Leberfettquantifizierung mit Hilfe der Proton- Density ... · Lipodystrophie, Hungerzustände,...
Transcript of Leberfettquantifizierung mit Hilfe der Proton- Density ... · Lipodystrophie, Hungerzustände,...
Aus dem Institut für Diagnostische Radiologie und Neuroradiologie der Universitätsmedizin der Ernst-Moritz-Arndt-Universität Greifswald Direktor: Prof. Dr. med. N. Hosten
Leberfettquantifizierung mit Hilfe der Proton-
Density Fettfraktion im Hochfeld-MRT
Magnitudenbasierte und Komplexe Rekonstruktion
Inaugural-Dissertation
zur
Erlangung des akademischen
Grades
Doktor der Medizin
(Dr. med.)
der
Universitätsmedizin
der
Ernst-Moritz-Arndt-Universität
Greifswald
2015
vorgelegt von: Christoph Mahlke geb. am 04.02.1987 in: Demmin
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
2
Dekan: Prof. Dr. med. Reiner Biffar
1.Gutachter: Prof. Dr. med. Christian Stroszczynski
2. Gutachter Prof. Dr. med. Jens-Peter Kühn
Ort d. Disputation: Universitätsmedizin Greifswald
Raum: Demonstrationsraum F0.23, 1. Bauabschnitt
Tag: 28.09.2015
Inhaltsverzeichnis
1. Einleitung ............................................................................................................. 5
1.1 Leberverfettung (Steatosis hepatis) .............................................................. 5
1.2 Bedeutung der NAFLD im Kontext des metabolischen Syndroms ................ 6
1.3 Bestimmung des Leberfettanteils .................................................................. 8
1.4 MRT-Verfahren zur Leberfettquantifizierung ................................................. 9
1.4.1 Chemical Shift zur Leberfettquantifizierung ............................................ 10
1.4.1.1 Die magnitudenbasierte Methode ...................................................... 13
1.4.1.2 Die komplexe Methode ...................................................................... 13
1.4.2 Proton-Density-Fett-Fraktion (PDFF) ...................................................... 14
1.5 Hochfeld-MRT ............................................................................................. 15
1.6 Fragestellung ............................................................................................... 17
2. Material und Methoden ..................................................................................... 18
2.1 Tierversuch .................................................................................................. 18
2.1.1 Mausmodell ............................................................................................. 18
2.1.2 Anzahl der Versuchstiere ........................................................................ 19
2.1.3 Standardisierte Haltung vor der Messung .............................................. 20
2.2 Ablauf der Untersuchung ............................................................................. 21
2.2.1 Narkose .................................................................................................. 21
2.2.2 MRT-Untersuchung ................................................................................ 21
2.3 Aufarbeitung der MRT-Daten und Bildanalyse ............................................ 23
2.4 Histopathologie ............................................................................................ 25
2.5 Statistik ........................................................................................................ 26
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
4
3. Ergebnisse ......................................................................................................... 28
3.1 Tabellarische Darstellung der Ergebnisse ................................................. 28
3.2 Qualitätssicherung bei der Ermittlung der PDFF ....................................... 30
3.3 Vergleich der PDFF von Magnitudendaten und komplexen Daten ........... 32
3.4 Vergleich mit dem Goldstandard ............................................................... 33
4. Diskussion ......................................................................................................... 37
5. Zusammenfassung ............................................................................................ 46
6. Literaturverzeichnis .......................................................................................... 47
7. Abbildungsverzeichnis ..................................................................................... 53
8. Tabellenverzeichnis .......................................................................................... 55
9. Abkürzungsverzeichnis .................................................................................... 56
10. Eidesstattliche Erklärung ................................................................................. 60
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
5
1. Einleitung
1.1 Leberverfettung (Steatosis hepatis)
Verschiedene Ursachen führen zu einer generalisierten Mehrverfettung der Leber,
der sogenannten Steatosis hepatis. Diese ist definiert als ein Fettanteil der Leber
größer 5-10% oder einer Makrosteatose in mehr als 5-10% der Hepatozyten [1].
Hinsichtlich der Ursache der Steatosis hepatis (Tabelle 1) ist dabei die primäre, nicht
alkoholbedingte Steatosis hepatis (NAFLD) von den sekundären Formen, wie zum
Beispiel der alkoholbedingten Steatosis hepatis (AFLD) zu unterscheiden. Die
primäre NAFLD ist die häufigere Form und macht zirka 80% der Steatosen aus. Die
sekundäre AFLD wird in zirka 15% der Steatosen beobachtet. Die seltenen
sekundären Ursachen der Steatosis hepatis addieren sich zu zirka 3,5%. Hierzu
zählen die Hepatitis C Infektion, Speichererkrankungen, wie der Morbus Wilson, die
Lipodystrophie, Hungerzustände, parenterale Ernährung, Abetalipoproteinämie,
diverse Medikamente (Amiodaron, Methotrexat, Steroidhormone, antiretrovirale
Substanzen, Valproinsäure), das Reye-Syndrom, die akute Fettleber in der
Schwangerschaft, das HELLP-Syndrom und der Mangel an Lecithin-Cholesterin-
Acyltransferase (LCAT) [2,3]. Hinsichtlich des histopathologischen
Erscheinungsbildes und der Verteilung lässt sich die makrovesikuläre von der
mikrovesikulären Form der Steatosis hepatis differenzieren. Gemischte Zustände aus
makro- und mikrovesikulärer Verteilung werden beobachtet.
Primäre nicht
alkoholische Fettleber
(NAFLD)
Sekundäre
alkoholbedingte
Fettleber (AFLD)
Sekundäre Fettleber
nicht-alkoholischer
Ursache
Anteil (%) 81,5 15 3,5
Tabelle 1: Ursachen der Steatosis hepatis
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
6
1.2 Bedeutung der NAFLD im Kontext des metabolischen Syndroms
In der Europäischen Union durchgeführte Studien belegen, dass die NAFLD
endemisch ist und eine Bedrohung der „public health“ darstellt. Zu diesen Studien
gehört unter anderem die auch an der Universitätsmedizin Greifswald durchgeführte
Studie „Study of Health in Pomerania“ (SHIP). Die Prävalenz der NAFLD in der
Normalpopulation Europas lag in der Gesamtheit dieser Studien bei Erwachsenen
zwischen 26 und 33% [4]. Die NAFLD wurde mit Hilfe des Ultraschalls diagnostiziert.
Ein deutlich gehäuftes Auftreten zeigt die primäre NAFLD in der Bevölkerungsgruppe,
die unter dem metabolischen Syndrom leidet [1]. Es existiert eine Vielzahl an
Definitionen des metabolischen Syndroms. Für diesen Symptomkomplex gibt es trotz
der seit Jahren bekannten hohen epidemiologischen und gesundheitsökonomischen
Bedeutung bislang noch keinen ICD-10 Code. Im klinischen Alltag ist die Definition
der International Diabetes Federation (IDF) aus dem Jahr 2005 anerkannt [5].
Die Diagnose des metabolischen Syndroms liegt vor, wenn der Bauchumfang mehr
als 94 cm (Männer) beziehungsweise mehr als 80 cm (Frauen) beträgt und
zusätzlich mindestens 2 weitere der folgenden Störungen bzw. Bedingungen
vorliegen:
- Erhöhte Triglyzeridwerte im Blut (mindestens 150 mg/dl) beziehungsweise
bereits eingeleitete Behandlung zur Absenkung.
- Zu niedriges HDL-Cholesterin (Männer weniger als 40 mg/dl; Frauen
weniger als 50 mg/dl) beziehungsweise bereits eingeleitete Behandlung
zur Anhebung.
- Arterielle Hypertonie (systolisch > 130 mmHg oder diastolisch > 85 mmHg)
beziehungsweise eine bereits behandelte Hypertonie.
- Erhöhter Nüchtern-Glukosespiegel (mehr als 100 mg/dl) oder ein bereits
diagnostizierter Typ-2-Diabetes.
Die Wahrscheinlichkeit an einer NAFLD zu erkranken und das Ausmaß der NAFLD
nehmen mit dem Ausprägungsgrad des metabolischen Syndroms zu [2]. Dabei stellt
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
7
der Typ II Diabetes, der gekennzeichnet ist durch eine Insulinresistenz in der
verfetteten Leber und anderen peripheren Organen, das Ergebnis der zuvor
bestehenden komplexen Fettstoffwechselstörungen dar. Es gilt, durch frühzeitige
Prävention und Therapie dies zu vermeiden. Dazu kann die radiologische Bildgebung
einen entscheidenden Beitrag leisten.
In der Klinik wird zunehmend deutlich, dass die NAFLD, die Risikofaktoren des
metabolischen Syndroms und der Typ II Diabetes sich gegenseitig negativ
beeinflussen [3,6-8]. Somit erhöht sich besonders das Risiko kardiovaskulärer
Erkrankungen, welche, laut WHO, global die häufigste Todesursache darstellen.
Hinzu kommt, dass einfache Präventions- und Therapiemaßnahmen, wie
Diäteinhaltung und Aktivität über mehrere Jahre die Inzidenz der NAFLD und des
metabolischen Syndroms nicht mindern konnten. Auch wenn die komplexen
pathophysiologischen Zusammenhänge nicht vollständig geklärt sind, brauchen
zukünftige Therapien eine zuverlässige, frühzeitige, nichtinvasive Diagnostik [3]. Die
Detektion und exakte Quantifizierung der Steatosis hepatis bei primärer NAFLD im
Rahmen eines metabolischen Syndroms würde sich als hilfreich erweisen. Im Fokus
befinden sich also bildgebende Verfahren, welche in der Lage sein sollten, Fett in der
Leber frühzeitig zu detektieren und zu quantifizieren. Mit Hilfe technisch
weiterentwickelter bildgebender Methoden, wie der Magnetresonanztomographie
kann dies gewährleistet werden [9].
Zudem könnten sich bildgebende Methoden als hilfreich erweisen, um die
pathophysiologischen Zusammenhänge des metabolischen Syndroms und der
NAFLD in der Präklinik darzustellen. Dank geeigneter Tiermodelle, wie dem
leptindefizienten Mausmodel (ob/ob-Maus), kann dies auch in der Praxis realisiert
werden. Die ob/ob-Maus entwickelt obligat eine Fettleber und ist mittlerweile ein
etabliertes Tiermodell des metabolischen Syndroms und der NAFLD [10,11]. Die
Erforschung und Weiterentwicklung bildgebender Methoden zur Beurteilung des
Grades der Lebergewebeverfettung und folgender Strukturveränderungen der Leber
an diesem Tiermodell wird dringend benötigt.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
8
1.3 Bestimmung des Leberfettanteils
Den Goldstandard der Leberfettquantifizierung stellt die perkutane Entnahme eines
Gewebezylinders und anschließende histopathologische Aufarbeitung dar [12]. Bei
dieser invasiven Methode gibt es allerdings Nachteile, die den breiten Einsatz zur
frühen Diagnose der NAFLD einschränken. Neben den Unannehmlichkeiten für die
Patienten können Komplikationen, wie schmerzhafte subkapsuläre Einblutungen in
die Leber oder eine Infektion über den Stichkanal, auftreten. Zusätzliche Probleme
entstehen durch gerinnungshemmende Medikamente, die bei der Intervention zu
einem größeren Blutungsrisiko führen beziehungsweise beim Absetzen
periinterventionell das Risiko thrombotischer und thrombembolischer
Gefäßkomplikationen erhöhen.
Studien konnten ein gehäuftes Auftreten der Steatosis hepatis auch bei Kindern
feststellen [13]. In dieser Patientengruppe sind interventionsbedingte Komplikationen
noch kritischer zu sehen. Und auch bei der Durchführung epidemiologischer Studien
sind komplikationsbehaftete Methoden, wie Gewebebiopsien, ethisch nicht vertretbar,
sodass die histopathologische Fettgewebsquantifizierung hier keine Alternative
darstellt.
Ein weiterer Nachteil der Bestimmung des Fettgehaltes in der Histopathologie ist der
so genannte Stichprobenfehler [14], bei dem es durch eine ungleichmäßige
Fettverteilung zur Probeentnahme aus einer nicht repräsentativen Stelle der Leber
kommen kann.
Der Leberfettgehalt wird in der histopathologischen Aufarbeitung nicht durch die
Ermittlung des prozentualen Anteils an Fett als chemischer Struktur ermittelt,
sondern über das Verhältnis der mikroskopisch verfetteten zu den weniger oder nicht
verfetteten Hepatozyten bestimmt.
Die Magnetresonanztomographie (MRT), als nichtinvasives Verfahren, erlaubt eine
Detektion und Quantifizierung von Fett in jedem Voxel (Volumenelement im MRT).
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
9
Der Nachweis von Fett ist mit Hilfe der konventionellen MRT bei hoher Sensitivität
möglich [15].
1.4 MRT-Verfahren zur Leberfettquantifizierung
Zur quantitativen, ortsaufgelösten Darstellung von Gewebefett existieren bislang zwei
gängige Verfahren. Zum einen die MRT-Spektroskopie und zum anderen die
Chemical Shift kodierte Magnetresonanztomographie. Bei beiden Verfahren werden
Resonanzsignale von Atomkernen in einem Magnetfeld aufgezeichnet. Das
besondere hierbei ist, dass diese Resonanzsignale bei Atomkernen des selben
Elementes dennoch unterschiedlich sind, wenn sie in unterschiedlichen chemischen
Verbindungen vorliegen. Man macht sich bei der Fettquantifizierung im Speziellen zu
nutze, dass Wasserstoffkerne, die in Triglyceriden gebunden sind, andere
Resonanzsignale im MRT abgeben, als die Wasserstoffkerne, die in Wasser (H2O)
gebunden sind. Aus der Messung der Resonanzsignale und deren Differenz kann bei
beiden Verfahren, der MRT-Spektroskopie und der Chemical Shift kodierten
Magnetresonanztomographie, eine Aussage zum prozentualen Anteil der jeweiligen
chemischen Verbindung in dem untersuchten Gewebe getroffen werden [16].
Der Unterschied der beiden Verfahren besteht darin, dass die MRT-Spektroskopie
die chemische Zusammensetzung in einem vordefinierten Voxel bestimmt. In der
Chemical Shift kodierten MRT ist dieser Informationsgewinn unter Berücksichtigung
der Anatomie des Gewebes möglich. Stichprobenfehler durch eine ungleiche
Verteilung des Leberfettes werden somit vermieden.
Die MRT-Spektroskopie ist im Vergleich das technisch aufwändigere Verfahren und
nicht ubiquitär verfügbar. Die Chemical Shift kodierte MRT hingegen ist auf
kommerziellen MRT-Geräten mit geringem technischen Aufwand anwendbar. Somit
ist nach Meinung des Autors die Chemical Shift kodierte MRT für die
Leberfettquantifizierung zu bevorzugen.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
10
1.4.1 Chemical Shift zur Leberfettquantifizierung
Als Chemical Shift bezeichnet man in der Magnetresonanztomographie die
Verschiebung der Resonanzlinie einer Probe gegenüber der Resonanzlinie einer
Referenz. Diese Verschiebung beruht auf dem unterschiedlichen Einwirken des
Magnetfeldes auf die Wasserstoffkerne in Abhängigkeit davon, wie gut sie von
Elektronen abgeschirmt werden, beziehungsweise in welcher chemischen
Verbindung sie sich befinden. Je elektronegativer der Bindungspartner der
Wasserstoffkerne ist, umso geringer fällt diese Abschirmung durch Elektronen aus.
Dies führt in Abhängigkeit von den funktionellen Gruppen zu unterschiedlichen
Resonanzfrequenzen und Relaxationszeiten, auf denen die MRT-Bildgebung aufbaut.
Es ist bekannt, dass Wasserstoffprotonen, die im Fett gebunden sind, in
transversaler Ebene langsamer relaxieren als jene, die im Wasser (H2O) gebunden
sind. Die Resonanzfrequenzunterschiede sind aus Geräten mit Feldstärken von 1,5
Tesla (zirka 220 Hz) und 3 Tesla (zirka 445 Hz) bekannt und proportional zur
Feldstärke des äußeren Magnetfeldes. Bei 7 Tesla beträgt der
Resonanzfrequenzunterschied für in Wasser und Fett gebundene Wasserstoffkerne
zirka 1040 Hz.
Betrachtet man ein Gewebe, das zu gleichen Teilen aus Wasser und Fett besteht, so
relaxieren die Wasserstoffprotonen in beiden Stoffen aufgrund dieser verschiedenen
chemischen Bindungen unterschiedlich schnell. Die kreisenden elektromagnetischen
Summenvektoren sind zu bestimmten Zeitpunkten gleichgerichtet (In-Phase) und zu
anderen Zeitpunkten gegensätzlich gerichtet (Out-Phase). Diese Zeitpunkte werden
aufgrund des bekannten Frequenzunterschiedes definiert. In einem 7 Tesla-MRT ist
nach zirka 0,96 ms (1/1040 Hz) der Ausgangszustand erreicht. Die Vektoren der
Wasserstoffprotonen, die im Fett gebunden sind und jene, die im Wasser gebunden
sind, befinden sich „In-Phase“. Nach der Hälfte dieser Zeit liegen sich die beiden
Vektoren gegenüber. Dies wird als „Out-Phase“ bezeichnet. Abbildung 1 zeigt die
einzelnen Vektoren von Wasser (W) und Fett (F) zu verschiedenen Echozeiten (TE-
Zeiten). Die erste In-Phase (TE1) entspricht dem Zeitpunkt des
Hochfrequenzimpulses (0 ms). Die Vektoren addieren sich zur gemessenen
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
11
Signalintensität (SI). Eine Messung der Signalintensität ist zu diesem Zeitpunkt
jedoch nicht möglich.
Aufgrund der unterschiedlichen Resonanzfrequenzen sind die Vektoren zu einem
anderen Zeitpunkt (TE2) entgegengesetzt ausgerichtet. Dies ist die Out-Phase. Die
Signalintensität (SI) entspricht der Differenz der Vektoren. TE3 zeigt erneut eine In-
Phase. Die Signalintensität ist gegenüber TE1 aufgrund von Relaxationseffekten wie
T2* reduziert. Dies ist in Abbildung 2 dargestellt.
Abbildung 1: Darstellung der Vektoren von Wasser (W) und Fett (F) sowie der
Signalintensität (SI) des Summenvektors zu verschiedenen TE-Zeiten. TE1 entspricht
dem Zeitpunkt direkt nach Abschalten des Hochfrequenzimpulses (0 ms). Abbildung
mit freundlicher Genehmigung von MTA-Dialog.
Durch Auswertung der Vektoren und deren Verhältnis zu den bestimmten TE-Zeiten
kann man den prozentualen Fettgehalt berechnen. In der In-Phase addieren sich die
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
12
Beträge der Vektoren. Die Subtraktion des Fettvektors vom Wasservektor,
beziehungsweise des Wasservektors vom Fettvektor, entspricht der Signalintensität
in der Out-Phase. Aus den Daten der Out-Phase und der In-Phase kann die Relation
des Wasser-Fett-Gehaltes abgeleitet werden. Der Fettgehalt wird in Prozent
angegeben. Für die Nachberechnung stehen zwei Techniken zur Verfügung.
Abbildung 2: Dargestellt ist die insgesamt abnehmende Signalintensität zu
verschiedenen TE-Zeiten, in denen die Vektoren von Wasser und Fett die gleiche
Richtung haben (In-Phase = IN) und in denen sie sich gegenüber liegen (Out-Phase
= OUT). Das hier untersuchte Gewebe enthält Wasser und Fett zu jeweils ca. 50%.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
13
1.4.1.1. Die magnitudenbasierte Methode
Die magnitudenbasierte Methode betrachtet bei der Auswertung nur die Beträge der
Vektoren zu oben beschriebenen Zeitpunkten; In-Phase und Out-Phase. In der In-
Phase addieren sich die Beträge der Vektoren. In der Out-Phase entspricht der
Gesamtvektor der Differenz. Wenn man die Summe der beiden Vektoren in der In-
Phase als maximale Signalstärke annimmt (100%), so lässt sich der Fettgehalt in
Prozent mit folgender Formel berechnen:
Fettgehalt (%) = (IN – OUT) / 2 x IN
IN entspricht dabei der Signalintensität in der In-Phase und OUT der Signalintensität
in der Out-Phase. Zu beachten ist beim Auswerten der Magnitudendaten, dass der
maximal bestimmbare Fettgehalt bei 50% liegt. Dies sollte in der klinischen Praxis
der Fettgehaltsbestimmung der Leber jedoch nicht limitierend sein, da auch
verfettete Lebern Fettgehalte von 50% in der Regel nicht überschreiten [17].
1.4.1.2 Die komplexe Methode
Eine zweite Möglichkeit erlaubt die Quantifizierung von Leberfett über die komplette
Spannweite von 0-100%. Dies ist für die Quantifizierung von Gewebefett außerhalb
der Leber sinnvoll und wird ermöglicht durch Anwendung der als komplexe Methode
bezeichneten Technik.
Da bei der magnitudenbasierten Methode in der Out-Phase nicht unterschieden
werden kann, welches der dominante Vektor ist, kann der Fettgehalt nur sicher
bestimmt werden, wenn klar ist, dass Wasser mehr als 50% des Signals ausmacht
und somit den dominanten Vektor darstellt. Es wird in der komplexen Methode diese
potenzielle Fett/Wasser-Mehrdeutigkeit durch Benutzung der Phaseninformationen
umgangen [18].
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
14
Die Phaseninformation ist das Wissen um die aktuelle Stellung der Vektoren zu
jedem Zeitpunkt auch zwischen den bestimmten TE-Zeiten.
Die Fettfraktion kann aus der Chemical Shift kodierten MRT mit beiden
beschriebenen Methoden in einer Nachverarbeitung, dem so genannten
Postprocessing, bestimmt werden.
Generell ist bekannt, dass die Fettgewebsquantifizierung mittels Chemical Shift
kodierter MRT durch Störfaktoren beeinflusst werden kann [19]. Es handelt sich um
die Relaxationseffekte T1-Wiederaufbau, T2*-Zerfall, die multispektrale Komplexität
der Wasserstoffprotonen im Fettgewebe, sowie Fehler durch Bildrauschen und durch
Wirbelströme.
1.4.2 Proton-Density-Fett-Fraktion (PDFF)
Die PDFF ist definiert als das Verhältnis aus der Fett-Protonendichte (Triglyceride)
und der Dichte der Protonen von Fett und Wasser, unter Berücksichtigung aller
Störfaktoren in der MRT-basierten Auswertung. Die Bestimmung der PDFF wird
aktuell als der praktikabelste und bedeutungsvollste MRT-basierte Biomarker der
Fettquantifizierung angesehen [9].
Bei der Berechnung der PDFF zu beachtende Störfaktoren sind die
Relaxationseffekte T1-Wiederaufbau und T2*-Zerfall, sowie die multispektrale
Komplexität der Wasserstoffkerne in den Triglyceriden.
Der Relaxationseffekt des T1-Wiederaufbaus beschreibt die Rückgewinnung der
Longitudinalmagnetisierung nach Einstrahlung eines Hochfrequenzimpulses. Dies
erfolgt für Fett schneller als für Wasser [20]. Bei der Fettquantifizierung führt dieser
ungleiche Wiederaufbau zu Fehlern.
Nach Einstrahlung des Hochfrequenzimpulses und transversaler Auslenkung der
Protonen kommt es durch Wechselwirkungen der Protonen untereinander zur
Dephasierung. Dies wird als Spin-Spin-Wechselwirkung bezeichnet. Es kommt dabei
zu einer Abnahme der Transversalmagnetisierung mit zunehmender Zeit. Diese ist
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
15
physiologisch und wird als T2-Zerfall bezeichnet. Externe Einflüsse wie
Magnetfeldinhomogenitäten oder Wechselwirkungen mit anderen lokalen
Magnetfeldern, wie sie beispielsweise in Anwesenheit von Eisen auftreten,
beeinflussen den physiologischen T2-Zerfall. Diese Beeinflussung des Abbaus der
Transversalmagnetisierung wird als T2*-Zerfall bezeichnet [21]. Im Falle einer
Lebereisenüberladung würde das Signal schneller zerfallen und bereits während der
ersten Auslesungen von Out-Phase und In-Phase die Magnitudendaten beeinflussen.
Die Folge ist eine fehlerhafte Berechnung des absoluten Leberfettgehaltes.
Einen zusätzlichen Einfluss auf die Fettquantifizierung hat die multispektrale
Komplexität von Fett. Diese ergibt sich aus der differenten chemischen Struktur der
an der Fettzusammensetzung beteiligten Triglyceride. Fett liegt dem zufolge in
mehreren Spektren vor [22]. Diese weisen jeweils geringe Unterschiede in ihren
Resonanzfrequenzen auf. Die konventionelle Chemical Shift kodierte MRT
berücksichtigt allerdings nur die Resonanzfrequenz des Vektors vom dominanten
Methylen-Peak (-CH2). Dieser repräsentiert zirka 70% der im Fett gebundenen
Wasserstoffprotonen. Daraus resultiert, dass ohne eine Korrektur der multispektralen
Komplexität von Fett, der wahre Fettgehalt unterschätzt wird. Zur Korrektur in der
Nachberechnung besteht die Möglichkeit der Wichtung der einzelnen Vektoren
entsprechend dem Vorkommen in der chemischen Verbindung Fett [17]. Dies erfolgt
bei der Bestimmung der PDFF.
Wenn die PDFF aus den komplexen Daten ermittelt wird, sind zusätzlich Fehler
durch das Bildrauschen und so genannte Wirbelströme („eddy currents“) zu beachten
[9]. Letztere sind zirkuläre Ströme, die durch das einwirkende Magnetfeld entstehen
und selbst ein Magnetfeld erzeugen, das dem ersteren, erzeugenden Magnetfeld
entgegengerichtet ist.
1.5 Hochfeld-MRT
Die Definition des Begriffes Hochfeld-MRT muss im zeitlichen Wandel gesehen
werden. Es kommt beim Streben nach immer besserer Detailauflösung der Bilder
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
16
und Reduktion des zeitlichen Aufwandes zu stetigen Neuerungen, so zum Beispiel
zu einer Erhöhung der Feldstärke des statischen äußeren Magnetfeldes in
Magnetresonanztomographen. Aktuell sind MRT mit mehr als 3 Tesla als Hochfeld-
MRT zu bezeichnen. Neue Entwicklungen zeigen allerdings, dass Geräte mit einer
Feldstärke von bis zu 7 Tesla in der Präklinik akzeptiert sind und zunehmend auch
klinischen Einsatz finden [23].
Die technische Weiterentwicklung der MRT muss aufgrund zahlreicher anderer
physikalischer Effekte und Parameter hinsichtlich ihrer Vor- und Nachteile gegenüber
den älteren Generationen von Geräten, sowie hinsichtlich neuer Möglichkeiten und
Einschränkungen noch erforscht werden.
Die Vorteile von 7 Tesla-Geräten gegenüber Geräten mit Feldstärken von weniger
oder gleich 3 Tesla sind [23]:
- Erhöhung des Signal-zu-Rausch-Verhältnisses
o Verbesserte räumliche Auflösung
o Verbesserte zeitliche Auflösung
Nachteilig im 7 Tesla MRT gegenüber Geräten mit gleich oder kleiner als 3 Tesla
sind:
- Erhöhung der SAR (spezifische Absorptionsrate = durch
Untersuchungsobjekt aufgenommene Energie pro Masse)
- B1- Inhomogenität (Feldinhomogenität der anregenden Spulen)
- Geänderte Suszeptibilität (Reaktion eines Stoffes auf das Magnetfeld)
Die 7 Tesla-MRT bietet demnach neue Möglichkeiten der diagnostischen
Bildgebung. Die technisch-physikalischen Besonderheiten und geänderten
Störfaktoren müssen jedoch zur korrekten Datennachbearbeitung und zur
Patientensicherheit berücksichtigt werden und stellen die größte Limitation bei der
Datenakquisition dar. Im Speziellen führt die hohe magnetische Feldstärke zu
geringeren zeitlichen Abständen der in der Chemical Shift kodierten MRT
entscheidenden In- und Out-Phasen. Messungen zu den exakten kurz aufeinander
folgenden TE-Zeiten sind dadurch erschwert beziehungsweise unmöglich.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
17
Eine akkurate Quantifizierung von Leberfett setzt voraus, dass potentielle
Störvariablen, wie der T2*-Zerfall, ein Fehler durch den unterschiedlichen T1-
Wiederaufbau von Wasser und Fett, die multispektrale Komplexität von Fett und
weitere Störvariablen, wie Wirbelströme und Magnetfeldinhomogenitäten
berücksichtigt werden. Im Hochfeld-MRT mit einer Feldstärke von 7 Tesla lässt sich
momentan nicht ableiten, ob ein Ausgleich der oben genannten Störvariablen und die
technische Umsetzung der Auslesezeitpunkte überhaupt möglich ist.
1.6 Fragestellung
A) In dieser Arbeit soll überprüft werden, in wie weit die 7 Tesla Hochfeld-MRT eine
Quantifizierung des Leberfettgehaltes zulässt.
Es existieren zwei anerkannte Verfahren zur Berechnung der Proton-Density
Fettfraktion: Die magnitudenbasierte Methode und die komplexe Methode mit
Berücksichtigung der Phaseninformation.
B) Daher soll zusätzlich die Zuverlässigkeit der magnitudenbasierten PDFF und der
komplexen PDFF im 7 Tesla Hochfeld-MRT überprüft und gegenübergestellt werden.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
18
2. Material und Methoden
Im Rahmen einer Machbarkeitsstudie wurde der Leberfettgehalt an einem 7 Tesla
Hochfeld-MRT für Kleintiere in-vivo am Mausmodell bestimmt.
2.1 Tierversuch
Alle Tierversuche wurden nach Genehmigung beim Landesamt für Landwirtschaft,
Lebensmittelsicherheit und Fischerei Mecklenburg-Vorpommern (LALLF)
durchgeführt (Aktenzeichen: 7221.3-1.1-010/12).
Die Untersuchung am Tier war erforderlich, da wir davon ausgehen, dass sich in-vivo
Effekte, wie Temperatur, Atmung und die physiologische Lungen-Leber-Grenze, auf
die Fettquantifizierung auswirken. Ein humanes 7 Tesla-Gerät ist an unserem Institut
nicht verfügbar.
2.1.1 Mausmodell
Unsere Untersuchungen erfolgten mit Hilfe eines etablierten Mausmodells, der
leptindefizienten ob/ob-Maus vom Stamm C57BL/6 (Abbildung 3). Bei dieser wird
aufgrund eines homozygoten Gendefektes („knock-out“) des für das Peptid Leptin
kodierenden DNS-Abschnittes obligat eine Fettleber ausgebildet.
Leptin ist ein aus Adipozyten stammendes Peptidhormon. Es ist liquorgängig und
entfaltet seine Wirkung hauptsächlich am Hypothalamus. Hier steuert es Hunger-
und Sättigungsgefühl. In dem beschriebenen ob/ob-Mausmodell kann aufgrund
einer Mutation im ob-Gen, dessen Produkt Leptin ist, dieses nicht ausgeschüttet
werden. Die betroffenen Mäuse entwickeln obligat eine endokrin bedingte Adipositas
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
19
mit Ausbildung einer NAFLD [24,25]. Als Kontrolle wurden Wildtyp-Mäuse des
Stammes C57BL/6 verwendet.
Abbildung 3: In der Abbildung ist der Vergleich einer leptindefizienten Maus mit
einem Kontrolltier dargestellt; links: Wildtyp-Maus; rechts: leptindefiziente ob/ob-
Maus. Beide Tiere haben das gleiche Alter.
2.1.2 Anzahl der Versuchstiere
Untersucht wurden 23 männliche Mäuse (Tabelle 2). Von diesen waren 8 Mäuse
ohne ob/ob-Mutation (Wildtypen der C57BL/6, auch „black six“-Maus genannt) und
15 Mäuse vom selben Stamm Träger der ob/ob-Mutation (leptindefizient). Das Alter
der Tiere lag im Durchschnitt bei 99,86 ± 22,07 Tagen. Das durchschnittliche
Gewicht betrug 46,70 ± 13,23 Gramm. Dabei ist die Variabilität des Alters
beabsichtigt, um ein möglichst großes Spektrum unterschiedlicher Leberfettgehalte
abzubilden.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
20
Gesamt Wildtyp (C57BL/6)
Leptindefizienz
(ob/ob-Mutation)
Anzahl 23 8 15
Gewicht (g) 46,70 ± 13,23 29,86 ± 2,61 55,77 ± 4,38
Alter (d) 99,86 ± 22,07 96,88 ± 14,91 101,57 ± 25,66
Tabelle 2: Anzahl, Gewicht und Alter der Mäuse als Mittelwerte ± der
entsprechenden Standardabweichung.
2.1.3 Standardisierte Haltung vor der Messung
Die Versuchstiere wurden vor der Untersuchung in der Zentralen Service- und
Forschungseinrichtung für Versuchstiere der Ernst-Moritz-Arndt-Universität
Greifswald in offenen Makrolon-Käfigen unter standardisierten Specific-Pathogen-
Free (SPF)-Bedingungen zu jeweils maximal 3 Tieren gehalten. Zu den Merkmalen
der SPF-Bedingungen gehören Personalschleusen, Schutzkleidung,
Materialschleusen und ein geringfügig höherer Luftdruck, sodass ein keimarmes
Milieu entsteht. Die Tiere waren außerdem frei von Keimen, die auf der Liste der
Federation of Laboratory Animal Science Associations (FELASA), der allgemeinen
Interessenvertretung der Versuchstierkunde in Europa, gelistet waren. Die Haltung
erfolgte auf Holzgranulat, bei konstantem Tag-Nacht-Rhythmus von 12 Stunden,
einer Raumtemperatur von 23 Grad Celsius und einer Luftfeuchte von 45%. Ernährt
wurden leptindefiziente und Wildtyp-Mäuse ad libitum gleichermaßen mit ssniff®
Futtermitteln (sniiff Spezialdiäten GmbH, Soest) und Leitungswasser. Vor der
Untersuchung erfolgte die Bestimmung des Körpergewichtes.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
21
2.2 Ablauf der Untersuchung
Die Versuchstiere wurden zunächst narkotisiert und anschließend im MRT
untersucht. Darauf erfolgte der exitus letalis und die Entnahme der Leber zur
histopathologischen Untersuchung.
2.2.1 Narkose Zur Narkoseeinleitung wurden die Mäuse außerhalb des MRT in eine
Narkosekammer verbracht. Dieser wurde ein Isofluran-Sauerstoff-Gemisch bis zum
Erreichen der gewünschten Narkosetiefe zugeführt. Letztere lag bei erloschenem
Muskeltonus und aufgehobener Schmerzreaktion vor. Zur weiteren Gasapplikation
und Aufrechterhaltung der Narkose wurde ein Eppendorftube an der Nase
angebracht. Über dieses konnte das Isofluran-Sauerstoff-Gemisch der
Narkoseeinheit während der MRT appliziert werden. Die Isoflurankonzentration
betrug dabei zirka 1-2% und der Zufluss zirka 1 l/min während der Untersuchung. Die
Narkose betreute ein Veterinärmediziner mit entsprechender Qualifikation.
Die Messung im MRT erfolgte in Bauchlage auf einem angewärmten Messschlitten,
mit welchem die Körpertemperatur konstant gehalten werden konnte. Die
Narkosetiefe wurde über die Atemfrequenz kontrolliert. Ein drucksensitives
Atemkissen am Unterbauch übermittelte die Frequenz der Atemexkursionen an die
Monitoreinheit im Schaltraum. Um möglichst geringe Bewegungsartefakte zu
erhalten, lag die Atemfrequenz stets zwischen 30 und 40 Exkursionen pro Minute.
Die Untersuchung wurde bei Spontanatmung durchgeführt.
2.2.2 MRT-Untersuchung
Alle Untersuchungen wurden mit einem 7,1 Tesla-Magnetresonanztomographen für
Kleintiere der Firma Bruker durchgeführt (ClinScan; Bruker®, Ettlingen, Deutschland;
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
22
Abbildung 4). Als Spule verwendeten wir eine Ganzkörperspule für Mäuse. Dies ist
eine Volumenspule, mit deren Hilfe eine homogene Darstellung des Abdomens
erreicht werden konnte.
Die Gradientenfeldstärke betrug 290 mT/m. Die Slew-rate lag bei 1160 T/m/s. Es
wurde eine 3D multi-Echo-Gradientenechosequenz akquiriert und zu den folgenden
6 Echozeiten ausgelesen: TE1 = 2 ms, TE2 = 3,5 ms, TE3 = 4,44 ms, TE4 = 5,38 ms,
TE5 = 6,32 ms, TE6 = 7,26 ms.
Die weiteren Untersuchungsparameter sind: TR: 66 ms; Flipwinkel: 3°; Bandbreite +/-
1955 Hz/Pixel; Matrixdaten: interpoliert 256 x 256 Bildelemente; einsehbares Feld
der Matrix (field of view: FOV): 100%; 16 koronare Schichten in Bauchlage;
Schichtdicke: 1,5 mm; Schichtabstand: 0,75 mm.
Es erfolgte die Auslesung der Betragsbilder (Magnitudendaten) und der zugehörigen
Phasenbilder. Diese stellen die gewonnenen Rohdaten dar und bilden die Basis der
weiteren Auswertung.
Abbildung 4: ClinScan-MRT für Kleintiere von der Firma Bruker mit einer Feldstärke
von 7,1 Tesla
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
23
Alle MRT Untersuchungen erfolgten unter Verwendung eines identischen
Untersuchungsprotokolls durch einen qualifizierten Medizinisch Technischen
Radiologie-Assistenten (MTRA). Dieser besaß zum Untersuchungszeitpunkt eine
MRT-Erfahrung von 16 Jahren.
Nach Abschluss der MRT-Untersuchung wurde bei den untersuchten Mäusen der
exitus letalis mit Hilfe einer Überdosierung des Narkosemittels Isofluran und
anschließender zervikaler Dislokation herbeigeführt. Darauf erfolgte die Entnahme
der Leber zur histopathologischen Untersuchung ebenfalls durch oben genannten
qualifizierten Veterinärmediziner.
2.3 Aufarbeitung der MRT-Daten und Bildanalyse
Die Nachberechnung der generierten Rohdaten der Chemical Shift kodierten MRT
zur Erstellung von Fettfraktions-Bildern erfolgte mit der Software Matlab in der
Version 7.7.0; R2008b, MathWorks, Natick, MA. Es wurde ein Skript für die
Berechnung der PDFF verwendet [20]. Dieses ist an 1,5 Tesla und 3 Tesla-MRT
etabliert und wurde in verschiedenen klinischen Studien validiert [9,15]. Das Skript
beinhaltet die Korrekturen der bekannten Störfaktoren der Fettquantifizierung, des
T2*-Zerfalls und der multispektralen Komplexität von Fett.
Für die Daten in dieser Arbeit wurde auf eine Korrektur des T1-Bias verzichtet, da bei
der Verwendung einer hohen Relaxationszeit (TR) und eines geringen Flipwinkels
die T1-Effekte zu vernachlässigen sind [19,20].
Für jeden MRT-Datensatz erfolgte die Berechnung der PDFF magnitudenbasiert und
nach den komplexen Daten.
Bei der Berechnung der Magnitudendaten wurden die Betragsbilder zu den
Zeitpunkten der In-Phasen und Out-Phasen verwendet. In der Berechnung der
komplexen Bilder wurde die „Wasser-Fett-Mehrdeutigkeit“ der Vektoren in denselben
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
24
Bildern zusätzlich berücksichtigt. Die „Wasser-Fett-Mehrdeutigkeit“ beschreibt ein
Phänomen der Magnitudendaten, bei dem es zu einer Verwechslung der Vektoren
für Wasser und Fett zu den In-Phasen und Out-Phasen kommt. Um dies zu
vermeiden, wurden bei den komplexen Daten sowohl die Betragsbilder, als auch die
Informationen der zughörigen Phase berücksichtigt.
Die rekonstruierten PDFF-Karten transferierten wir zur Auswertung in das Programm
„OsiriX“ (Version: 5.9; Firma: Pixmeo SARL, Bernex, Schweiz). OsiriX ist eine frei
verfügbare Software zur digitalen Bildverarbeitung und Bildkommunikation in der
Medizin.
Zur Bestimmung der Fettfraktionen der Leber wurden koronare Schichten mit
möglichst großer Ausdehnung der Mausleber ausgewählt. Es wurde eine „Region of
Interest“ (ROI) in den Bildern der komplexen PDFF platziert. Hierbei wurde die ROI
so platziert, dass Blutgefäße ausgespart und Bewegungsartefakte berücksichtigt
wurden. Unter Verwendung der „copy“ und „paste“ Funktionen in „OsiriX“ wurde die
identische ROI auf die PDFF der Magnitudentechnik übertragen (Abbildung 5). Die
so ermittelten Fettfraktionen wurden in das Programm SigmaPlot™ (Version 13,
Firma Systat Software GmbH, Erkrath, Deutschland) transferiert. Die Ermittlung der
PDFF für beide Rekonstruktionsverfahren erfolgte unabhängig durch 2 Radiologen.
Untersucher 1 hatte 11 Jahre Erfahrung in radiologischer Bildgebung; Untersucher 2
hingegen nur 1 Jahr.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
25
Abbildung 5: Koronares Schnittbild des Abdomen einer untersuchten Maus mit
handgezeichneter ROI über der Leber; links: PDFF-Karte errechnet aus den
komplexen Daten; rechts identische ROI kopiert in die PDFF-Karte erstellt aus den
Magnitudendaten.
2.4 Histopathologie
Die invasive Probenentnahme mit anschließender histopathologischer Aufarbeitung
stellt aktuell den Goldstandard der Leberfettquantifizierung dar [12].
Nach Untersuchung der Mäuse im MRT und Exploration der Leber wurden diese in
das Institut für Pathologie der Universitätsmedizin Greifswald verbracht. Es erfolgte
die Anfärbung mittels Hämatoxylin-Eosin, sowie die Sudanrot-Färbung. Beide
Färbungen ermöglichen die quantitative Bestimmung des Fettgehaltes. Letztere ist
eine spezifische Färbung von Fett in Gefrierschnitten der Leber. In der Hämatoxylin-
Eosin-Färbung fallen Fettvakuolen der Fixierung anheim und stellen sich als
unspezifische intrazelluläre Defekte dar. Alle Schnitte wurden durch einen erfahrenen
Pathologen am Institut für Pathologie der Universitätsmedizin Greifswald gesichtet.
Nach standardisiertem Vorgehen wurde bildmorphologisch der Anteil der verfetteten
Hepatozyten in 5%-Schritten bestimmt.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
26
2.5 Statistik
Die statistische Analyse erfolgte mit dem Programm SigmaPlot™ (Version 13, Firma
Systat Software GmbH, Erkrath, Deutschland).
A - Zur Qualitätssicherung wurden die Daten beider Untersucher mit Hilfe einer
Bland-Altman-Analyse separat für jede Rekonstruktionsmethode verglichen.
Zusätzlich erfolgte eine lineare Regressionsanalyse zwischen beiden Untersuchern
getrennt für die Magnitudendaten und die komplexen Daten und die Ermittlung des
Spearman Korrelationskoeffizienten (r). Ein Korrelationskoeffizient von 1 wird als
perfekte Übereinstimmung gewertet. Ansonsten gilt: 0-0,2: kein/geringer
Zusammenhang; 0,2-0,5: schwacher bis mäßiger Zusammenhang; 0,5-0,8:
deutlicher linearer Zusammenhang; 0,8-1,0: hoher bis exzellenter linearer
Zusammenhang.
B1 - Alle weiteren Analysen wurden mit dem Mittelwert beider Untersucher getrennt
für die PDFF der Magnitudendaten und die PDFF der komplexen Daten durchgeführt.
In einer Analyse wurden die Fettfraktionen der leptindefizienten Tiere und die PDFF
der Kontrolltiere miteinander auf signifikante Unterschiede verglichen. Die
Ergebnisse sollen demonstrieren, dass mit Hilfe der PDFF die Gruppenzugehörigkeit
der Tiere (Fettleber ja/nein) sicher getroffen werden kann. Die Analyse erfolgte
getrennt für beide Rekonstruktionen. Zunächst wurden die Daten auf
Normalverteilung getestet. Die PDFF der Magnitudendaten war nicht normal verteilt,
so dass der Mann-Whitney-U-Test für die weitere Analyse benutzt wurde. Die PDFF
der komplexen Daten war normal verteilt, so dass wir den T-Test benutzten. Das
Signifikanzniveau lag bei p ≤ 0,05.
B2 - Zusätzlich erfolgte der Vergleich zwischen der PDFF aus beiden
Rekonstruktionsverfahren mit einer Bland-Altman-Analyse, sowie einer Passing-
Bablok-Regressionsanalyse. Diese Analysen wurden durchgeführt um zu prüfen, ob
Unterschiede zwischen beiden Rekonstruktionsverfahren bestehen. Zusätzlich
erfolgte wieder eine lineare Regressionsanalyse mit Berechnung des
Regressionskoeffizienten.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
27
C - In einem letzten Schritt wurden beide Rekonstruktionsverfahren mit dem
Goldstandard der Fettgehaltsbestimmung, der Histopathologie, gegenübergestellt.
Aufgrund der bekannten unterschiedlichen Einheiten zwischen dem Fettgehalt der
Histopathologie und dem Fettgehalt aus der MRT erfolgte der Vergleich
ausschließlich durch eine lineare Regressionsanalyse.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
28
3. Ergebnisse
Im Folgenden sind zunächst die Ergebnisse der PDFF der Leber in Abhängigkeit von
der Versuchsgruppe aufgeführt. Weiterhin wurde im Rahmen einer
Qualitätssicherung die Übereinstimmung der PDFF beider Untersucher überprüft.
Danach erfolgte eine Gegenüberstellung der PDFF beider Rekonstruktionsverfahren
sowie ein Vergleich mit dem Goldstandard der Histopathologie.
3.1 Tabellarische Darstellung der Ergebnisse
Es folgt eine tabellarische Aufstellung der PDFF beider Rekonstruktionsverfahren
und des zugehörigen Fettgehaltes aus der Histopathologie. Ein direkter Vergleich der
durchschnittlich ermittelten PDFFs der leptindefizienten Tiere mit den Kontrolltieren
in Tabelle 3 zeigte hochsignifikante Unterschiede; für die PDFF Magnitudendaten: p
≤ 0.001 und für die PDFF komplexe Daten: p ≤ 0.001.
Art der Tiere PDFF Magnitudendaten (%)
PDFF komplexe Daten (%)
Ob/ob-Maus 12,34 18,97
Wildtyp-Maus 1,27 5,41
Tabelle 3: Übersicht über die durchschnittlich ermittelten Fettfraktionen für
leptindefiziente (ob/ob) Mäuse und Wildtyp-Mäuse, jeweils aus den Magnitudendaten
und den komplexen Daten.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
29
Tabelle 4 zeigt die PDFF der leptindefizienten Mäuse. Hierbei ergibt sich für die
komplexen Daten eine mittlere Fettfraktion von 18,97 ± 3,70% und für die
magnitudenbasierte Nachberechnung von 12,34 ± 4,37%. Der histopathologisch
ermittelte Fettgehalt zeigt im Mittel mit 71,67 ± 14,10% eine andere Größenordnung.
Tabelle 4: PDFF der leptindefizienten Mäuse für beide Rekonstruktionen mit dem
zugehörigen Fettgehalt aus der Histopathologie; *: beispielhaft in Abbildung 10
verwendetes MRT-Bild.
Tabelle 5 zeigt analog die Fettfraktionen der Wildtyp-Mäuse. Hierbei ergibt sich für
die komplexen Daten eine mittlere Fettfraktion von 5,41 ± 3,08%. Die
magnitudenbasierte Nachberechnung liegt im Mittel bei einer niedrigeren Fettfraktion
von 1,27 ± 1,73%. Zwischen diesen durch die MRT ermittelten Fettfraktionen liegt
der histopathologisch ermittelte Fettgehalt mit 2,5 ± 3,78%.
ob/ob Maus: Tier Nummer
PDFF komplexe Daten (%)
PDFF Magnitudendaten
(%)
Histopathologie
(%)
1 21,16 16,08 75 2 19,81 16,77 70 3 20,35 9,70 70 4 23,13 12,58 70 5 20,24 13,15 70 6 16,70 15,20 70 7 27,06 16,99 70 8 16,36 12,73 80 9 15,40 12,39 80
10 18,56 15,98 70 11 14,02 10,04 80 12* 22,84 11,70 85 13 18,69 13,07 85 14 16,88 9,33 75
15 13,41 -0,60 25
Standardabweichung 3,70 4,37 14,10 Mittelwert (%) 18,97 12,34 71,67
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
30
Wildtyp Maus: Tier Nummer
PDFF komplexe Daten (%)
PDFF Magnitudendaten
(%)
Histopathologie (%)
16 1,78 0,42 0 17 3,42 -0,79 0 18 5,83 5,03 0 19 5,41 0,54 0 20* 11,46 0,24 5 21 7,02 1,74 0 22 6,08 1,49 10 23 2,31 1,52 5
Standardabweichung 3,08 1,73 3,78
Mittelwert (%) 5,41 1,27 2,5
Tabelle 5: PDFF-Daten der Wildtyp-Mäuse für beide Rekonstruktionsmethoden mit
dem zugehörigen Fettgehalt aus der Histopathologie; *: beispielhaft in Abbildung 11
verwendetes MRT-Bild.
Die in den Tabellen gekennzeichneten Tiere (*) wurden beispielhaft im Folgenden
(Abbildung 10 und 11) auch bildlich dargestellt. Es handelt sich jeweils um eine
leptindefiziente und eine Wildtyp-Maus.
3.2 Qualitätssicherung bei der Ermittlung der PDFF
Lineare Regressionsanalysen weisen einen linearen Zusammenhang zwischen den
von beiden Untersuchern ermittelten Fettfraktionen der Magnitudendaten und der
komplexen Daten nach (Abbildung 6 und 7). Für die PDFF, berechnet aus den
Magnitudendaten, ergibt sich ein Korrelationskoeffizient von r=0,85. Der mittlere
Unterschied zwischen beiden Untersuchern, berechnet mittels Bland-Altman-
Analyse, beträgt 0,82 (Abbildung 6).
Auch der Vergleich beider Untersucher bezüglich der PDFF ermittelt aus den
komplexen Daten zeigt einen linearen Zusammenhang mit einem
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
31
Korrelationskoeffizienten von r=0,86 und einem mittleren Unterschied von 0,96
(Abbildung 7).
Abbildung 6: Untersuchervergleich zur Fettgehaltsquantifizierung mittels PDFF aus den Magnitudendaten basierend auf einer linearen Regressionsanalyse (links),
sowie Bland-Altman-Analyse (rechte Seite). Graph der linearen Regression: Die rote
Linie repräsentiert die Regressionsgerade, die gestrichelten, roten Linien
repräsentieren das 95% Konfidenzintervall der Regressionsgeraden. Bland–Altman-
Graph: Die durchgezogene, rote Linie repräsentiert die mittlere Abweichung. Die
gestrichelten, roten Linien repräsentiert die mittlere Abweichung ± 1,96
Standardabweichung (SD). MW = Mittelwert.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
32
Abbildung 7: Untersuchervergleich zur Fettgehaltsquantifizierung mittels PDFF aus den komplexen Daten basierend auf einer linearen Regressionsanalyse (links),
sowie Bland-Altman-Analyse (rechts). Graph der linearen Regression: Die rote Linie
repräsentiert die Regressionsgerade, die gestrichelten, roten Linien repräsentieren
das 95% Konfidenzintervall der Regressionsgeraden. Bland–Altman-Graph: Die
durchgezogene, rote Linie repräsentiert die mittlere Abweichung. Die gestrichelten,
roten Linien repräsentiert die mittlere Abweichung ± 1,96 Standardabweichung (SD).
MW = Mittelwert.
3.3 Vergleich der PDFF von Magnitudendaten und komplexen Daten
Die durchgeführte Passing-Bablok-Regressionsanalyse zeigt ebenfalls eine hohe
Übereinstimmung der beiden Messmethoden (PDFF aus den komplexen Daten im
Vergleich zu der PDFF aus den Magnitudendaten) zur Bestimmung des
Leberfettgehaltes unter Benutzung der aus den Untersuchern gemittelten
Fettfraktionen auf (Abbildung 8 linke Seite). Der Regressionskoeffizient beträgt 1,2.
Die Ermittlung der PDFF aus den komplexen Daten liefert grundsätzlich höhere
Werte, als die auf den Magnitudendaten basierende Nachberechnung. Zur
graphischen Darstellung der Messunterschiede beider Methoden wurde das Bland-
Altman-Diagramm gewählt (Abbildung 8 rechte Seite). Hierbei zeigte sich eine
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
33
mittlere Differenz der Messergebnisse von 5,77%, wobei diese über die gesamte
Breite der ermittelten Fettfraktionen etwa konstant auftrat.
Abbildung 8: Methodenvergleich zur Fettgehaltsquantifizierung mittels PDFF aus Magnitudendaten und komplexen Daten basierend auf einer Passing-Bablok-
Regressionsanalyse (linke Seite), sowie Bland-Altman-Analyse (rechte Seite). Passing–Bablok-Graph: Die rote Linie repräsentiert die Regressionsgerade. Bland–
Altman-Graph: Die durchgezogene, rote Linie repräsentiert die mittlere Abweichung.
Die gestrichelten, roten Linien repräsentiert die mittlere Abweichung ± 1,96
Standardabweichung (SD). MW = Mittelwert.
3.4 Vergleich mit dem Goldstandard
In der Gegenüberstellung der Messmethoden, PDFF der Magnitudendaten und
PDFF der komplexen Daten, mit dem Goldstandard, der Histopathologie, wurde für
beide Verfahren eine lineare Korrelation detektiert (Abbildung 9). Die
Regressionskoeffizienten betrugen für die PDFF der Magnitudendaten 0,806 und für
die PDFF der komplexen Daten 0,770.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
34
Abbildung 9: Lineare Regression zur Darstellung des Zusammenhangs der
ermittelten PDFFs mit der Histopathologie.
In Abbildung 10 sind komplex (A) und magnitudenbasiert (B) nachberechnete PDFF-
Karten einer leptindefizienten Maus dargestellt. Es handelt sich hierbei um
biometrische Karten, die den Fettgehalt in Graustufen darstellen. In denselben
koronaren Schichten zeigen sich deutliche Artefakte in dem komplex
nachberechneten Bild. Diese führen zu einer Überbewertung des Fettgehaltes. Zu
beachten ist die unterschiedliche Graustufenskala in beiden Bildern. Analog dazu
zeigt Abbildung 11 dieselbe koronare Schicht des Abdomens einer Wildtyp-Maus.
Die Leber zeigt sich auf den Übersichtsbildern bereits weniger verfettet als in der
leptindefizienten Maus. Auch hier ist das Bild, das aus den komplexen Daten
nachberechnet ist, durch Artefakte verfälscht. Diese Artefakte in den komplex
��������������� ��� �� �� �� �� ���
����
�� ��
�
�
��
��
��
��
��������� �������������������������� �!"�#���
����$�%��&����������������������� �!"�#''� �������
�� ����
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
35
nachberechneten Bildern führen zu einer Überschätzung des wahren Fettgehaltes.
Beigefügt in beiden Abbildungen ist das entsprechende histopathologische Bild in 40-
facher Vergrößerung (C). Deutlich sichtbar sind im Vergleich die hellen Fettvakuolen
in den Hepatozyten der leptindefizienten Maus in Abbildung 10C.
Abbildung 10: Koronare Schnittbilder einer leptindefizienten Maus. A: komplex
nachberechnetes Bild mit deutlichen Artefakten (rote Pfeile); B: Bild aus den
Magnitudendaten in derselben koronaren Schicht. C: Histopathologisches Bild unter
40-facher Vergrößerung.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
36
Abbildung 11: Analog zu Abbildung 10 hier Darstellung einer Wildtyp-Maus. A:
komplex nachberechnetes Bild mit deutlichen Artefakten (roter Pfeil); B: Bild aus den
Magnitudendaten in derselben koronaren Schicht. C: Histopathologisches Bild unter
40-facher Vergrößerung.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
37
4. Diskussion In dieser Arbeit untersuchten wir im Rahmen einer Machbarkeitsstudie die
Möglichkeit der Quantifizierung von Leberfett an einem 7 Tesla Hochfeld-MRT unter
Verwendung eines akzeptierten Tiermodells. Unsere Ergebnisse zeigen, dass die
Fettgewebsquantifizierung auch am 7 Tesla Hochfeld-MRT möglich ist. Die PDFF
liefert bei einer Feldstärke von 7 Tesla akkurate Ergebnisse und kann somit auch an
diesen Geräten als ein Biomarker zur Quantifizierung des Leberfettgehaltes
eingesetzt werden.
Die PDFF zeigt in Abhängigkeit von dem gewählten Rekonstruktionsverfahren
gegenüber dem Goldstandard, der Histopathologie, einen deutlichen bis hohen
linearen Zusammenhang. Die beiden untersuchten Nachberechnungsmethoden
(komplexe und magnitudenbasierte Methode zur Bestimmung der PDFF) zeigen im
Vergleich eine hohe lineare Korrelation. Bei der Gegenüberstellung der beiden
Rekonstruktionsverfahren sehen wir einen Vorteil der magnitudenbasierten Methode
durch bessere Korrelation mit der Histopathologie, am ehesten in Folge einer
geringeren Störung durch Artefakte.
Sowohl die MRT, als auch die Histopathologie bestimmen den Leberfettgehalt.
Anhand der erhobenen Daten konnten wir allerdings herausarbeiten, dass der
Fettgehalt der Histopathologie und der Fettgehalt der MRT nicht direkt vergleichbar
sind, da die Ergebnisse der Verfahren unterschiedlich interpretiert werden. In der
Histopathologie wird mikroskopisch der Anteil der verfetteten Hepatozyten bezogen
auf alle Hepatozyten bestimmt. Die MRT bestimmt hingegen das Verhältnis von
Wasser zu Triglyceriden. Bei vorhandenem linearen Zusammenhang der beiden
Verfahren, ist zur Vergleichbarkeit der Daten deshalb eine Kalibrierung erforderlich.
Um diese Kalibrierung ubiquitär anwenden zu können, müssen die MRT-Verfahren
reproduzierbare Ergebnisse liefern.
Die verwendeten Methoden basieren auf der Chemical Shift kodierten MRT, welche
ein anerkanntes Verfahren zur Quantifizierung von Leberfett ist [9,26]. Bevor es zu
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
38
dieser Anerkennung kam, bedurfte es einer fortlaufenden Weiterentwicklung der
Methode. Erste wissenschaftliche Daten der letzten Jahre suggerierten zunächst,
dass die Fettfraktion aus der konventionellen Chemical Shift kodierten MRT keine
reproduzierbaren Ergebnisse liefert [17,20]. Wie Vorstudien zeigen, änderte sich in
Abhängigkeit der verwendeten Hardware und Software die Fettfraktion [17,20]. Auch
am gleichen Gerät wurden durch unterschiedliche Einstellung der Scanparameter
unterschiedliche Fettfraktionen bei einem Individuum ermittelt [17,20]. In
darauffolgenden Untersuchungen wurden Fehler, welche zu der fehlenden
Vergleichbarkeit der Daten führten, analysiert und Methoden zur Korrektur
vorgeschlagen [18,22,27-31].
Durch das Verständnis der Einflussfaktoren und den Ausgleich aller potentiellen
Störvariablen, wie dem T1-Effekt, dem T2*-Fehler, der multispektralen Komplexität
des Fettes, dem Rauschfehler und dem Fehler durch Wirbelströme konnte die auf
dem Chemical Shift basierende Bestimmung der PDFF zu jenem zuverlässigen und
über verschiedene Hardware und Untersuchungsparameter hinweg vergleichbaren
Biomarker für die Quantifizierung von Leberfett werden. Die Berechnung der PDFF
erfordert dabei aktuell ein komplexes Postprocessing. Entsprechende Skripte zur
Nachberechnung stehen auf der Seite der ISMRM (International Society For
Magnetic Resonance In Medicine) im Bereich „Workshop on Fat-Water
Separation“ zum Download zur Verfügung [32].
In bisherigen Studien konnte an Geräten bis 3 Tesla gezeigt werden, dass die
Fettgehaltsquantifizierung durch Bestimmung der PDFF im MRT gut mit alternativen
Methoden, wie der MRT-Spektroskopie [33,34], dem Triglyceridgehalt [35] und auch
dem klinisch akzeptierten Goldstandard der Histopathologie [21,36,37] korreliert und
akkurate Ergebnisse liefert.
In der Literatur ist auch für die 7 Tesla-MRT bereits die Fettgewebsquantifizierung
beschrieben. Allerdings ergab sich unter Verwendung der konventionellen Chemical
Shift kodierten MRT, bei der kein Ausgleich der Störvariablen erfolgt, eine erschwerte
Reproduzierbarkeit der Fettgehalte. In der entsprechenden Arbeit von Ljundberg et al.
wurden Fettfraktionen in einem Phantom ermittelt. Die eingesetzten Geräte besaßen
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
39
Feldstärken von 1,5 T, 3 T und 7 T. Es wurde mit der MRT-Spektroskopie verglichen.
Dabei zeigten sich Unterschiede in der Genauigkeit der ermittelten Fettfraktionen
zwischen den MRT unterschiedlicher Feldstärke. Außerdem zeigten sich als
limitierender Faktor Feldinhomogenitäten insbesondere bei 7 Tesla, sodass teilweise
keine Auswertung der Fettfraktionen vorgenommen werden konnte [38]. Ein
Ausgleich der Störvariablen, wie bei der Bestimmung der PDFF wurde hier nicht
vorgenommen.
In einer weiteren Arbeit wurde zur Fettgewebsquantifizierung ebenfalls die Chemical
Shift kodierte MRT verwendet und die PDFF bestimmt. Hier verglichen Johnson et al.
2010 in einer klinischen Studie die PDFF der Leber von 15 Patienten an 2
verschiedenen MRT-Geräten mit 1.5 Tesla und mit 3 Tesla. Die Patienten litten zum
Teil an einer NAFLD. Die PDFF wurde aus den komplexen Daten berechnet. Es
konnte eine Übereinstimmung zwischen den Fettfraktionen aus 1.5 Tesla und 3
Tesla ermittelt werden (R2= 0,97; Anstieg nicht signifikant unterschiedlich von 1,
Schnittpunkt durch die y-Achse nicht unterschiedlich von 0). Dadurch
schlussfolgerten die Autoren, dass die Fettgewebsquantifizierung mittels PDFF über
verschiedene Feldstärken hinweg reproduzierbare Ergebnisse liefert [12]. Ein 7
Tesla-MRT wurde nicht eingesetzt.
Die Limitationen der oben genannten Studien sind zum einen der fehlende Ausgleich
der Störvariablen bei Ljundberg et al. und zum anderen die im Vergleich geringere
Feldstärke von maximal 3 Tesla in der Studie von Johnson et al. [38,12].
An Geräten von 1,5 und 3 Tesla wurde der Ausgleich der Störvariablen durchgeführt
und es konnten, wie von Johnson et al. gezeigt, verlässlich PDFFs ermittelt werden
[12]. In der genannten Arbeit von Ljundberg zeigen sich unter Verwendung der
konventionellen Chemical Shift kodierten MRT jedoch auch Unterschiede bei der
Fettquantifizierung unter Nutzung von Geräten mit unterschiedlichen Feldstärken [38].
Bislang ist aus unserer Sicht unklar, inwieweit Feldinhomogenitäten und
ausgeprägtere „eddy currents“ bei 7 Tesla die Nachberechnungen zum Ausgleich der
Störvariablen am 7 Tesla Hochfeld-MRT beeinflussen und ob die Berechnung der
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
40
PDFF, wie sie an MRT-Geräten von 1.5 Tesla und 3 Tesla erfolgreich durchgeführt
wird, auch am 7 Tesla-MRT funktioniert.
Zum Beispiel ist bekannt, dass für eine akkurate Quantifizierung von Leberfett der
Signalzerfall mit der Zeit berücksichtigt werden muss. Die PDFF beinhaltet eine T2*-
Korrektur. Das heißt, die primär zur Fettquantifizierung verwendeten Bilder, im
Idealfall In-Phase und Out-Phase, werden für diesen Signalzerfall mit der Zeit
korrigiert. Hervorgerufen wird dieser Störfaktor in der Leber hauptsächlich durch
abgelagerte ferromagnetische Stoffe, wie zum Beispiel Eisen. Bislang ist nicht klar,
wie sich der T2*-Effekt in einem Hochfeld-MRT im Vergleich zu Geräten mit einer
Feldstärke von 3 Tesla und weniger verhält. Im Phantom konnten in derartigen
Untersuchungen bei Feldstärken bis 3 Tesla bisher keine Unterschiede festgestellt
werden [39]. In-vivo Daten an Geräten bis 7 Tesla Feldstärke fehlen allerdings. Die
von uns durchgeführten Untersuchungen liefern hier erste Ergebnisse, die die
Machbarkeit in vivo bei 7 Tesla unter Verwendung der PDFF zeigen.
Für diese neuere Methode der Leberfettquantifizierung ist es entscheidend,
zuverlässige Ergebnisse auch im Vergleich mit etablierten Verfahren zu liefern. Einen
guten Zusammenhang zwischen der PDFF und dem Goldstandard, der
Histopathologie, zeigen bereits publizierte Daten für Feldstärken von 3 Tesla und
weniger [40]. In unserer Arbeit konnte eine gute Korrelation zwischen der im
Hochfeld-MRT ermittelten PDFF und der Histopathologie ebenfalls aufgezeigt
werden. Die Berechnung der PDFF als Marker des Leberfettgehaltes funktioniert
daher auch in der 7 Tesla-MRT.
In Untersuchungen von Hatta et al. wurde 2010, vor der jetzt allseits anerkannten
PDFF, die konventionelle Chemical Shift kodierte MRT zur Fettquantifizierung mit der
Histopathologie bei 1,5 Tesla verglichen [41]. Das Ergebnis der Studie zeigte, dass
nach erfolgter Kalibrierung eine Bestimmung des Fettgehaltes mit dieser MRT-
Methode möglich war.
Es wird mit den aktuellen Daten unserer Untersuchungen gezeigt, dass die bioptisch
in der Histopathologie aus dem Gewebe gewonnen Fettgehalte und die PDFF aus
dem 7 Tesla-MRT bei guter Korrelation zur Vergleichbarkeit jedoch auch eine
Kalibrierung erfordern und dass sich die Störfaktoren, anders als von Johnson et al.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
41
beschrieben [12], in Abhängigkeit von der Feldstärke möglicherweise doch
unterschiedlich auf die PDFF auswirken.
In unserer Arbeit führen die beiden verwendeten Rekonstruktionsverfahren der PDFF
(magnitudenbasierte Nachberechnung und Nachberechnung aus den komplexen
Daten) zu leicht unterschiedlichen Ergebnissen, sodass für eine Kalibrierung geklärt
sein muss, welches Verfahren die richtigen Ergebnisse liefert. Hierzu sind weitere
Untersuchungen bei 7 Tesla nötig.
Die hier angewendeten Rekonstruktionsalgorithmen sind die beiden anerkannten
Verfahren zur Fettgewebsquantifizierung durch Chemical Shift kodierte MRT. Die
magnitudenbasierte Methode wird vorwiegend von der Arbeitsgruppe Sirlin et al.
(San Diego, California, USA) empfohlen [42]. Die komplexe Methode hat als
Hauptvertreter die Arbeitsgruppe Reeder et al. (Madison, Wisconsin, USA) [19]. Die
magnitudenbasierte Methode gilt als robuste Methode, da hier ausschließlich die
Betragsbilder für die Berechnung der PDFF verwendet werden. Mit dieser Methode
kann der Fettgehalt in der Spannweite von 0-50% ermittelt werden. Für
Leberuntersuchungen sollte dies kein Problem darstellen, da in der klinischen MRT-
Diagnostik Leberfettgehalte von größer 40% sehr selten beobachtet werden. In einer
Studie an 2000 Patienten wies kein einziger einen Leberfettgehalt über 50% auf
[43,44]. Die zweite Methode (komplexe PDFF) beinhaltet neben den Betragsbildern
Informationen über die dazugehörige Phase. Damit wird es möglich, den dominanten
Vektor auszumachen. Hierdurch kann der Fettgehalt über die gesamte Spannweite
von 0-100% in einer biometrischen Karte abgebildet werden. Für eine
Fettgewebsquantifizierung außerhalb der Leber, zum Beispiel viszerales oder
subkutanes Fett, ist dies von Vorteil. Ein erheblicher Nachteil der komplexen
Methode ist, dass die Phaseninformationen anfällig für Artefakte sind [44]. In
Verbindung mit der hohen Feldstärke des 7 Tesla-MRT besteht ein gesteigertes
Risiko von Fehlern in den Phasenbildern. Daraus resultiert in der Theorie eine
Einschränkung für die Fettgewebsquantifizierung an Hochfeld-MRT Geräten. Für
niedrige Feldstärken sollten beide Methoden die gleichen Ergebnisse liefern, sofern
die Spannweite des Fettgehaltes zwischen 0-50% liegt.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
42
Zu Beginn unserer Untersuchungen zeigten sich in einer ersten Auswertung der mit
Hilfe der komplexen Daten erstellten Bilder die oben genannten störenden Artefakte.
Visuell erweckten sie den Anschein, die Fettgewebsquantifizierung negativ zu
beeinflussen (Abbildung 10 und 11). Diese beobachteten Artefakte traten in den
Bildern der Magnitudendaten nicht auf. Beim Vergleich der Ergebnisse beider
Methoden denken wir, dass die Bestimmung der Fettgehalte durch die
magnitudenbasierte Nachberechnung die sichersten Ergebnisse liefert. Die Artefakte
führen unserer Meinung nach zu einer Überschätzung des Fettgehaltes in den
PDFFs aus den komplexen Daten. Für eine Kalibrierung sind demnach die
Magnitudendaten heranzuziehen. Zur Bestätigung dessen sind jedoch weitere
Studien erforderlich.
Auch von der Arbeitsgruppe Reeder et al. wurden solche Artefakte nach Anwendung
der komplexen Methode im 3 Tesla-MRT beobachtet [30]. Sie wurden den
Phasenfehlern der Wasser- und Fettvektoren zugeschrieben. Diese Phasenfehler
kommen durch lokale Wirbelströme („eddy currents“) zustande und können unserer
Ansicht nach durch Überbewertung des Leberfettgehaltes zu falsch positiver
Diagnose einer NAFLD führen.
In unserer Arbeit zeigt sich an den biometrischen Karten, dass die aus den
Magnitudendaten erstellten Bilder deutlich weniger Artefakte aufweisen. Auch andere
Studien zeigen, dass die Magnitudendaten von Phasenfehlern unbeeinflusst bleiben
[45,46].
Beide Arbeitsgruppen (Reeder et al. und Sirlin et al.) untersuchten mit diesem
Wissen in teilweise gemeinsamen Veröffentlichungen die Möglichkeit der
Kombination beider Methoden bei Feldstärken bis 3 Tesla. In den Ergebnissen
konnte die geringe Anfälligkeit der Magnitudendaten für Phasenfehler und das gute
Signal-zu-Rausch-Verhältnis der komplexen Daten bestätigt werden. Und es wurde
demonstriert, dass die Kombination der Methoden („mixed fitting method“) die
jeweiligen Vorteile kombiniert und zu akkuraten Leberfettfraktionen mit geringer
Verzerrung der Ergebnisse durch Artefakte bei gutem Signal-zu-Rausch-Verhältnis
an Geräten bis 3 Tesla führt [18,30].
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
43
An MRT mit einer Feldstärke von 7 Tesla gibt es bisher noch keine Untersuchungen,
welche die komplexen Daten und die Magnitudendaten kombinieren, sodass hier
eine Möglichkeit der Weiterentwicklung in der Leberfettquantifizierung durch die
Ermittlung der PDFF zu sehen ist.
Mit dem Wissen um die Möglichkeit der Fettgewebsquantifizierung durch
Bestimmung der PDFF im Hochfeld-MRT ergibt sich als ein Ausblick das Ziel einer
klinischen Verwertbarkeit, zum Beispiel im Rahmen eines Screenings von NAFLD.
Bereits bekannt ist, dass es, aufgrund der Ausbildung einer inflammatorischen
Komponente bei der NAFLD, zum Fortschreiten des Krankheitsbildes bis hin zur
NASH, Leberfibrose und Leberzirrhose kommen kann [1]. Frühzeitige, zuverlässige
Diagnostik und Prävention sollen diese Prozesse positiv beeinflussen. Die sichere
Fettgehaltsquantifizierung ist dabei Voraussetzung um vorzugsweise zusammen mit
anderen Methoden, wie dem R2*-Mapping (dieses ermöglicht die Quantifizierung des
Lebereisengehaltes), der diffusionsgewichteten MRT und leberspezifischen
Kontrastmitteldarstellungen, Rückschlüsse auf die in diesem Krankheitsverlauf sehr
bedeutende Steatohepatitis (NASH) zu ziehen. Dazu sollten weitere Studien
durchgeführt werden, welche die Methode weiterentwickeln, sodass die PDFF auch
bei 7 Tesla in korrekter Größenordnung Fettgehalte ermittelt. Eine Möglichkeit der
Weiterentwicklung bestünde in der auf 7 Tesla-MRT zugeschnittenen
Berücksichtigung der Störvariablen und deren Ausgleich. In Folge einer technischen
Weiterentwicklung des 7 Tesla-MRT bleibt ebenfalls zu erwarten, die
Signalmessungen zukünftig mit den genauen In-Phase- und Out-Phase-TE-Zeiten,
wie sie durch den Chemical Shift definiert sind, synchronisieren zu können.
Die Studie besitzt verschiedene Limitationen:
Zum Vergleich mit den ermittelten PDFFs wurde die Histopathologie als
Goldstandard verwendet. Im Gegensatz zur Histopathologie würde die Bestimmung
des Triglyzeridgehaltes im Lebergewebe im Rahmen der histopathologischen
Aufarbeitung eine adäquatere und mit der MRT besser vergleichbarere Methode
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
44
darstellen, da auch hier der Anteil der chemischen Verbindung im Gewebe objektiv
ermittelt wird. In der Literatur wird zusätzlich die MRT-Spektroskopie als Referenz
herangezogen [33,34].
Bei der auf dem sogenannten Chemical Shift-Effekt beruhenden Methode wird
anhand unterschiedlicher Resonanzfrequenzen zwischen Protonen, die an Wasser
und an Fett gebunden sind, unterschieden. Der Frequenzunterschied ist
feldstärkeabhängig und beträgt für 1 Tesla ≈ 148Hz. Es ist bekannt, dass dieser
Effekt proportional zur Feldstärke ist [47], und bei 7 Tesla einem
Frequenzunterschied von ≈ 1040Hz entspricht. Das heißt, dass zwischen zwei In-
Phasen ein zeitlicher Abstand von zirka 1ms (In-Phase zu Out-Phase zirka 0,5ms)
besteht. Es ist zum aktuellen Zeitpunkt nicht möglich an dem verwendeten MRT mit
einer Feldstärke von 7 Tesla Bilder zu diesen, durch den Chemical Shift definierten
Echozeiten (TE), In-Phase und Out-Phase, auszulesen. Dies ist an den in dieser
Untersuchung verwendeten und im Abschnitt 2.2.2 genannten TE-Zeiten ersichtlich.
Hier ist eine aktuell bestehende Einschränkung der Fettgehaltsquantifizierung in
Hochfeld-MRT-Geräten auszumachen.
Feldinhomogenitäten, verstärkt auftretende Wirbelströme („eddy currents“) und die
erschwerte Umsetzbarkeit der durch die unterschiedlichen Resonanzfrequenzen der
Protonen bestimmten TE-Zeiten wirken limitierend auf die Fettgewebsquantifizierung
mittels PDFF bei der 7 Tesla-MRT. Des weiteren ist der T2*-Effekt bei dieser
Feldstärke in-vivo noch nicht erforscht.
Die in dieser Studie erzielten Ergebnisse zeigen jedoch, dass durch die Ermittlung
der PDFF im 7 Tesla Hochfeld-MRT der Leberfettgehalt in-vivo bestimmt werden
kann.
Eine weitere Limitation der Studie ist, dass eine Häufung der Fettfraktionen im hohen
Bereich (leptindefiziente Tiere) zu finden ist. Um dieses Phänomen zu reduzieren,
wurden leptindefiziente Tiere unterschiedlichen Alters eingeschlossen. Dennoch war
es bei den Untersuchungen schwierig, Mäuse mit einer mittelgradigen Verfettung zu
selektieren. Es ist daher zu vermuten, dass bei leptindefizienten Mäusen die
Steatosis hepatis frühzeitig ausgebildet wird.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
45
Zusammenfassend lässt sich schlussfolgern, dass die Leberfettquantifizierung,
bevorzugt mit der magnitudenbasierten Bestimmung der PDFF, bei 7 Tesla im
Kleintier-MRT grundsätzlich möglich ist. Aus klinischer Sicht ist es äußerst wichtig,
über einen verlässlichen Biomarker des Leberfettgehaltes zu verfügen, der zur
Routinediagnostik und für wissenschaftliche Zwecke eingesetzt werden kann, da sich
Zusammenhänge zwischen NAFLD und den Volkskrankheiten metabolisches
Syndrom und Atherosklerose finden lassen und immer weiter aufklären. Auch die
Forschung in der Radiologie und im Speziellen im Bereich der MRT-Diagnostik leistet
dazu einen Beitrag.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
46
5. Zusammenfassung
Zielstellung: In dieser Machbarkeitsstudie soll gezeigt werden, dass die
Leberfettquantifizierung am 7 Tesla-MRT durch Bestimmung der Proton-Density
Fettfraktion (PDFF) möglich ist. Zusätzlich werden zwei Rekonstruktionsverfahren
zur Berechnung der PDFF verglichen.
Material und Methoden: In einem 7 Tesla Kleintier-MRT wurde die PDFF von 15
leptindefizienten ob/ob-Mäusen und 8 Kontrolltieren bestimmt. Die PDFF wurde mit
zwei anerkannten Rekonstruktionsverfahren, der magnitudenbasierten
Rekonstruktion und der komplexen Rekonstruktionstechnik bestimmt. Die ermittelten
Fettgehalte beider Rekonstruktionen wurden miteinander verglichen (Passing-
Bablok-Regressionsanalyse und Bland-Altman-Analyse) und dem Goldstandard, der
Histopathologie, gegenübergestellt (lineare Regression).
Ergebnisse: Die PDFFs beider Rekonstruktionsverfahren lieferten unterschiedliche
Ergebnisse (mittlere Abweichung 5,7 ± 3,82%). Visuell waren die PDFF-Karten der
komplexen Daten durch störende Artefakte überlagert, welche möglicherweise zu
einer Fehleinschätzung des Fettgehaltes führen. Es besteht ein linearer
Zusammenhang zwischen der PDFF und der Histopathologie für die
magnitudenbasierte Rekonstruktion (R2= 0,806) und auch für die komplexe
Rekonstruktion (R2= 0,770).
Schlussfolgerungen: Die Leberfettquantifizierung ist mit Bestimmung der PDFF am
7 Tesla Hochfeld-MRT möglich. Die PDFF berechnet aus den Magnitudendaten ist
der PDFF berechnet aus den komplexen Daten vorzuziehen, da diese subjektiv
weniger anfällig für Artefakte ist.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
47
6. Literaturverzeichnis
1. Weiß J, Rau M, Geier A; Non-alcoholic fatty liver disease - epidemiology, clincal course, investigation and treatment. Deutsches Ärzteblatt 2014; 111:
447−52. DOI: 10.3238/arztebl.2014.044.
2. Chalasani, N.; Younossi, Z.; Lavine, J. E.; Diehl, A. M.; Brunt, E. M.; Cusi, K.; Charlton, M.; Sanyal, A. J.; The diagnosis and management of non-alcoholic
fatty liver disease: Practice Guideline by the American Association for the Study of Liver Diseases, American College of Gastroenterology, and the
American Gastroenterological Association. Hepatology 2012, 55, 2005–2023.
3. Targher, G.; Bertolini, L.; Day, C.; Prevalence of Nonalcoholic Fatty Liver Disease and Its Association With Cardiovascular Disease Among Type 2
Diabetic Patients: Response to Schindhelm, Heine, and Diamant. Diabetes Care 2007, 30, e95–e95.
4. Martin Blachier, Henri Leleu, Markus Peck-Radosavljevic, Dominique-Charles
Valla and Françoise Roudot-Thoraval: The Burden of liver disease in europe; European Association for the Study of the Liver, 2013 Feb 8, Geneva,
Switzerland; pp 1–64; ISBN: 978-2-8399-1176-4.
5. Dr. med. Peter Hien, Dr. med. Bernhard Böhm, "Diabetes Handbuch"; Springer Medizin Verlag Heidelberg; 6. Auflage 2010 pp. 37–39. ISBN: 978-3-
540-71954-0.
6. Fargion, S.; Nonalcoholic fatty liver disease and vascular disease: State-of-the-art. WJG 2014, 20, 13306.
7. Presario. Effect of non-alcoholic fatty liver disease on carotid artery intima- media thickness as a risk factor for atherosclerosis. Gastroenterol Hepatol From Bed to Bench; 2014 Jan 8;:1–8.
8. Masahide Hamaguchi, Takao Kojima, Noriyuki Takeda, Chisato Nagata, Jun Takeda, Hiroshi Sarui, Yutaka Kawahito, Naohisa Yoshida, Atsushi Suetsugu,
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
48
Takahiro Kato, Junichi Okuda, Kazunori Ida, Toshikazu Yoshikawa . Nonalcoholic fatty liver disease is a novel predictor of cardiovascular disease. World J Gastroenterol 2007 March 14; 13(10): 1579-1584.
9. Reeder, S. B.; Hu, H. H.; Sirlin, C. B.; Proton density fat-fraction: A standardized mr-based biomarker of tissue fat concentration. Journal of Magnetic Resonance Imaging 2012, 36, 1011–1014.
10. Spitzweg, Ch.; Joba, W.; Brabant, G.; Heufelder, A.E.; Physiologische und pathophysiologische Bedeutung von Leptin beim Menschen. Deutsches Ärzteblatt 94, Heft 44, 31. Oktober 1997 (57).
11. Y, Z.; Proenca, R.; Maffei, M.; Barone, M.; Leopold, L.; Friedman, J. M.; Positional cloning of the mouse obese gene and its human homologue.
NATURE 1994, 372, 1–8.
12. Johnson, B.; Schroeder, M.; Hansen, K.; Kang, G. H.; Wolfson, T.; Gamst, A.; Reeder, S. B.; Sirlin, C. B.; Bydder, M.; Field Strength Reproducibility of
Hepatic Proton Density Fat Fraction Estimation by a Complex-data, T1-independent, T2*- corrected, Spectrum-Modeled MRI Technique; Proc. Intl. Soc. Mag. Reson. Med. 18 (2010) 262.
13. Loomba, R.; Sirlin, C. B.; Schwimmer, J. B.; Lavine, J. E.; Advances in pediatric nonalcoholic fatty liver disease. Hepatology 2009, 50, 1282–1293.
14. Ratzui V, Bugianesi E, Dixon J, Fassio E, Ekstedt M, Charlotte F, Kechagias S, Poynard T, Olsson R; Histological progression of non-alcoholic fatty liver disease: a critical reassessment based on liver sampling variability. Aliment
Pharmacol Ther 2007 Jul 2;26, 821–30.
15. Artz, N. S.; Haufe, W. M.; Hooker, C. A.; Hamilton, G.; Wolfson, T.; Campos, G. M.; Gamst, A. C.; Schwimmer, J. B.; Sirlin, C. B.; Reeder, S. B.; Reproducibility
of MR-based liver fat quantification across field strength: Same-day comparison between 1.5T and 3T in obese subjects. Journal of Magnetic Resonance Imaging 2015 Jan 23; doi: 10.1002/jmri.24842
16. Barker BP, Bizzi A, De Stefano N.; Clinical MR Spectroscopy. Cambridge University Press, New York, 2010; pp 1-34; ISBN: 978-0-521-86898-3.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
49
17. Zhong, X.; Nickel, M. D.; Kannengiesser, S. A. R.; Dale, B. M.; Kiefer, B.; Bashir, M. R.; Liver fat quantification using a multi-step adaptive fitting approach with multi-echo GRE imaging. Magn. Reson. Med. 2013, 72, 1353–
1365.
18. Yu, H.; Shimakawa, A.; Hines, C. D. G.; McKenzie, C. A.; Hamilton, G.; Sirlin, C. B.; Brittain, J. H.; Reeder, S. B.; Combination of complex-based and
magnitude-based multiecho water-fat separation for accurate quantification of fat-fraction. Magn. Reson. Med. 2011, 66, 199–206.
19. Meisamy, S.; Hines, C. D. G.; Hamilton, G.; Sirlin, C. B.; McKenzie, C. A.; Yu,
H.; Brittain, J. H.; Reeder, S. B.: Quantification of Hepatic Steatosis with T1-independent, T2*-corrected MR Imaging with Spectral Modeling of Fat: Blinded
Comparison with MR Spectroscopy. Radiology 2011, 258, 767–775.
20. Kühn, J.-P.; Jahn, C.; Hernando, D.; Siegmund, W.; Hadlich, S.; Mayerle, J.; Pfannmöller, J.; Langner, S.; Reeder, S.; T1 bias in chemical shift-encoded
liver fat-fraction: Role of the flip angle. Journal of Magnetic Resonance Imaging 2013, 40, 875–883.
21. Idilman, I. S.; Aniktar, H.; Idilman, R.; Kabacam, G.; Savas, B.; Elhan, A.; Celik,
A.; Bahar, K.; Karcaaltincaba, M.; Hepatic Steatosis: Quantification by Proton Density Fat Fraction with MR Imaging versus Liver Biopsy. Radiology 2013,
267, 767–775.
22. Yu, H.; Shimakawa, A.; McKenzie, C. A.; Brodsky, E.; Brittain, J. H.; Reeder, S. B.; Multiecho water-fat separation and simultaneous R2* estimation with
multifrequency fat spectrum modeling. Magn. Reson. Med. 2008, 60, 1122–1134.
23. Quick, H.; Hochfeld-MRT: Was ist anders? Radiologie up2date 2010, 10, 255–
271.
24. Artz, N. S.; Hines, C. D. G.; Brunner, S. T.; Agni, R. M.; Kühn, J.-P.; Roldan-Alzate, A.; Chen, G.-H.; Reeder, S. B. Quantification of Hepatic Steatosis With
Dual-Energy Computed Tomography. Investigative Radiology 2012, 47, 603–610.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
50
25. Castracane VD, Henson MC.; Chapter 1: The obese Mouse and the Discovery of Leptin. 2006. pp. 1–9. ISBN: 978-0-387-31415-0
26. Hansen, K. H.; Schroeder, M. E.; Hamilton, G.; Sirlin, C. B.; Bydder, M.;
Robustness of fat quantification using chemical shift imaging. Magnetic Resonance Imaging 2012, 30, 151–157.
27. Mark Bydder, Takeshi Yokoo, Gavin Hamilton, Michael S Middleton, Alyssa D
Chavez, Jeffrey B Schwimmer, Joel E Lavine, and Claude B Sirlin; Relaxation
Effects in the Quantification of Fat using Gradient Echo Imaging; Magn Reson Imaging. 2008 April ; 26(3): 347–359.
28. Liu, C.-Y.; McKenzie, C. A.; Yu, H.; Brittain, J. H.; Reeder, S. B.; Fat quantification with IDEAL gradient echo imaging: Correction of bias fromT1 and
noise. Magn. Reson. Med. 2007, 58, 354–364.
29. Yu, H.; McKenzie, C. A.; Shimakawa, A.; Vu, A. T.; Brau, A. C. S.; Beatty, P. J.; Pineda, A. R.; Brittain, J. H.; Reeder, S. B.; Multiecho reconstruction for
simultaneous water-fat decomposition and T2* estimation. Journal of Magnetic Resonance Imaging 2007, 26, 1153–1161.
30. Hernando, D.; Hines, C. D. G.; Yu, H.; Reeder, S. B.; Addressing phase errors
in fat-water imaging using a mixed magnitude/complex fitting method. Magn. Reson. Med. 2011, 67, 638–644.
31. Reeder, S. B.; Robson, P. M.; Yu, H.; Shimakawa, A.; Hines, C. D.; McKenzie,
C. A.; Brittain, J. H.; Quantification of hepatic steatosis with MRI: The effects of accurate fat spectral modeling. Journal of Magnetic Resonance Imaging 2009,
29, 1332–1339.
32. Hu, H. H.; Börnert, P.; Hernando, D.; Kellman, P.; Ma, J.; Reeder, S.; Sirlin, C. ISMRM workshop on fat-water separation: Insights, applications and progress
in MRI. Magn. Reson. Med. 2012, 68, 378–388.
33. Fananapazir, G.; Zhong, X.; Burke, L. M.; Dale, B. M.; Kiefer, B.; Bashir, M. R.; Initial in vivo validation of a hybrid magnitude/complex MRI-based method for
liver fat quantification; Proc. Intl. Soc. Mag. Reson. Med. 2013, 1–1.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
51
34. Yokoo, T.; Shiehmorteza, M.; Hamilton, G.; Wolfson, T.; Schroeder, M. E.; Middleton, M. S.; Bydder, M.; Gamst, A. C.; Kono, Y.; Kuo, A.; Patton, H. M.; Horgan, S.; Lavine, J. E.; Schwimmer, J. B.; Sirlin, C. B.; Estimation of Hepatic
Proton-Density Fat Fraction by Using MR Imaging at 3.0 T. Radiology 2011, 258, 749–759.
35. Runge, J. H.; Bakker, P. J.; Gaemers, I. C.; Verheij, J.; Hakvoort, T. B. M.;
Ottenhoff, R.; Nederveen, A. J.; Stoker, J.; Measuring liver triglyceride content in mice: non-invasive magnetic resonance methods as an alternative to histopathology. Magn Reson Mater Phy 2013, 27, 317–327.
36. Kühn JP, Hernando D, Reeder SB, Munoz del Rio A, Evert M, Kannengiesser S, Völzke H, Mensel B, Puls R, Hosten N, Reeder S B; Effect of Multipeak
spectral Modeling of Fat for liver iron and Fat Quantification: Correlation of Biopsy with MR Imaging Results. Radiology 2012, 265, 133-41
37. Tang, A.; Tan, J.; Sun, M.; Hamilton, G.; Bydder, M.; Wolfson, T.; Gamst, A. C.;
Middleton, M.; Brunt, E. M.; Loomba, R.; Lavine, J. E.; Schwimmer, J. B.; Sirlin, C. B.; Nonalcoholic Fatty Liver Disease: MR Imaging of Liver Proton Density Fat Fraction to Assess Hepatic Steatosis. Radiology 2013, 267, 422–431.
38. ljungberg, M.; Quantification of Fatty Acid Composition Using MRI: Comparison of Accuracy at 1.5, 3 and 7 T. Department of Medical Radiation
Physics, Clinical Sciences, Lund University, Master of Science Thesis Lena Trinh. 2013, 1–30.
39. Hernando, D.; Cook, R. J.; Diamond, C.; Reeder, S. B.; Magnetic Susceptibility
as a B0 Field Strength Independent MRI Biomarker of Liver Iron Overload; Mag Reson Med; 2014 Jan 8;:1–20.
40. Kühn, J.-P.; Evert, M.; Friedrich, N.; Kannengiesser, S.; Mayerle, J.; Thiel, R.;
Lerch, M. M.; Dombrowski, F.; Mensel, B.; Hosten, N.; Puls, R.; Noninvasive Quantification of Hepatic Fat Content Using Three-Echo Dixon Magnetic Resonance Imaging With Correction for T2* Relaxation Effects. Investigative
Radiology 2011, 46, 783–789.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
52
41. Hatta, T.; Fujinaga, Y.; Kadoya, M.; Ueda, H.; Murayama, H.; Kurozumi, M.; Ueda, K.; Komatsu, M.; Nagaya, T.; Joshita, S.; Kodama, R.; Tanaka, E.; Uehara, T.; Sano, K.; Tanaka, N.; Accurate and simple method for
quantification of hepatic fat content using magnetic resonance imaging: a prospective study in biopsy-proven nonalcoholic fatty liver disease. J Gastroenterol 2010, 45, 1263–1271.
42. Permutt, Z.; Le, T. A.; Peterson, M. R.; Seki, E.; Brenner, D. A.; Sirlin, C.; Loomba, R.; Correlation between liver histology and novel magnetic resonance imaging in adult patients with non-alcoholic fatty liver disease - MRI
accurately quantifies hepatic steatosis in NAFLD. Aliment Pharmacol Ther 2012, 36, 22–29.
43. Cassidy, F. H.; Yokoo, T.; Aganovic, L.; Hanna, R. F.; Bydder, M.; Middleton, M. S.; Hamilton, G.; Chavez, A. D.; Schwimmer, J. B.; Sirlin, C. B.; Fatty Liver Disease: MR Imaging Techniques for the Detection and Quantification of Liver
Steatosis; RadioGraphics 2009, 29, 231–260.
44. Szczepaniak, L. S.; Nurenberg, P.; Leonard, D.; Browning, J. D.; Reingold, J. S.; Grundy, S.; Hobbs, H. H.; Dobbins, R. L.; Magnetic resonance
spectroscopy to measure hepatic triglyceride content: prevalence of hepatic steatosis in the general population. AJP: Endocrinology and Metabolism 2005,
288, E462–E468.
45. Yu, H.; Shimakawa, A.; Hines, C. D. G.; McKenzie, C. A.; Hamilton, G.; Sirlin, C. B.; Brittain, J. H.; Reeder, S. B.; Combination of complex-based and
magnitude-based multiecho water-fat separation for accurate quantification of fat-fraction. Magn. Reson. Med. 2011, 66, 199–206.
46. Reeder, S. B.; Cruite, I.; Hamilton, G.; Sirlin, C. B.; Quantitative assessment of
liver fat with magnetic resonance imaging and spectroscopy. Journal of Magnetic Resonance Imaging 2011, 34, spcone–spcone.
47. Lissner J.; Klinische Kernspintomographie. Enke Verlag: Stuttgart 1975; ISBN:
343288351X, 9783432883519.
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
53
7. Abbildungsverzeichnis
Abbildung 1: Darstellung der Vektoren von Wasser (W) und Fett (F) sowie der
Signalintensität (SI) des Summenvektors zu verschiedenen TE-Zeiten; Quelle:
Hadlich S., Kühn JP.; Nichtinvasive Quantifizierung des Leberfettgehaltes mit
Hilfe der Chemical Shift basierten Magnetresonanztomographie: Aktueller Stand
und Ausblick. MTA Dialog 07/2012 ..................................................................... 11
Abbildung 2: Dargestellt ist die insgesamt abnehmende Signalintensität zu
verschiedenen TE-Zeiten, in denen die Vektoren von Wasser und Fett die
gleiche Richtung haben (In-Phase = IN) und in denen sie sich gegenüber liegen
(Out-Phase = OUT). ............................................................................................ 12
Abbildung 3: Vergleich einer leptindefizienten Maus mit einem Kontrolltier; links:
Wildtyp-Maus; rechts: leptindefiziente ob/ob-Maus. Beide Tiere haben das
gleiche Alter. ....................................................................................................... 19
Abbildung 4: ClinScan-MRT für Kleintiere von der Firma Bruker mit einer
Feldstärke von 7,1 Tesla .................................................................................... 22
Abbildung 5: Koronares Schnittbild des Abdomens einer untersuchten Maus mit
handgezeichneter ROI über der Leber; links: PDFF-Karte errechnet aus den
komplexen Daten; rechts identische ROI kopiert in die PDFF-Karte erstellt aus
den Magnitudendaten. ........................................................................................ 25
Abbildung 6: Untersuchervergleich mittels linearer Regressionsanalyse und
Bland-Altman-Graph zur Darstellung von Korrelation und Abweichungen bei der
Bestimmung der PDFF aus den Magnitudendaten. ............................................ 31
Abbildung 7: Untersuchervergleich mittels linearer Regressionsanalyse und
Bland-Altman-Graph zur Darstellung von Korrelation und Abweichungen bei der
Bestimmung der PDFF aus den komplexen Daten. ........................................... 32
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
54
Abbildung 8: Methodenvergleich der Fettgehaltsquantifizierung mittels PDFF aus
den komplexen Daten und den Magnitudendaten basierend auf Passing-Bablok-
Regressionsanalyse sowie Bland-Altman-Analyse. ............................................ 33
Abbildung 9: Lineare Regression zur Darstellung des Zusammenhangs der
ermittelten PDFFs mit der Histopathologie. ........................................................ 34
Abbildung 10: Koronare Schnittbilder einer leptindefizienten Maus. A: komplex
nachberechnetes Bild mit deutlichen Artefakten (rote Pfeile); B: Bild aus den
Magnitudendaten in derselben koronaren Schicht. C: Histopathologisches Bild
unter 40-facher Vergrößerung. ........................................................................... 35
Abbildung 11: Analog zu Abbildung 10 hier Darstellung einer Wildtyp-Maus. A:
komplex nachberechnetes Bild mit deutlichen Artefakten (roter Pfeil); B: Bild aus
den Magnitudendaten in derselben koronaren Schicht. C: Histopathologisches
Bild unter 40-facher Vergrößerung. .................................................................... 36
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
55
8. Tabellenverzeichnis
Tabelle 1: Ursachen der Steatosis hepatis ............................................................. 5
Tabelle 2: Anzahl, Gewicht und Alter der Mäuse als Mittelwerte ± der
Standardabweichung. ................................................................................................ 20
Tabelle 3: Übersicht über die durchschnittlich ermittelten Fettfraktionen für
leptindefiziente (ob/ob)-Mäuse und Wildtyp-Mäuse, jeweils aus den Magnitudendaten
und den komplexen Daten. ........................................................................................ 28
Tabelle 4: PDFF der leptindefizienten Mäuse für beide Rekonstruktionen mit dem
zugehörigen Fettgehalt aus der Histopathologie; ...................................................... 29
Tabelle 5: PDFF Daten der Wildtyp-Mäuse für beide Rekonstruktionen mit dem
zugehörigen Fettgehalt aus der Histopathologie; ...................................................... 30
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
56
9. Abkürzungsverzeichnis 3D dreidimensional
AFLD Alcoholic fatty liver disease
B0 Vektor der magnetischen Flussdichte des äußeren statischen
Magnetfeldes im MRT
B1 Vektor der magnetischen Flussdichte des oszillierenden
transversalen Magnetfeldes im MRT
ca. zirka
CH2 Methylengruppe in chemischen Verbindungen
CI Konfidenzintervall
DNS Desoxyribonukleinsäure
et al. et alii; und andere
FELASA Federation of European Laboratory Animal Science Associations
FOV Field of View
g Gramm
GmbH Gesellschaft mit beschränkter Haftung
H2O Summenformel für Wasser
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
57
HDL-Cholesterin High Density Lipoprotein-Cholesterin
HELLP-Syndrom Akronym: Haemolysis, Elevated Liver enzyme levels, Low
Platelet count (Hämolyse, erhöhte Blutwerte der Leberenzyme,
verminderte Thrombozytenzahlen)
Hz Hertz, physikalische Einheit für die Frequenz
ICD-10 International Statistical Classification of Diseases and Related
Health Problems laut WHO in der zehnten Revision von 2012
IDF International Diabetes Federation
ISMRM International Society for Magnetic Resonance in Medicine
l Liter
LALLF Landesamt für Landwirtschaft, Lebensmittelsicherheit und
Fischerei Mecklenburg-Vorpommern
LCAT Lecithin-Cholesterin-Acyltransferase
m Meter
mg/dl Milligramm pro Deziliter
min Minuten
mm Millimeter
mmHg Millimeter-Quecksilbersäule
MRT Magnetresonanztomographie
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
58
ms Millisekunden
mT Millitesla
MTRA Medizinisch-technischer Radiologieassistent
MW Mittelwert
NAFLD Non-alcoholic fatty liver disease
NASH Nichtalkoholische Steatohepatitis
ob/ob Homozygoter Knockout des Obese-Gens, homozygote
Leptindefizienz,
PDFF Proton Density Fat Fraction
r Spearman Korrelationskoeffizient
R(2), R2 Bestimmtheitsmaß (Regressionskoeffizient) der linearen
Regressionsanalyse
R2* Kehrwert von T2*
ROI Region of Interest
s Sekunden
SAR Spezifische Absorptionsrate
SD Standard deviation (Standardabweichung)
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
59
SHIP Study of Health in Pomerania
SPF Specific Pathogen Free
T Tesla
T1- Effekt Wiederaufbau der Longitudinalmagnetisierung; Spin-Gitter-
Relaxation
T2- Effekt Abnahme der Transversalmagnetisierung durch Interaktion mit
anderen Atomkernen; Spin-Spin-Relaxation
T2*- Effekt Abnahme der Transversalmagnetisierung durch Störfaktoren
anders als die Interaktion der Atomkerne, z.B. durch Metalle
TE Echozeit, Time to Echo
TR Repetitionszeit, Time to Repeat
USA United States of America
vs. versus
WHO World Health Organisation
Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT
60
10. Eidesstattliche Erklärung
Sehr geehrte Damen und Herren,
hiermit erkläre ich, dass ich die vorliegende Dissertation selbstständig verfasst und
keine anderen als die angegebenen Hilfsmittel benutzt habe.
Die Dissertation ist bisher keiner anderen Fakultät, keiner anderen
wissenschaftlichen Einrichtung vorgelegt worden.
Ich erkläre, dass ich bisher kein Promotionsverfahren erfolglos beendet habe und
dass eine Aberkennung eines bereits erworbenen Doktorgrades nicht vorliegt.
_____________________ ______________________________
Ort, Datum Unterschrift