Информационная технология анализа КТ-перфузии в оценке эффективности лечения глиобластом

Цель исследования. Разработать информационную технологию для расчета показателей перфузионной компьютерной томографии и оценить эффективность использования предложенной программы при дифференциальной диагностике продолженного роста глиобластомы и постлучевого некроза.
Пациенты и методы. Обследованы 53 пациента, проходившие лечение в Самарском клиническом онкологическом диспансере. Всем пациентам выполнялась КТ в режиме перфузионного исследования. Результаты применения программы сравнивались с данными, которые были вычислены на рабочей станции компьютерного томографа GE Discovery CT750 HD.
Результаты. Установлены достоверные различия в показателях перфузии CBV и CBF в группах с продолженным ростом и постлучевым некрозом, верифицированными с помощью биопсии. Параметры, вычисленные с помощью разработанной программы, достоверно не отличались от результатов, полученных на стандартной рабочей станции.
Заключение. Применение разработанной компьютерной программы для анализа КТ-перфузии не зависит от производителя оборудования, работает со стандартными DICOM-данными, что повышает доступность ценного диагностического метода. Полученные с помощью предложенной информационной технологии результаты позволяют дифференцировать продолженный рост глиобластомы от постлучевого некроза.

1. Луцук Р.А., Олюшин В.Е., Ростовцев Д.М., Кальменс В.Я., Маслова Л.Н., Кияшко С.С. и др. Ближайшие результаты повторных операций при продолженном росте злокачественных глиом. Российский нейрохирургический журнал им. профессора А.Л.Поленова. 2017;9(1):33–48.

2. Яковленко Ю.Г. Глиобластомы: современное состояние проблемы. Медицинский вестник Юга России. 2019;10(4):28– 35. https://doi.org/10.21886/2219-8075-2019-10-4-35

3. Бывальцев В.А., Степанов И.А., Белых Е.Г., Яруллина А.И. Молекулярные аспекты ангиогенеза в глиобластомах головного мозга. Вопросы онкологии. 2017; 63(1):19–27.

4. Onishi S, Kajiwara Y, Takayasu T, Kolakshyapati M, Ishifuro M, Amatya VJ, et al. Perfusion Computed Tomography Parameters Are Useful for Differentiating Glioblastoma, Lymphoma, and Metastasis. World Neurosurg. 2018 Nov;119:e890–e897. https://doi.org/10.1016/j.wneu.2018.07.291

5. Griffith B, Jain R. Perfusion Imaging in Neuro-Oncology: Basic Techniques and Clinical Applications. Magn Reson Imaging Clin N Am. 2016 Nov;24(4):765–779. https://doi.org/10.1016/j.mric.2016.07.004

6. Семенов С.Е., Хромов А.А., Портнов Ю.М. Нестеровский А.В. Исследование перфузии при нарушениях церебрального кровообращения. Часть I (История, основные постулаты и методы изучения). Обзор. Комплексные проблемы сердечно-сосудистых заболеваний. 2016;(1):95–102. https://doi.org/10.17802/2306-1278-2016-1-95-102

7. Eilaghi A, Yeung T, d’Esterre C, Bauman G, Yartsev S, Easaw J, et al. Quantitative Perfusion and Permeability Biomarkers in Brain Cancer from Tomographic CT and MR Images. Biomark Cancer. 2016;8(Suppl 2):47–59. https://doi.org/10.4137/BIC.S31801

8. Li K, Chen G-H. Statistical properties of cerebral CT perfusion imaging systems. Part II. Deconvolution-based systems. Med Phys. 2019 Nov;46(11):4881–4897. https://doi.org/10.1002/mp.13805

9. Колсанов А.В., Зельтер П.М., Чаплыгин С.С., Капишников А.В. Трехмерное моделирование и навигация в клинической практике. С.: ООО «Полиграфический дом «ДСМ», 2019, 128 с.