Logo Logo
Help
Contact
Switch language to German
Semi-automatisierte Nieren-Volumetrie zur Bestimmung der renalen Fettverteilung bei Personen mit Prädiabetes, Diabetes sowie normaler Glukosetoleranz
Semi-automatisierte Nieren-Volumetrie zur Bestimmung der renalen Fettverteilung bei Personen mit Prädiabetes, Diabetes sowie normaler Glukosetoleranz
Im bisherigen Verlauf des 21. Jahrhunderts erlebten sowohl Industrie- als auch Entwicklungsländer eine massive Zunahme der Diabetes-Erkrankungen [1]. Sowohl die Insulinresistenz als auch eine gestörte Insulinsekretion führen dabei zu einer Vielzahl von Risikofaktoren für kardiovaskuläre Erkrankungen (Cardiovascular Disease, CVD) [2]. Ein großer und steigender Anteil von Menschen mit beeinträchtigtem Glukosestoffwechsel wird als Personen mit Prädiabetes eingestuft [3, 4]. Sie sind von besonderer klinischer Relevanz für konkrete präventive Maßnahmen, da sie ein deutlich erhöhtes Risiko haben, entweder einen Diabetes Mellitus Typ 2 (DM2) und/oder eine CVD zu entwickeln [5]. Die genauen Prozesse, die Übergewicht mit Insulinresistenz, DM2, Hypertonie, kardiovaskulärer Morbidität und chronischem Nierenversagen (Chronic Kidney Disease, CKD) miteinander verbinden, sind bis heute noch nicht zufriedenstellend verstanden. Perivaskuläres Fettgewebe, wie das Sinus Renalis-Fett (SRF), und viszerales Fett (visceral adipose tissue, VAT) korrelieren mit kardiometabolischen Risikofaktoren stärker als die üblichen anthropometrischen Indizes [6-10]. Als perivaskuläres Fettdepot steht das SRF in engem Kontakt mit der Adventitia großer, mittlerer sowie kleiner Arterien und besitzt individuelle Merkmale, die sich von anderen Fettdepots unterscheiden. Es wird angenommen, dass es den Blut- und Lymphfluss der Niere behindert und so den parenchymalen hydrostatischen Druck erhöht, was wiederum zu einer Vergrößerung des Organvolumens führt [8]. Die Quantifizierung von SRF kann somit einen Biomarker für frühe morphologische Veränderungen bei diabetischer Nephropathie darstellen und ferner bei der Quantifizierung der Ausprägung des kardiometabolischen Syndroms helfen. Seine Rolle als potenzieller Biomarker der Bildgebung für oben genannte Erkrankungen ist somit naheliegend [11]. Die Magnetresonanztomographie (MRT) bietet eine exzellente Differenzierung anatomischer Strukturen ohne die Verwendung von schädlicher Röntgenstrahlung und ohne die obligatorische Verabreichung von Kontrastmittel [12]. Multi-Echo-Sequenzen ermöglichen dabei eine präzise Segmentierung verschiedener Nierenkompartimente und bilden die Grundlage für die MRT-Quantifizierung des SRF und des intrarenalen Fettgewebes [13, 14]. Wir analysierten daher zunächst die Anwendung eines neuartigen, semi-automatischen Nierensegmentierungsalgorithmus (SANSA) zur Segmentierung MRT-basierter Nierenkompartimente sowie die Verteilung der Nierenvolumina bei Personen mit normalem Glukosespiegel, mit Prädiabetes sowie mit DM2. Mit den so gewonnenen Daten untersuchten wir mögliche Assoziationen mit anderen typischen kardiometabolischen Biomarkern. Die Teilnehmerzahl unserer Arbeit umfasste N = 366 Personen, von denen N = 230 normoglykämisch waren, N = 87 an Prädiabetes und N = 49 an Diabetes litten. Andere Kovarianten gewannen wir durch standardisierte Messungen und Befragungen der Personen. Zur Ganzkörper-MRT-Messung verwendeten wir einen 3-Tesla-Scanner. Zur Beurteilung der Nieren wurden eine koronare T1w- Doppelecho-Dixon-Sequenz und eine koronare T2w-Singleshot-Fast-Spin-Echo-Sequenz erstellt. Die Auswertung der Dixon-Sequenzen durch den SANSA beruhte auf Schwellenwertverfahren und geometrischen Annahmen, durch die Volumina für die Nierenkompartimente berechnet wurden. An einer Teilmenge von 33 Personen bestimmten wir die Inter-Reader-Variabilität. Assoziationen zwischen dem glykämischen Status der Personen und den Nierenvolumina untersuchten wir anhand linearer Regressionsmodelle unter Berücksichtigung anderer potenzieller Störfaktoren. Darüber hinaus analysierten wir die Assoziation der Nierenvolumina mit VAT durch lineare Regressionsmodelle und den Pearson-Korrelationskoeffizienten. Nierenvolumen, Sinus Renalis- Volumen und SRF stiegen von normoglykämischen Personen über Personen mit Prädiabetes bis zu Personen mit Diabetes an (Nierenvolumen: 280,3 ± 64,7 ml vs. 303,7 ± 67,4 ml vs. 320,6 ± 77,7 ml, p <0,001). Nach Adjustierung für Alter und Geschlecht korrelierte Prädiabetes und Diabetes signifikant mit einem erhöhten Nierenvolumen und Sinusvolumen (z. B. βPrädiabetes = 10,1, 95%- KI: [6,5, 13,7]; p <0,01, βDiabetes = 11,86, 95%-KI: [7,2 16,5]; p <0,01) und SRF (z. B. βPrädiabetes = 7,13, 95%-KI: [4,5,9,8]; p <0,001, βDiabetes = 7,34, 95% KI: [4,0, 10,7]; p <0,001). Korrelationen, welche nach Adjustierung für zusätzliche Störfaktoren abgeschwächt wurden, waren nur bei Prädiabetes und Sinusvolumen signifikant (β = 4,0, 95%-KI [0,4, 7,6]; p <0,05). Eine arterielle Hypertonie korrelierte signifikant mit einem erhöhten Sinus Renalis-Volumen (β = 3,7, 95%-KI: [0,4, 7,0s; p <0,05]) und einem erhöhten SRF (β = 3,0, 95%-KI: [0,7, 5,3]); p <0,05). Auch ein erhöhter Urin Albumin/Urin Kreatinin Quotient (Urine Albumine to Urine Creatinine Ratio, UACR) korrelierte mit einer Zunahme des Sinus Renalis-Volumens (β = 1,5, 95%-KI: [0,1, 2,9]; p <0,05). Es bestand ein hoch signifikanter Zusammenhang zwischen dem VAT und dem SRF (β = 2,75, 95%-KI: [2,3, 3,2]; p <0,01). Der ICC zeigte eine hervorragende Übereinstimmung zwischen den Readern für das Nierenvolumen (0,97 [0,92; 0,99]), das Sinusvolumen (0,99 [0,96; 0,99]) und das SRF (0,97 [0,95; 0,99]) an. Die Kernaussage unserer Arbeit ist somit, dass das Gesamtvolumen aller Nierenkompartimente, insbesondere aber des SRF, mit steigender Glukoseintoleranz signifikant zunimmt und eine starke Korrelation mit dem VAT zeigt. Daraus schließen wir, dass das SRF als potenzieller bildgebender Biomarker zur Risikobestimmung im Kontext von Stoffwechselerkrankungen dienen kann. Weiterhin zeigt unsere Arbeit, dass eine semi-automatische Segmentierung der Nieren und ihrer unterschiedlichen Kompartimente aus nicht kontrastverstärkten MRT-Bildern möglich ist und somit unter der Prämisse weiterer Verbesserung der Software für einen zukünftigen standardisierten Einsatz im Rahmen großer Kohortenstudien geeignet ist.
Not available
Göpfert, Martin
2021
German
Universitätsbibliothek der Ludwig-Maximilians-Universität München
Göpfert, Martin (2021): Semi-automatisierte Nieren-Volumetrie zur Bestimmung der renalen Fettverteilung bei Personen mit Prädiabetes, Diabetes sowie normaler Glukosetoleranz. Dissertation, LMU München: Faculty of Medicine
[img]
Preview
PDF
Goepfert_Martin.pdf

1MB

Abstract

Im bisherigen Verlauf des 21. Jahrhunderts erlebten sowohl Industrie- als auch Entwicklungsländer eine massive Zunahme der Diabetes-Erkrankungen [1]. Sowohl die Insulinresistenz als auch eine gestörte Insulinsekretion führen dabei zu einer Vielzahl von Risikofaktoren für kardiovaskuläre Erkrankungen (Cardiovascular Disease, CVD) [2]. Ein großer und steigender Anteil von Menschen mit beeinträchtigtem Glukosestoffwechsel wird als Personen mit Prädiabetes eingestuft [3, 4]. Sie sind von besonderer klinischer Relevanz für konkrete präventive Maßnahmen, da sie ein deutlich erhöhtes Risiko haben, entweder einen Diabetes Mellitus Typ 2 (DM2) und/oder eine CVD zu entwickeln [5]. Die genauen Prozesse, die Übergewicht mit Insulinresistenz, DM2, Hypertonie, kardiovaskulärer Morbidität und chronischem Nierenversagen (Chronic Kidney Disease, CKD) miteinander verbinden, sind bis heute noch nicht zufriedenstellend verstanden. Perivaskuläres Fettgewebe, wie das Sinus Renalis-Fett (SRF), und viszerales Fett (visceral adipose tissue, VAT) korrelieren mit kardiometabolischen Risikofaktoren stärker als die üblichen anthropometrischen Indizes [6-10]. Als perivaskuläres Fettdepot steht das SRF in engem Kontakt mit der Adventitia großer, mittlerer sowie kleiner Arterien und besitzt individuelle Merkmale, die sich von anderen Fettdepots unterscheiden. Es wird angenommen, dass es den Blut- und Lymphfluss der Niere behindert und so den parenchymalen hydrostatischen Druck erhöht, was wiederum zu einer Vergrößerung des Organvolumens führt [8]. Die Quantifizierung von SRF kann somit einen Biomarker für frühe morphologische Veränderungen bei diabetischer Nephropathie darstellen und ferner bei der Quantifizierung der Ausprägung des kardiometabolischen Syndroms helfen. Seine Rolle als potenzieller Biomarker der Bildgebung für oben genannte Erkrankungen ist somit naheliegend [11]. Die Magnetresonanztomographie (MRT) bietet eine exzellente Differenzierung anatomischer Strukturen ohne die Verwendung von schädlicher Röntgenstrahlung und ohne die obligatorische Verabreichung von Kontrastmittel [12]. Multi-Echo-Sequenzen ermöglichen dabei eine präzise Segmentierung verschiedener Nierenkompartimente und bilden die Grundlage für die MRT-Quantifizierung des SRF und des intrarenalen Fettgewebes [13, 14]. Wir analysierten daher zunächst die Anwendung eines neuartigen, semi-automatischen Nierensegmentierungsalgorithmus (SANSA) zur Segmentierung MRT-basierter Nierenkompartimente sowie die Verteilung der Nierenvolumina bei Personen mit normalem Glukosespiegel, mit Prädiabetes sowie mit DM2. Mit den so gewonnenen Daten untersuchten wir mögliche Assoziationen mit anderen typischen kardiometabolischen Biomarkern. Die Teilnehmerzahl unserer Arbeit umfasste N = 366 Personen, von denen N = 230 normoglykämisch waren, N = 87 an Prädiabetes und N = 49 an Diabetes litten. Andere Kovarianten gewannen wir durch standardisierte Messungen und Befragungen der Personen. Zur Ganzkörper-MRT-Messung verwendeten wir einen 3-Tesla-Scanner. Zur Beurteilung der Nieren wurden eine koronare T1w- Doppelecho-Dixon-Sequenz und eine koronare T2w-Singleshot-Fast-Spin-Echo-Sequenz erstellt. Die Auswertung der Dixon-Sequenzen durch den SANSA beruhte auf Schwellenwertverfahren und geometrischen Annahmen, durch die Volumina für die Nierenkompartimente berechnet wurden. An einer Teilmenge von 33 Personen bestimmten wir die Inter-Reader-Variabilität. Assoziationen zwischen dem glykämischen Status der Personen und den Nierenvolumina untersuchten wir anhand linearer Regressionsmodelle unter Berücksichtigung anderer potenzieller Störfaktoren. Darüber hinaus analysierten wir die Assoziation der Nierenvolumina mit VAT durch lineare Regressionsmodelle und den Pearson-Korrelationskoeffizienten. Nierenvolumen, Sinus Renalis- Volumen und SRF stiegen von normoglykämischen Personen über Personen mit Prädiabetes bis zu Personen mit Diabetes an (Nierenvolumen: 280,3 ± 64,7 ml vs. 303,7 ± 67,4 ml vs. 320,6 ± 77,7 ml, p <0,001). Nach Adjustierung für Alter und Geschlecht korrelierte Prädiabetes und Diabetes signifikant mit einem erhöhten Nierenvolumen und Sinusvolumen (z. B. βPrädiabetes = 10,1, 95%- KI: [6,5, 13,7]; p <0,01, βDiabetes = 11,86, 95%-KI: [7,2 16,5]; p <0,01) und SRF (z. B. βPrädiabetes = 7,13, 95%-KI: [4,5,9,8]; p <0,001, βDiabetes = 7,34, 95% KI: [4,0, 10,7]; p <0,001). Korrelationen, welche nach Adjustierung für zusätzliche Störfaktoren abgeschwächt wurden, waren nur bei Prädiabetes und Sinusvolumen signifikant (β = 4,0, 95%-KI [0,4, 7,6]; p <0,05). Eine arterielle Hypertonie korrelierte signifikant mit einem erhöhten Sinus Renalis-Volumen (β = 3,7, 95%-KI: [0,4, 7,0s; p <0,05]) und einem erhöhten SRF (β = 3,0, 95%-KI: [0,7, 5,3]); p <0,05). Auch ein erhöhter Urin Albumin/Urin Kreatinin Quotient (Urine Albumine to Urine Creatinine Ratio, UACR) korrelierte mit einer Zunahme des Sinus Renalis-Volumens (β = 1,5, 95%-KI: [0,1, 2,9]; p <0,05). Es bestand ein hoch signifikanter Zusammenhang zwischen dem VAT und dem SRF (β = 2,75, 95%-KI: [2,3, 3,2]; p <0,01). Der ICC zeigte eine hervorragende Übereinstimmung zwischen den Readern für das Nierenvolumen (0,97 [0,92; 0,99]), das Sinusvolumen (0,99 [0,96; 0,99]) und das SRF (0,97 [0,95; 0,99]) an. Die Kernaussage unserer Arbeit ist somit, dass das Gesamtvolumen aller Nierenkompartimente, insbesondere aber des SRF, mit steigender Glukoseintoleranz signifikant zunimmt und eine starke Korrelation mit dem VAT zeigt. Daraus schließen wir, dass das SRF als potenzieller bildgebender Biomarker zur Risikobestimmung im Kontext von Stoffwechselerkrankungen dienen kann. Weiterhin zeigt unsere Arbeit, dass eine semi-automatische Segmentierung der Nieren und ihrer unterschiedlichen Kompartimente aus nicht kontrastverstärkten MRT-Bildern möglich ist und somit unter der Prämisse weiterer Verbesserung der Software für einen zukünftigen standardisierten Einsatz im Rahmen großer Kohortenstudien geeignet ist.