardial
fat measured using cardiac multislice computed tomography. Am J Cardiol.
102(6): p. 767-771.
Spiroglou, S.G., C.G. Kostopoulos, J.N. Varakis, and H.H. Papadaki, (2010),
Adipokines in periaortic and epicardial adipose tissue: differential expression
and relation to atherosclerosis. J Atheroscler Thromb. 17(2): p. 115-130.
Stone, G.W., A. Maehara, A.J. Lansky, B. de Bruyne, E. Cristea, G.S. Mintz,
R. Mehran, J. McPherson, N. Farhat, S.P. Marso, H. Parise, B. Templin, R.
White, Z. Zhang, and P.W. Serruys, (2011), A prospective natural-history
study of coronary atherosclerosis. N Engl J Med. 364(3): p. 226-235.
Sun, Z. and K.H. Ng, (2012), Prospective versus retrospective ECG-gated
multislice CT coronary angiography: a systematic review of radiation dose
and diagnostic accuracy. Eur J Radiol. 81(2): p. e94-100.
Thanassoulis, G., J.M. Massaro, U. Hoffmann, A.A. Mahabadi, R.S. Vasan,
C.J. O'Donnell, and C.S. Fox, (2010), Prevalence, distribution, and risk factor
correlates of high pericardial and intrathoracic fat depots in the Framingham
heart study. Circ Cardiovasc Imaging. 3(5): p. 559-566.
Ueno, K., T. Anzai, M. Jinzaki, M. Yamada, Y. Jo, Y. Maekawa, A.
Kawamura, T. Yoshikawa, Y. Tanami, K. Sato, S. Kuribayashi, and S.
Ogawa, (2009), Increased epicardial fat volume quantified by 64multidetector computed tomography is associated with coronary
atherosclerosis and totally occlusive lesions. Circ J. 73(10): p. 1927-1933.
Wajchenberg, B.L., (2000), Subcutaneous and visceral adipose tissue: their
relation to the metabolic syndrome. Endocr Rev. 21(6): p. 697-738.
Yerramasu, A., D. Dey, S. Venuraju, D.V. Anand, S. Atwal, R. Corder, D.S.
Berman, and A. Lahiri, (2012), Increased volume of epicardial fat is an
independent risk factor for accelerated progression of sub-clinical coronary
atherosclerosis. Atherosclerosis. 220(1): p. 223-230.
Yong, H.S., E.J. Kim, H.S. Seo, E.Y. Kang, Y.K. Kim, O.H. Woo, and H. Han,
(2010), Pericardial fat is more abundant in patients with coronary
30
46.
atherosclerosis and even in the non-obese patients: evaluation with cardiac
CT angiography. Int J Cardiovasc Imaging. 26 Suppl 1: p. 53-62.
Yoshizumi, T., T. Nakamura, M. Yamane, A.H. Islam, M. Menju, K.
Yamasaki, T. Arai, K. Kotani, T. Funahashi, S. Yamashita, and Y.
Matsuzawa, (1999), Abdominal fat: standardized technique for measurement
at CT. Radiology. 211(1): p. 283-286.
31
8. Abkürzungsverzeichnis
Abkürzung
Bedeutung
CT
Computertomographie
CTA
CT-Angiographie
DSCT
Dual-SourceComputertomographie
EKG
Elektrokardiogramm, -graphie
HE
Hounsfieldeinheiten
HU
Hounsfield-Units
ICD
Implantierbarer KardioverterDefibrillator
IL
Interleukin
i.v.
intravenös
kg
Kilogramm
KHK
Koronare Herzkrankheit
KM
Kontrastmittel
kV
Kilovolt
mA
Milliampere
mg
Milligramm
MRT
Magnetresonanztomographie
ml
Milliliter
ml/s
Milliliter pro Sekunde
mm
Millimeter
3
mm
Kubikmillimeter
ms
Milli-Sekunden
MSCT
MehrzeilenComputertomographie
mSv
Milli-Sievert
p
Signifikanzwert, p-value
“propability“
p.o.
per oral
PET
Positronenemissionstomographie
r
Korrelationskoeffizient
s
Sekunde
32
TNFα
Tumornekrosefaktor alpha
3D
Dreidimensional