Медицинская литература. Новинки

 

 

 

 

 

 

Сравнительный анализ плотности печени по данным КТ и низкодозной КТ органов грудной клетки

Вы можете загрузить полный текст статьи в формате pdf

Жировой гепатоз - распространенный вид патологии, своевременное выявление которой позволяет избежать прогрессирования заболевания и развития необратимых изменений. Известно, что по данным стандартной компьютерной томографии (КТ) и низкодозной КТ (НДКТ) можно достоверно выявлять стеатоз средней и тяжелой степеней, в том числе при исследовании органов грудной клетки (ОГК). Таким образом внедрение в клиническую практику скрининговых программ с помощью НДКТ позволяет проводить дополнительную оценку состояния печени. Цель исследования: оценка возможностей корректного определения средней плотности печени при НДКТ ОГК для выявления признаков жирового гепатоза при проведении скрининговых исследований. Материал и методы. Проанализированы результаты КТ и НДКТ ОГК 30 000 пациентов, выполненных за период 2017-2019 гг. Критериями включения в разработку являлось наличие у пациента данных КТ и НДКТ в промежутке менее 27 дней между исследованиями. Исследования, при которых в печени выявлены образования, пациенты после операций на печени, с анемией, при снижении плотности крови менее 40 HU, с опущенными вдоль туловища руками во время исследования и при некорректной сегментации печени при обработке изображений не включались в анализ. Исследования НДКТ и КТ были выполнены на 64-срезовых томографах. Протяженность сканирования: от верхушки легких до плевральных синусов. Напряжение при низкодозном протоколе было равно 135 кВ, при стандартном - 120 кВ. Средняя лучевая нагрузка при НДКТ составила 0,6-0,8 мЗв, при стандартной КТ - 2,8-4,6 мЗв. Автоматический анализ изображений проводился с помощью разработанного ПО для автоматического измерения плотности печени, статистический анализ - с помощью программы Stata14 (StataCorp LLC, College Station, Texas, США). Результаты. Отобраны результаты исследований 61 пациента, которые соответствовали заданным критериям. Соотношение мужчин к женщинам составило 23:38, средний возраст - 53 года. При сравнительной оценке рентгенологической плотности печени при КТ и НДКТ на всей выборке статистически значимых отличий не выявлено (p 0,480), при этом отмечалось незначительное повышение средних значений плотности при использовании низкодозных протоколов сканирования: 52,81 HU при НДКТ и 51,88 HU при КТ. Оценка исследований, разбитых на подгруппы в зависимости от плотности печени, показала, что в подгруппе 40-50 HU полученные данные отличаются статистической значимостью (p 0,0003), тогда как в остальных группах подобная взаимосвязь не выявлена (p 0,753, p 0,269, p 0,077). При НДКТ отмечена средняя антикорреляция между плотностью и среднеквадратическим отклонением с коэффициентом -0,686 (p 0,0001). Обсуждение. Результат статистического анализа показал, что данные плотности печени при НДКТ сопоставимы с КТ. Это позволяет выявлять пациентов с жировым гепатозом средней и тяжелой степеней, не повышая дозу лучевой нагрузки. Анализ влияния шумовых помех на плотность печени при НДКТ показал, что чем выше уровень шума, тем интенсивнее снижаются данные плотности печени, что необходимо учитывать при трактовке результатов. Отсутствие единых значений плотности печени, различающих ее нормальные значения от сниженных, затрудняет интерпретацию данных, находящихся в диапазоне 40-50 HU, что требует проведения дальнейших исследований.

Ключевые слова:
низкодозная компьютерная томография, стандартная компьютерная томография, стеатоз печени, автоматическое определение плотности печени, low-dose computed tomography, computed tomography, liver steatosis, automatic liver densitometry

Литература:
1.Bedogni G., Miglioli L., Masutti F., Tiribelli C., Marchesini G., Bellentani S. Prevalence of and risk factors for nonalcoholic fatty liver disease: the Dionysos nutrition and liver study. Hepatology. 2005; 42 (1): 44-52. https://doi.org/10.1002/hep.20734
2.Dyson J., Jaques B., Chattopadyhay D., Lochan R., Graham J., Das D., Aslam T., Patanwala I., Gaggar S., Cole M., Sumpter K., Stewart S., Rose J., Hudson M., Manas D., Reeves H.L. Hepatocellular cancer: the impact of obesity, type 2 diabetes and a multidisciplinary team. J. Hepatol. 2014; 60 (1): 110-117. https://doi.org/10.1016/j.jhep.2013.08.011
3.Pappachan J.M., Babu S., Krishnan B., Ravindran N.C. Non-alcoholic fatty liver disease: a clinical update. J. Clin. Translat. Hepatol. 2017; 5 (4): 384. https://doi.org/10.14218/jcth.2017.00013
4.Banerjee R., Pavlides M., Tunnicliffe E.M., Piechnik S.K., Sarania N., Philips R., Collier J.D., Booth J.C., Schneider J.E., Wang L.M., Delaney D.W., Fleming K.A., Robson M.D., Barnes E., Neubauer S. Multiparametric magnetic resonance for the non-invasive diagnosis of liver disease. J. Hepatol. 2014; 60 (1): 69-77. https://doi.org/10.1016/j.jhep.2013.09.002
5.Noureddin M., Lam J., Peterson M.R., Middleton M., Hamilton G., Le T.A., Bettencourt R., Changchien C., Brenner D.A., Sirlin C., Loomba R. Utility of magnetic resonance imaging versus histology for quantifying changes in liver fat in nonalcoholic fatty liver disease trials. Hepatology. 2013; 58 (6): 1930-1940. https://doi.org/10.1002/hep.26455
6.Kodama Y., Ng C.S., Wu T.T., Ayers G.D., Curley S.A., Abdalla E.K., Vauthey J.N., Charnsangavej C. Comparison of CT methods for determining the fat content of the liver. Am. J. Roentgenol. 2007; 188 (5): 1307-1312. https://doi.org/10.2214/ajr.06.0992
7.Zeb I., Li D., Nasir K., Katz R., Larijani V. N., Budoff M.J. Computed tomography scans in the evaluation of fatty liver disease in a population based study: the multi-ethnic study of atherosclerosis. Academic Rdiol. 2012; 19 (7): 811-818. https://doi.org/10.1016/j.acra.2012.02.022
8.Iwasaki M., Takada Y., Hayashi M., Minamiguchi S., Haga H., Maetani Y., Fujii K., Kiuchi T., Tanaka K. Noninvasive Evaluation of Graft Steatosis in Living Donor Liver Transplantation. Transplantation. 2004; 78 (10): 1501-1505. https://doi.org/10.1097/01.tp.0000140499.23683.0d
9.Jirapatnakul A., Reeves A.P., Lewis S., Chen X., Ma T., Yip R., Chin X., Liu S., Perumalswami P.V., Yankelevitz D.F., Crane M., Branch A.D., Henschke C. Automated measurement of liver attenuation to identify moderateto-severe hepatic steatosis from chest CT scans. Eur. J. Rdiol. 2020; 122: 108723. https://doi.org/10.1016/j.ejrad.2019.108723
10.Gaba R.C., Knuttinen M.G., Brodsky T.R., Palestrant S., Omene B.O., Owens C.A., Bui J.T. Hepatic steatosis: correlations of body mass index, CT fat measurements, and liver density with biopsy results. Diagn. Interv. Radiol. 2012; 18 (3): 282. https://doi.org/10.4261/1305-3825.dir.4958-11.2
11.Pickhardt P.J., Park S.H., Hahn L., Lee S.G., Bae K.T., Yu E.S. Specificity of unenhanced CT for non-invasive diagnosis of hepatic steatosis: implications for the investigation of the natural history of incidental steatosis. Eur. Radiol. 2012; 22 (5): 1075-1082. https://doi.org/10.1007/s00330-011-2349-2
12.Chen X., Li K., Yip R., Perumalswami P., Branch A.D., Lewis S., Del Bello D., Becker B.J., Yankelevitz D.F., Henschke C.I. Hepatic steatosis in participants in a program of low-dose CT screening for lung cancer. Eur. J. Radiol. 2017; 94: 174-179. https://doi.org/10.1016/j.ejrad.2017.06.024
13.Boyce C.J., Pickhardt P.J., Kim D.H., Taylor A.J., Winter T.C., Bruce R.J., Lindstrom M.J., Hinshaw J.L. Hepatic steatosis (fatty liver disease) in asymptomatic adults identified by unenhanced low-dose CT. Am. J. Roentgenol. 2010; 194 (3): 623-628. https://doi.org/10.2214/ajr.09.2590
14.Кульберг Н.С., Елизаров А.Б., Ковбас В.С. Программа сегментации изображения печени и определения рентгеновской плотности печени CTLiverExam. Свидетельство о государственной регистрации программы для ЭВМ № 2019660983. 2019. https://www1.fips.ru/registers-doc-view/fips_servlet?DB=EVM&DocNumber=2019660983&TypeFile=html
15.Linguraru M.G., Sandberg J.K., Li Z., Shah F., Summers R.M. Automated segmentation and quantification of liver and spleen from CT images using normalized probabilistic atlases and enhancement estimation. Medical physics. 2010; 37 (2): 771-783. https://doi.org/10.1118/1.3284530
16.Suzuki K., Kohlbrenner R., Epstein M.L., Obajuluwa A.M., Xu J., Hori M. Computer-aided measurement of liver volumes in CT by means of geodesic active contour segmentation coupled with level - set algorithms. Medical physics. 2010; 37 (5): 2159-2166. https://doi.org/10.1118/1.3395579
17.Li Q., Dhyani M., Grajo J.R., Sirlin C., Samir A.E. Current status of imaging in nonalcoholic fatty liver disease. Wld J. Hepatol. 2018; 10 (8): 530-542. https://doi.org/10.4254/wjh.v10.i8.530
18.Gromov А.I., Petraikin A.V., Kulberg N.S., Kim S.Yu., Morozov S.P., Sergunova K.A., Usanov M.S. The Problem of X-Ray Attenuation Estimation Accuracy in Multislice Computed Tomography. Medical Visualization. 2016; 6: 133-142.
19.Park S.H., Kim P.N., Kim K.W., Lee S.W., Yoon S.E., Park S.W., Ha H.K., Lee M.G., Hwang S., Lee S.G., Yu E.S., Cho E.Y. Macrovesicular hepatic steatosis in living liver donors: use of CT for quantitative and qualitative assessment. Radiology. 2006; 239 (1): 105-112. https://doi.org/10.1148/radiol.2391050361

Liver density in routine and low-dose computed tomography: the effect of image noise on measurement accuracy

The introduction of LDCT-based screening programs into clinical practice allows an additional assessment of the liver. It is known that medium-to-severe steatosis can be detected using LDCT. However, taking into account the increased image noise level and the fact that the liver is always only partly in the scan area, the question arises as to how accurately the liver density can be determined in LDCT relative to routine CT. Purpose. Thus, the following objectives of this study have been established: • To identify the differences between the mean density of the liver as measured by a CT and an LNDT. • To compare the mean density between CT and LDCT in different patient subgroups depending on the mean liver density (40 HU, 40-50 HU, 50-60 HU, and >60 HU). • To determine the effect of image noise level on the mean liver density values on LDCT compared to CT. Materials and methods. We analyzed 30000 patient records from 2017 to 2019. Inclusion criteria: We included patients with both thoracic non-contrast CT and an LDCT and the time interval between the studies of less than 27 days. Exclusion criteria: The absence of CT-LDCT pair, presence of focal liver lesions, known liver diseases, operated liver, anemia with blood density decrease below 40 HU, hands along the body instead of overhead. Study protocol: LDCT was performed at 135 kV. The routine CT was at 120 kV. Scan length: from lung apex to pleural sinuses. The average radiation dose with LDCT was 0.6-0.8 mSv, and 2.8-4.6 mSv with routine CT. All scans were performed on two 64-detector units from the same manufacturer. We measured liver density with the CTLiverExam software algorithm for automatic liver densitometry. The statistical processing was done using the Stata14 program. Results. We used data from 61 patients for statistical analysis. The average age was 53 years. The ratio of men to women was 23:38. We did not observe statistically significant differences between CT and LDCT. With a breakdown by the initial liver density level, it turned out that in the subgroup 40-50 HU, the differences were statistically significant. No correlation between liver density and standard deviation for CT was revealed (p = 0.338). There was a mild anticorrelation for LDCT with a coefficient of -0.686 (p 0.0001). Conclusion. Our study shows that liver density measurement in thoracic LDCT is valid. In the context of lung cancer screening programs. An analysis of the image noise/liver density ratio on the LDCT shows an inversely proportional relationship: the higher the noise level, the more significant a “decrease” in liver density. This factor must be taken into account when interpreting the results CT and LDCT.

Keywords:
низкодозная компьютерная томография, стандартная компьютерная томография, стеатоз печени, автоматическое определение плотности печени, low-dose computed tomography, computed tomography, liver steatosis, automatic liver densitometry