Dynamic Contrast Enhanced - MRI of prostate cancer : quantitative analysis and study of the impact of arterial input function selection on the diagnosis accuracy of the pharmacokinetic parameters
IRM de perfusion T1 dans le cancer de la prostate, analyse quantitative et étude de l’impact de la fonction d’entrée artérielle sur les capacités diagnostiques des paramètres pharmacocinétiques
Résumé
Dynamic contrast enhanced (DCE)-MRI is a T1 weighted sequence performed before, during and after a bolus injection of a contrast agent (CA). It is included in the multi-parametric prostate MRI (mp-MRI) protocol using to assess the extent of prostate cancer (PCa). The rationale for using DCE-MRI in PCa is that on one hand angiogenesis has been shown to play a central role in the PCa development and metastasis and on the other hand that DCE-MRI is a non invasive method able to depict this angiogenesis in vivo. The quantitative analysis of DCE-MRI data is a complex and multi-step process. The principle is to use a pharmacokinetic (PK) model reflecting the theoretical distribution of the CA in a tissue to extract PK parameters that describe the perfusion and capillary permeability. These parameters are of growing interest, especially in the field of oncology, for their use in assessing the aggressiveness, the prognosis and the efficacy of anti-angiogenic or anti-vascular treatments. The potential utility of these parameters is significant; however, the parameters often lack reproducibility, particularly between different quantitative analysis software programs.Firstly, we developed a quantitative analysis software solution using the variable flip angle method to estimate the T1 mapping which is needed to convert the signal-time curves to CA concentration-time curves; using three different arterial input functions (AIF): an individual AIF (Ind) measured manually in a large artery, and two literature population average AIFs of Weinmann (W) and of Fritz-Hansen (FH); and using two PK models (Tofts and modified Tofts). The robustness of the software programs was assessed on synthetic DCE-MRI data set and on a clinical DCE-MRI data set. Secondly, we assessed the impact of the AIF selection on the PK parameters to distinguish PCa from benign tissue. 38 patients with clinically important peripheral PCa (≥0.5cc) were retrospectively included. These patients underwent 1.5T multiparametric prostate MR with PCa and benign regions of interest (ROI) selected using a visual registration with morphometric reconstruction obtained from radical prostatectomy. Using three pharmacokinetic (PK) analysis software programs, the mean Ktrans, ve and vp of ROIs were computed using three AIFs: Ind-AIF, W-AIF and FH-AIF. The Ktrans provided higher area under the receiver operating characteristic curves (AUROCC) than ve and vp. The Ktrans was significantly higher in the PCa ROIs than in the benign ROIs. AUROCCs obtained with W-AIF were significantly higher than FH-AIF (0.002≤p≤0.045) and similar to or higher than Ind-AIF (0.014≤p≤0.9). Ind-AIF and FH-AIF provided similar AUROCC (0.34≤p≤0.81).We have then demonstrated that the selection of AIF can modify the capacity of the PK parameter Ktrans to distinguish PCa from benign tissue and that W-AIF yielded a similar or higher performance than Ind-AIF and a higher performance than FH-AIF.
La séquence d’IRM de perfusion pondérée T1 après injection de Gadolinium (Gd), appelée dynamic contrast enhanced magnetic resonance imaging (DCE-MRI) fait partie du protocole d’IRM multiparamétrique (IRM-mp) réalisée pour le bilan d’extension du cancer prostatique (CaP). Le rationnel pour l’utilisation de cette séquence est d’une part le rôle capital de la néoangiogénèse dans le développement et la dissémination du CaP et d’autre part la possibilité d’imager l’angiogénèse in vivo et de façon non invasive. L’analyse quantitative nécessite un post-traitement multi-étapes complexe, dont le principe repose sur la modélisation pharmacocinétique (PC) de la biodistrubtion du Gd. Elle permet de calculer des paramètres PC reflétant la perméabilité capillaire et/ou la perfusion. Dans le CaP, ces paramètres PC ont montré leur potentiel pour évaluer l’agressivité tumorale, le pronostic, l’efficacité d’un traitement et/ou pour déterminer la dose efficace d’une nouvelle molécule anti-angiogéniques ou antivasculaires en cours de développement. Néanmoins, ils manquent de reproductibilité, notamment du fait des différentes techniques de quantifications utilisées par les logiciels de post-traitement.Nous avons développé au sein du laboratoire un outil de quantification capable de calculer une cartographie T1(0) à partir de la méthode des angles de bascule variables, nécessaire pour convertir les courbes du signal en courbe de concentration du Gd (Ct); de déterminer la fonction d’entrée artérielle (AIF – arterial input function) dans l’artère fémorale (Indivuduelle – Ind) ou lorsque cela n’était pas possible, d’utiliser une AIF issue de la littérature, telle que celle de Weinmann (W) ou de Fritz-Hansen (FH) ; et d’utiliser deux modèles PC, celui de Tofts et celui de Tofts modifié. Le logiciel a été validé sur des données simulées et sur une petite série clinique.Nous avons ensuite étudié l’impact du choix de la fonction d’entrée artériel sur les paramètres PC et notamment sur leur capacité à distinguer le CaP du tissu sain. 38 patients avec un CaP (>0,5cc) de la zone périphérique (ZP) ont été rétrospectivement inclus. Chaque patient avait bénéficié d’une IRM-mp sur laquelle deux régions d’intérêt (RI) : une tumorale et une bénigne ont été sélectionnées en utilisant une corrélation avec des cartes histo-morphométriques obtenues après prostatectomie radicale. En utilisant trois logiciels d’analyse quantitative différents, les valeurs moyennes de Ktrans (constante de transfert), ve (fraction du volume interstitiel) and vp (fraction du volume plasmatique) dans les RI ont été calculées avec trois AIF différentes (AIF Ind, AIF de W et AIF de FH). Ktrans était le paramètre PC qui permettait de mieux distinguer le CaP du tissu sain et ses valeurs étaient significativement supérieures dans le CaP, quelque soit l’AIF ou le logiciel. L’AIF de W donnait des aires sous les courbes ROC (Receiver Operating Characteristic) significativement plus grandes que l’AIF de FH (0.002≤p≤0.045) et plus grandes ou égales à l’AIF Ind (0.014≤p≤0.9). L’AIF Ind et de FH avaient des aires sous les courbes ROC comparables (0.34≤p≤0.81). Nous avons donc montré que les valeurs de Ktrans et sa capacité à distinguer CaP du tissu sain variaient significativement avec le choix de l’AIF et que les meilleures performances étaient obtenues avec l’AIF de W.
Origine : Version validée par le jury (STAR)