Entwicklungen in der Analyse von Tumorheterogenität in computertomografischen Aufnahmen
ZusammenfassungLange beschränkte sich die bildmorphologische Beurteilung von Tumoren auf deren Größe einschließlich der Größendynamik, das Kontrastierungsmuster sowie deren visuell fassbarem Verhalten zum umliegenden Gewebe. In der letzten Dekade rückten zunehmend weitere Aspekte der Bildauswertung von in der klinischen Routine angefertigten Bilddatensätzen in den Fokus, welche dank stetig steigender Prozessorleistung und entsprechend neuer Anwendungsmöglichkeiten erstmals in größerem Umfang analysiert werden konnten. Begriffe wie Tumorheterogenität, „Machine Learning“ und „Big Data“ fanden sich immer häufiger in den Überschriften der Publikationen. Es ist gemeinhin anerkannt, dass Tumoren biologisch in der überwiegenden Zahl der Fälle keine homogene Masse darstellen, sondern sowohl auf makroskopischer als auch auf mikroskopischer und genetischer Ebene heterogene Gewebe darstellen. Diese histopathologischen und immunhistochemischen Erkenntnisse mit Tumorarealen unterschiedlicher Zelldichte, Angioneogenese und nekrotischen Anteilen sollten ein entsprechend quantifizierbares Korrelat in den bildgebenden Verfahren aufweisen. Die Heterogenitätsanalyse von Geweben in computertomografischen Datensätzen findet entsprechend in der Onkologie ein breites Anwendungsspektrum, aber auch nicht maligne Erkrankungen stellen einen möglichen Anwendungsbereich für diese Art der Bilddatenauswertung dar. Der nachfolgende Artikel soll eine Übersicht über bereits erfolgte Auswertungen von CT-Datensätzen bei verschiedenen Tumorentitäten und nichtonkologischen Fragestellungen liefern und die Herausforderungen für die weitere Anwendung von Heterogenitätsanalysen aufzeigen.Ein wichtiges Ziel stellt hierbei die Identifikation von möglichen bildgebenden Biomarkern zur Therapieresponseevaluation dar, um mit entsprechenden Rückschlüssen die Fortführung oder Umstellung der therapeutischen Maßnahmen zu untermauern.