SFMR:s företagsstipendier 2023: head and neck-radiologi

Stipendium från GE healthcare tilldelas Secil Telli Erdogan

Titel: Kan man differentiera benigna och maligna spottkörteltumörer genom att kombinera observationer från multiparametrisk MR och Artificiell Intelligens? 

Bakgrund: Spottkörteltumörer är en heterogen tumörgrupp som innefattar mer än 30 olika tumörsorter. Punktionscytologi och magnetisk resonanstomografi (MRT)är metoder som idag tillämpas för att diagnostisera spottkörteltumörer. Båda metoderna har svagheter och uppnå inte 100% träffsäkerhet i differentiering mellan benigna och maligna tumörer. Således finns behov för förbättrade metoder för preoperativ diagnos för att bättre kunna initiera lämpliga behandlingsstrategier. 

Syftet: Att värdera diagnostisk prestanda av multiparametriska MRT-fynd inklusive Apparent Diffusion Coefficient (ADC-värden) och Tid-intensitetskurvor (TIC) för kontrastladdning i avsikt att differentiera maligna spottkörteltumörer från benigna tumörer.  Att öka diagnostisk träffsäkerhet genom att använda statistikbaserad artificiell intelligens.  

Material och Metod: 120 patienter med cytologisk eller histologisk verifierade spottkörteltumörer som också har genomgått MRT inkluderas i denna retrospektiva studie. 

 Två huvud- och halsradiologer genomför bildanalyserna och kommer ej ha tillgång till histopatologisk diagnos under analyserna. 

Observatörerna kommer var för sig uppskatta tumörernas malignitetsgrad i en 5-gradig skala från ”säkert benign” till ”säkert malign”.  Dessa data används som ”benchmark”. 

Sedan kommer observatörerna i consensus bedöma morfologi och signalintensitet på T2- och T1-viktade bilder.  ADC mäts manuellt med cirkulär ”region of interest” (ROI) på solida delar av tumörer.  På dynamiska kontrastförstärkta bilder kommer fyra olika TICs så som definierats i litteraturen att tillämpas i klassificeringen.  

De multiparametriska observationerna används i olika statistikbaserade AI modeller vars resultat jämförs med ”benchmark” i syfte att utveckla ett diagnostiskt verktyg som kan differentiera mellan olika spottkörteltumörer.  

Förväntade resultat: Genom tillämpning av multiparametriska MRT-data kombinerat med klassificering av MRT fynd och AI algoritmer förväntar vi oss förbättrad diagnostisk träffsäkerhet.