Die MRT der Prostata ist aktuell die genaueste Methode ein Prostatakarzinom zu lokalisieren und zu detektieren. Die Anwendung konventioneller T2w- und T1w- Sequenzen erreicht dabei vergleichsweise gute Sensitivitäten und befriedigende Spezifitäten. Eine Möglichkeit, die Spezifitäten aber auch die Sensitivitäten zu verbessern, ist die Anwendung der dynamischen kontrastmittelunterstützten MRT (DCE-MRT). Die Konversion der gemessenen Signalin-tensitäten in Kontrastmittelkonzentrationen ermöglicht die Anwendung pharmakokinetischer Modelle, die die Vielzahl der Informationen der DCE-MRT zu einigen wenigen pharmako-kinetischen Anflutungs- und Extravasationsparametern bündeln. Zu den Anflutungs-parametern zählen die Perfusion, das Blutvolumen, die Mean Transit Time, die Verzögerung und die Dispersion. Zu den Extravasationsparametern zählen die Permeabilität, das interstitielle Volumen und der Extraktionskoeffizient. Es ist jedoch unklar, ob und welche der Parameter für die Unterscheidung von pathologischem und normalem Prostatagewebe geeignet sind. Für die Beantwortung dieser Frage wurde in einem ersten Schritt ein neues Mehr-Kompartimente-Modell etabliert und die pharmakokinetischen Parameter exakt und absolut quantifiziert. Eine höchstmögliche Genauigkeit wurde durch Anwendung einer schnellen Dual-Kontrast-Inversion-Recovery- Gradientenecho-Sequenz (zeitliche Auflösung 1,65s) und Berechnung einer individuellen arteriellen Eingangsfunktion erreicht. Anhand von experimentellen Modellberechnungen zeigte sich an 13 Patienten mit stanzbioptisch gesichertem Prostatakarzinom, dass die Unterscheidbarkeit von Prostatakarzinom und normalem Prostatagewebe durch zusätzliche Berücksichtigung der Dispersion des Kontrastmittelbolus signifikant verbessert wird (p < 0,001 bis p = 0,028). Erste Hinweise für statistisch signifikante Unterschiede zwischen Prostatakarzinom und normalem Prostata-gewebe fanden sich im Rahmen dieser Studie für die Perfusion (p = 0,004), für das Blut- volumen (p = 0,019) und für die Mean Transit Time (p = 0,039). Das Prostatakarzinom mit den beiden klinisch relevanten Untergruppen der low grade und high grade Karzinome hat als wichtige Differentialdiagnose im MRT die Prostatitis. Im Rahmen einer Studie mit 27 Patienten wurden Areale mit einem Prostatakarzinom, einer chronischen Prostatitis und normalem Gewebe auf Hämatoxylin-Eosin-Ganzflächenschnitten der Prostatektomiepräparate identifiziert und die pharmakokinetischen Parameter absolut quantifiziert. Es zeigte sich, dass sich nur die aggressiveren high grade Prostatakarzinome und nicht die low grade Prostatakarzinome von einer chronischen Prostatitis mit der Perfusion (1,21ml/ cm3*min-1 vs. 0,90ml/ cm3*min-1; p = 0,041) abgrenzen ließen. Alle anderen untersuchten Parameter waren für diese Unterscheidung nicht geeignet. Auch ließen sich die high grade Prostatakarzinome besser als die low grade Prostatakarzinome von normalem Prostatagewebe unterscheiden. Hierbei ist die Perfusion als Parameter hervorzuheben, der eine Unterscheidung von low grade Prostatakarzinomen und normalem Prostatagewebe (1,01ml/cm3*min-1 vs. 0,26ml/cm3*min-1; p = 0,05) sowie von high grade Prostatakarzinomen und normalem Prostatagewebe (1,21ml/cm3*min-1 vs. 0,26ml/cm3*min-1; p < 0,001) ermöglichte. Mit den Parametern Blutvolumen und Mean Transit Time konnte zusätzlich noch ein signifikanter Unterschied zwischen high grade Prostatakarzinomen und normalem Prostatagewebe nachgewiesen werden. Wie gut die Realität und damit auch histologische Prognosefaktoren mit den im pharmako-kinetischen Modell bestimmten Parameter übereinstimmen, wurde in einer weiteren Studie mit 35 Patienten eruiert. Auf den Schnittpräparaten der 35 Prostatektomiepräparate wurden 95 Areale (36 x Prostatakarzinom, 27 x chronische Prostatitis, 32 x normales Prostata-gewebe) identifiziert und nach Übertragung auf die Parameterkarten die Perfusion, das Blutvolumen und das interstitielle Volumen absolut quantifiziert. Die immunohistochemische Darstellung der Vaskularisation erfolgte mit dem Antikörper anti-CD31 und die des Inter-stitiums mittels der Färbemethode nach Goldner. Durch semiautomatische Auswertung von mit einer Vergrößerung von 1 : 100 fotographierten fünf nicht überlappenden Flächen á 1 mm2 eines jeden Areals wurde die mittlere Gefäßfläche, die mittlere Gefäßdichte und die mittlere interstitielle Fläche am histologischen Präparat bestimmt. Der Vergleich dieser Ergebnisse mit dem Blutvolumen, dem interstitiellen Volumen und der Perfusion ergab eine sehr gute Übereinstimmung der Medianwerte des Blutvolumens (0,84 % - 1,49 %) mit der mittleren Gefäßfläche (0,94 % - 1,37 %) sowie der Medianwerte des interstitiellen Volumens (22,59 % - 39,00 %) mit der mittleren interstitiellen Fläche (17,47 % - 21,89 %). Eine Korrela-tion der Ergebnisse zeigte jedoch nur für das Blutvolumen und die mittlere Gefäßdichte eine statistisch signifikante schwache Korrelation (Spearman Korrelationskoeffizient R = 0,252; p = 0,014). Ein möglicher Grund für die schlechte Korrelation könnte sein, dass aufgrund des heterogenen Gewebeaufbaus der Prostata ein 4 μm dünnes Schnittpräparat wahrscheinlich nicht repräsentativ für das Gewebe eines 5 mm dicken Voxels in der MRT ist. Die verbesserte Unterscheidung von Prostatakarzinom und normalem Prostatagewebe mit Hilfe von Hot-Spot-Regionen mit einer erhöhten Gefäßdichte innerhalb des Prostatakar-zinoms wurde in einer Studie mit 53 Patienten untersucht. Hierfür wurde von 110 Arealen (62 x Prostatakarzinom, 48 x normales Prostatagewebe) die mittlere Gefäßdichte, die pharmako-kinetischen Parameter Perfusion und Blutvolumen in Hot-Spot-Regionen und im gesamten Areal bestimmt. Die beste Unterscheidung von Prostatakarzinom und normalem Prostatage-webe gelang im MRT mit der Perfusion des gesamten Areals und nicht mit der entsprechen-den Hot- Spot-Region. Mit einem Trennwert von 0,77ml/cm3*min-1 konnten 61,8 % der Areale mit einer Sensitivität von 45,2 % und einer Spezifität von 83,3 % korrekt klassifiziert werden. Die geringe Sensitivität und hohe Spezifität dieses Trennwertes verdeutlichte, dass die pharmakokinetischen Parameterkarten gemeinsam mit den konventionellen MRT-Bildern interpretiert werden sollten. Um den Erfolg einer Strahlentherapie zu monitoren, wurde in einer weiteren Studie die pharmakokinetischen Parameter im Verlauf beurteilt. Hierfür wurden sechs Patienten intra-individuell vor Therapie, unmittelbar danach, drei Monate und ein Jahr nach Strahlentherapie untersucht. Im posttherapeutischen Verlauf zeigte sich ein statistisch signifikanter Abfall der Perfusion und ein Anstieg des Extraktionskoeffizienten für das bestrahlte Prostatakarzinom (p = 0,006; p = 0,004) und das bestrahlte normale Prostatagewebe (p = 0,001; p < 0,001). Ferner zeigte sich ein statistisch signifikanter Abfall des Blutvolumens für das bestrahlte Prostatakarzinom (p = 0,034). Die Berechnung der Parameter mit dem neuen Mehr-Kompartimente-Modell ist sehr auf-wendig und dauert ca. 30 min. Aus diesem Grunde wurden die hier vorgestellten Parameter mit Parametern eines in der Nachverarbeitung weniger aufwändigen (Nachverarbeitungszeit ca. fünf min.), kommerziell erhältlichen Zwei-Kompartimente-Modells hinsichtlich der für das Staging wichtigen Lokalisation des Prostatakarzinoms verglichen und hieraus Empfehlungen für die Praxis abgeleitet. Die Lokalisation des Prostatakarzinoms wurde bei 48 Patienten mit einem gesicherten Prostatakarzinom und dem Prostatektomiepräparat als Goldstandard mit der konventionellen MRT und den Parameterkarten Perfusion und Blutvolumen angegeben. Im Abstand von mehr als drei Wochen wurde anschließend die Lokalisation des Prostatakar-zinoms mit der konventionellen MRT und den Parameterkarten für die Transferkonstante Ktrans, Ratenkonstante kep und maximale Steigung der Signalintensität-Zeit-Kurve des kom-merziell erhältlichen pharmakokinetischen Modells bestimmt. Die Lokalisationsgenauigkeit mit den Parametern des Mehr-Kompartimente-Modells betrug 79 % (Sensitivität/ Spezifität: 78 %/79 %) und mit den Parametern des kommerziell erhältlichen Modells 78 % (Sensitivität/ Spezifität: 60 %/82 %). Dieser Unterschied war mit p = 0,06 statistisch nicht signifikant. Ein weiteres Maß für die Genauigkeit ist die Fläche unter der ROC-Kurve. Diese war mit 0,84 für die Parameter des neuen Mehr-Kompartimente-Modells im Vergleich mit 0,73 für die Parameter des kommerziell erhältlichen Modells größer. Unter Berücksichtigung der Nachverarbeitungszeit konnte als Fazit dieser Studie festgehalten werden, dass die DCE-MRT effektiv mit einer kommerziell erhältlichen Software ausgewertet werden kann, jedoch die standardisierte Auswertung und das standardisierte Modell mit einem Informationsverlust einhergeht. Konkurrierende MR-Verfahren der DCE-MRT sind die 1H- Magnetresonanzspektroskopie (1H-MRS) und die diffusionsgewichtete Bildgebung (DWI). Ob die Anwendung eines einzel-nen Verfahrens oder einer Kombination am geeignetsten für die Detektion des Prostatakar-zinoms ist, wurde in einer prospektiven Studie mit 55 Patienten mit mindestens einer negati-ven Stanzbiopsie und persistierenden Verdacht auf ein Prostatakarzinom untersucht. Jede Prostata wurde mit Hilfe der konventionellen MRT, der pharmakokinetischen Parameter-karten für Ktrans und kep der DCE-MRT, dem Verhältnis von (Cholin + Kreatin)/Zitrat der 1H-MRS und dem apparent diffusion coefficient der DWI auf vorhandene karzinomsuspekte Areale untersucht, welche anschließend MRT- gestützt biopsiert wurden. Bei 21 von 54 biopsierten Patienten (39 %) konnte ein Prostatakarzinom (11 x low grade, 10 x high grade) nachgewiesen werden. Insgesamt wurden 178 karzinomsuspekte Areale biopsiert, von denen 53 positiv für ein Prostatakarzinom waren. Die Detektionsrate betrug 70 % (36/53) für die konventionelle MRT und konnte bei Kombination mit der 1H-MRS auf 81 % (43/53), mit der DCE-MRT auf 83 % (44/53) und mit der DWI auf 85 % (45/53) gesteigert werden. Bei Kombination der konventionellen MRT mit der 1H-MRS + DCE-MRT betrug die Detektions-rate 91 % (48/53), mit 1H-MRS + DWI 94 % (50/53) und mit der DWI + DCE-MRT 94 % (50/53). Nur bei Kombination der konventionellen MRT mit allen drei zusätzlichen Methoden betrug die Detektionsrate 100 %, so dass nur bei dieser Kombination alle in der MRT detek-tierbaren Areale auch vorher richtig als karzinomsuspekt klassifiziert wurden. Abschließend lässt sich festhalten, dass insbesondere der pharmakokinetische Parameter Perfusion in Kombination mit der konventionellen MRT die Diagnostik des Prostatakarzinoms verbessert. Die Anwendung kommerziell erhältlicher pharmakokinetischer Nachverarbeit-ungsalgorithmen mit den Parametern Ktrans und kep ist hierbei eine ressourcensparende Alternative und erzielt in Kombination mit den Alternativmethoden der 1H-MRS und der DWI ausgezeichnete Ergebnisse bei der Detektion des Prostatakarzinoms.
Magnetic resonance imaging (MRI) of the prostate is currently the most accurate imaging modality for the localization and detection of prostate cancer. Conventional T2-weighted and T1-weighted pulse sequences have relatively good sensitivity and moderate specificity for prostate cancer. Specificity but also sensitivity can be improved by dynamic contrast-enhanced MRI (DCE-MRI). Signal intensities can be measured and converted to contrast medium concentrations, allowing the use of pharmacokinetic models for condensing the wealth of information provided by DCE-MRI into a small set of pharmacokinetic parameters of contrast medium inflow and extravasation. Inflow parameters include perfusion, blood volume, mean transit time, delay, and dispersion. Extravasation parameters are permeability, interstitial volume, and extraction coefficient. It is still an open question which of these parameters might be useful for differentiating abnormal from normal prostate tissue. To answer this question, in a first step, a new multi-compartment model was established for accurately and absolutely quantifying pharmacokinetic parameters. Optimal accuracy was achieved using a fast dual- contrast inversion recovery gradient echo sequence (1.65 s temporal resolution) with calculation of an individual arterial input function (AIF). Experimental model calculations in a group of 13 patients with biopsy-proven prostate cancer showed that the differentiation of prostate cancer and normal prostate tissue can be significantly improved by determining dispersion of the contrast medium bolus as an additional parameter (p < 0.001 to p = 0.028).The preliminary results of this study indicate that there are statistically significant differences between prostate cancer and normal prostate tissue for perfusion (p = 0.004), blood volume (p = 0.019), and mean transit time (p = 0,039). There are two clinically relevant subtypes of prostate cancer, low- grade and high-grade cancer, both of which must be differentiated from prostatitis. In a study including 27 patients, areas of prostate cancer, chronic prostatitis, and normal prostate tissue were identified on H&E-stained; whole-mount sections of prostatectomy specimens and compared with absolute pharmacokinetic parameters. Perfusion allowed differentiation of high-grade prostate cancer from chronic prostatitis (1.21ml/ cm3*min-1 vs. 0.90ml/ cm3*min-1; p = 0.041) but not of the less aggressive form, low-grade prostate cancer. None of the other parameters investigated allowed differentiation of these two entities. Differentiation from normal prostate tissue was also better for high-grade cancer compared with low-grade cancer. However, perfusion allowed differentiation of both low-grade prostate cancer (1.01 ml/cm3*min-1 vs. 0.26ml/cm3*min-1; p = 0.05) and high-grade prostate cancer (1.21ml/cm3*min-1 vs. 0.26ml/cm3*min-1; p < 0.001) from normal prostate tissue. Blood volume and mean transit time were also significantly different between high-grade prostate cancer and normal prostate tissue. Another study, including 35 patients, investigated how well the parameters derived from the new pharmacokinetic model agree with the true situation and hence with histologic prognostic factors. In the histologic sections of the 35 prostatectomy specimens, we identified 95 areas (36 x prostate cancer, 27 x chronic prostatitis, 32 x normal prostate tissue) and transferred these to the corresponding parametric maps for calculation of absolute perfusion, blood volume, and interstitial volume. Immunohistochemically, vascularization was evaluated using the anti-CD31 antibody and the interstitial space using Goldner’s stain. Mean vascular area, mean vascular density, and mean interstitial area were determined by semiautomatic analysis of five nonoverlapping 1 mm2 areas photographed with 100x magnification. Comparison of these histologic parameters with blood volume, interstitial volume, and perfusion revealed very good agreement of median blood volume (0.84 % - 1.49 %) with mean vascular area (0.94 % - 1.37 %) and of median interstitial volume (22.59 % - 39.00 %) with mean interstitial area (17.47 % - 21.89 %). However, correlation of the results revealed statistically significant weak correlation only for blood volume and mean vascular density (Spearman’s correlation coefficient R = 0.252; p = 0.014). This poor correlation might be due to the heterogeneous tissue architecture of the prostate, as a result of which a 4 μm thin histologic section is probably not representative of the tissue in a 5 mm thick voxel at MRI. A study including 53 patients was conducted to investigate whether evaluation of hot spot regions with increased vascular density within prostate cancer improves differentiation between prostate cancer and normal prostate tissue. To this end, 110 areas (62 x prostate cancer, 48 x normal prostate tissue) were analyzed for mean vascular density and two pharmacokinetic parameters, perfusion and blood volume, in hot spot regions and in the total areas. Perfusion of the total area rather than perfusion of hot spots allowed the best MRI discrimination between prostate cancer and normal prostate tissue. Using a cut-off of 0.77ml/cm3*min-1, 61.8 % of the areas were correctly classified with 45.2% sensitivity and 83.3% specificity. The low sensitivity and high specificity for this cut-off value underline that pharmacokinetic parameter maps should be interpreted in conjunction with conventional MR images. In another study, pharmacokinetic parameters were determined over time to monitor the outcome of radiotherapy. This was done in six patients before and directly after radiotherapy and again at 3 and 12 months. After treatment, there was a statistically significant decrease in perfusion and an increase in extraction coefficients of irradiated cancer tissue (p = 0.006; p = 0.004) and irradiated normal prostate tissue (p = 0.001; p < 0.001). There was also a statistically significant decrease in blood volume of irradiated prostate cancer (p = 0.034). Calculation of parameters using the new multi-compartment model is very complex and takes approx. 30 min. For this reason, the parameters presented here were compared with the parameters derived using a commercially available software tool based on a two-compartment model in order to make a recommendation for clinical practice. The two models were compared in terms of prostate cancer localization, which is important for staging. Prostate cancer sites were identified in 48 patients with proven prostate cancer and in whom prostatectomy specimens were available to serve as the gold standard. Cancer localization was evaluated using conventional MRI as well as parametric maps of perfusion and blood volume. After an interval of more than three weeks, prostate cancer sites were again determined with conventional MRI as well with parametric maps of transfer constant Ktrans, rate constant kep and maximum upslope of the signal intensity-time curve generated by means of the commercially available software. Localization accuracy was 79% for the multi- compartment model (78% sensitivity/79% specificity) and 78% for the commercial model (60% sensitivity/82% specificity). The difference was not statistically significant (p = 0.06). Another measure of accuracy is the area under the ROC curve, which was larger for the parameters calculated with the new multi- compartment model versus those calculated with the commercial model (0.84 versus 0.73). Taking into account the amount of postprocessing time, we think that DCE-MRI data sets can be effectively analyzed with a commercially available software tool although some information may be lost using this standardized approach. MRI techniques competing with DCE-MRI include 1H magnetic resonance spectroscopy (1H-MRS) and diffusion-weighted imaging (DWI). A prospective study of 55 patients with at least one negative prior prostate biopsy but persistent suspicion of prostate cancer investigated whether either technique alone or a combination of different techniques yields the best results in detecting prostate cancer. In all cases, suspicious areas in the prostate were identified using conventional MRI, pharmacokinetic parameter maps of Ktrans and kep derived from DCE-MRI, the choline/creatine-to-citrate ratio determined with 1H-MRS, and the apparent diffusion coefficient of DWI. Suspicious areas were subsequently biopsied under MRI guidance. The biopsies showed prostate cancer in 21 of 54 patients (39%; 11 x low grade, 10 x high grade). Of a total of 178 areas from which biopsies were obtained, 53 were positive for prostate cancer. Detection rates were 70% (36/53) for conventional MRI alone and increased to 81% (43/53), 83% (44/53), and 85% (45/53) when combined with 1H-MRS, DCE-MRI, and DWI, respectively; detection rates of 91% (48/53), 94% (50/53), and 94% (50/53) were shown for the combination of conventional MRI with 1H-MRS + DCE-MRI, 1H-MRS + DWI 94 % (50/53), and DWI + DCE-MRI, respectively. Only the combination of conventional MRI with all three supplementary methods had a detection rate of 100%, i.e., correctly predicted all suspicious areas that were detectable with MRI. In conclusion, the results just outlined suggest that the detection of prostate cancer can especially be improved when conventional MRI is combined with one pharmacokinetic parameter, perfusion. A commercially available postprocessing algorithm for extracting Ktrans and kep can be used as a less time-consuming alternative, providing excellent results in detecting prostate cancer when combined with 1H-MRS and DWI.
