Multicentrické studie

Z Zobrazování morfologie mozku v psychiatrii

Přejít na: navigace, hledání

Multicentrické MR studie jsou výzvou současnosti. Umožňují nám získat statistickou sílu pro detekci podskupin definovaných na základě morfologie mozku (existují neurobiologické subtypy duš. nemocí?), pro hodnocení efektu terapie apod. Monocentrické studie nejsou schopné studovat dostatečně velké skupiny pacientů a proto ve snaze odpovídat na takovéto otázky selhávají. V dnešní době již byly publikovány výsledky multicentrických studií z USA, NL, GB – monocentrické studie tedy již ztrácí na významu.

Pomocí multicentrických MR studií by bylo možné konstruovat populační normy pro kvantitativní MR hodnocení, což by mělo přímý význam pro klinickou praxi – bylo by možné srovnání jednotlivců s normativní databází, což by přinášelo informace přímo pro daný klinický případ. Analogií mohou být normativní databáze v qEEG (Thatcher – NeuroGuide) nebo opět kostní denzitometrie.

Obsah

Multicentrická MRI morfometrická studie

Výhody poolování dat v neuropsychiatrickém výzkumu, kde studujeme komplexní poruchy či efekty s poměrně malým účinkem jsou zjevné. Ze statistických důvodů je nutné studovat velké soubory jedinců, což je v rámci jednoho centra obtížné. Proto se uvažuje o možnosti multicentrických studií. Problémem je však variabilita, která jde na úkor rozdílného HW, měřících sekvencí, atd. Proto je nutné brát v potaz a nejprve zjistit, zda je možné data sdílet, tj. zda je variabilita mezi daty z jednotlivých center zanedbatelná, resp. korigovatelná. K tomu slouží optimalizace parametrů snímání, zpracování dat, kalibrační studie a statistické postupy korigující přidanou variabilitu.


Variabilita dat mezi měřeními a jednotlivými centry je dána několika faktory: fyziologické faktory (např. stav hydratace), pozice ve skeneru, nelinearita gradientů, prostorové nehomogenity hlavního B0 a RF B1 pole, šum elektroniky MR přístroje, síla magnetického pole, parametry snímání (sekvence, rozlišení, orientace – koronární, sagitální, axiální), parametry zpracování dat. Tato variabilita vede k regionálním rozdílům kontrastu, nehomogenitám intenzity obrazu, s následným zkreslením morfometrické analýzy, ať již volumetrie či voxel-based morfometrie. Mezi největší zdroje variability patří fyziologická variabilita, síla pole (Han et al., 2006), dále rozlišení obrazů (velikost voxelu: Luft et al., 1996; Schnack et al., 2004), pozice ve skeneru (Jovicich et al., 2006).

Korekce variability

Pro minimalizaci zavedené variability se nabízí několik postupů: a) optimalizace snímání, včetně sekvencí b) korekce distorze obrazu dané nelinearitou gradientů c) optimalizace zpracování dat d) statistické metody

a) Optimalizace snímání

Seznam odpovídajících si sekvencí pro různé skenery: www.nbirn.net Alternativou je použití T1 a T2 relaxometrie, resp. jejich aktuálních implementací, které nejsou citlivé na odlišnosti hardware v jednotlivých centrech – viz. dále (Deoni et al., 2008). V literatuře je však popsáno srovnání dat měřených různými, tj. neodpovídajícími si sekvencemi a výsledky jsou akceptovatelné (Pardoe et al., 2008; Stonningoton et al., 2008). Pro volumetrická měření existují data, která ukazují, že rozdíl hardwaru, resp. snímání, nemá vliv na variabilitu dat a to dokonce při měření na 1.5 a 3 T strojích – resp. variabilita daná odlišným skenerem s odlišnou silou pole se nelišila od variability dané chybou měření (Briellmann et al., 2001). V některých případech je však nutná korekce metod zpracování dat (Schnack et al., 2004). Doporučuje se pravidelné měření fantomu (homogenit pole B0, B1) a odpovídající kalibrace gradientů přístroje (Tofts et al., 1998; Jovicich et al., 2006). Např. Stonnington et al., (2008) provedl studii bez optimalizace snímací sekvence, každodenně však bylo prováděno měření fantomů s kalibrací gradientů na +/- 1 mm (200 mm volume centered at iso-center), monitorováni poměru SNR a „radio frequency transmit gain“.

b) Korekce distorze obrazu

Pomocí měření speciálního fantomu je možné proměřit nelinearitu gradientů pole v 3D prostoru a následně provést korekci dat (distorze + změny intenzity obrazu). V některých přístrojích je zabudovaná korekce distorze, ta však pracuje jen ve 2D a i data snímaná s touto korekcí profitují z 3D korekce. Takto lze v průměru dosáhnout 17 % redukce variability dané jednotlivými centry (Jovicich et al., 2006).

c) Optimalizace zpracování dat

Vzhledem k použité metodě zpracování je možné upravit algoritmus zpracování tak, aby byly odstraněny zvláštnosti z jednotlivých center. To je nutné zejména v případě algoritmů postavených na analýze histogramu intenzity obrazu, které jsou značně citlivé na nejednotnost intenzity MR obrazů z jednotlivých center (Schnack et al., 2004). Uvažuje se i o zařazení parametrů snímání do algoritmů zpracování, zatím jde pouze o teoretické úvahy. Metody zpracování, které nepracují s histogramem (např. SPM) nemusí být k těmto rozdílům tolik citlivé.

d) Statistické metody

Variabilitu přidanou jednotlivými centry je v parametrických testech, resp. v obecných lineárních modelech možné odstranit pomocí zavedení faktoru „CENTRUM“. Existují multicentrické studie (volumetrické i voxel-based morfometrické), které jsou publikovány bez kalibrační studie a variabilitu danou centrem korigují pouze tímto způsobem (Pardoe et al., 2008; Stonnington et al., 2008). Metoda má též výhodu v tom, že je možné srovnat míru variability danou efektem zájmu (rozdíl mezi populacemi...) a centrem, vyhodnotit, které centrum se na variabilitě podílí nejvíce atd. Např. ve Stonnington et al., studii byl přítomen efekt centra, ten byl však výrazně menší než efekt skupiny.

Kalibrační studie

Jejím smyslem je zhodnotit test-retest reliabilitu. Před zahájením multicentrické studie či studie s opakovaným měřením subjektů se doporučuje prokázat: a) správnost měření fantomu, b) přesnost opakovaného měření fantomu, c) přesnost opakovaného měření subjektů (Tofts et al., 1998).

Fantom

Cylindrický fantom k měření uniformity intenzity 3D geometrický fantom k měření geometrické distorze z nelinearit gradientů – speciální cylindrický fantom (250 mm délka, 22 mm průměr), složený ze 25 plastických plátů, každý 10 mm silný. Každý plát má v sobě díry o průměru 3 mm, jdoucí skrz celou tloušťku plátu, kolmo k povrchu plátu. Díry tvoří 2D pravoúhlou mřížku s 10 (+/- 0.05) mm odstupy. Navíc na dvou stranách každého plátu zvětšení díry pomocí polosférické deprese 7 mm v průměru. Takto tvoří fantom trojrozměrnou 10 mm mřížku 7 mm sfér, které mohou být naplněny roztokem. Snímání fantomů stejnou sekvencí, jako u zdravých dobrovolníků.

Parametry reliability

Pro volumetrická data (celkový objem šedé hmoty, mozku, objem komorového systému...) se používá intraclass koeficient (ICC), vyjadřující míru shody mezi několika měřeními. Pro volumetrické studie se považuje ICC>0.7 za přijatelný, ICC>0.8 za dobrý a ICC>0.9 za výborný. Pro voxel-based data se používají „voxel-based relative errors“ (SD/mean intensity) v každém voxelu, jejich vizuální analýza po přeložení přes obraz mozku a distribuce pomocí histogramu s možností statistické analýzy. Pro kalibrační studie je používáno několik subjektů: 6-15, podle metody, tj. volumetrie – 5 (Schnack et al., 2004), VBM 5 a více – které jsou změřeny ve všech centrech 2x po sobě. Takto je možné analyzovat test-retest variabilitu v rámci centra a mezi centry.

Míra variability z literatury: Variabilita intenzity: průměr voxel-based relativních chyb (Jovicich et al., 2006; 5 subjektů ve 4 centrech):

Within-subject variabilita (subjekt snímaný 2x v jednom centru): 3-8%
Between-site variabilita (subjekt snímaný 1x v každém centru): 8-10%

Otázkou je, zda má vůbec takovéto úsilí smysl, tj. zda významným způsobem snižuje variabilitu dat – viz. Jovicich a pokles o cca 17% (Stonnington et al., 2008).

Literatura:

Briellmann RS, et al.: Comparison of hippocampal volumetry at 1.5 and at 3 Tesla. Epilepsia, 2001; 42: 1021-1024.

Deoni SCL, et al. : Standardized structural magnetic resonance imaging in multicentre studies using T1 and T2 imaging at 1.5 T. NeuroImage, 2008; 40: 662-671.

Han X, et al.: Reliability of MRI-derived measurements of human cerebral cortical thickness: The effects of field strength, scanner upgrade and manufacturer. NeuroImage, 2006; 32: 180-194.

Jovicich J, et al.: Reliability in multi-site structural MRI studies: Effects of gradient non-linearity correction on phantom and human data. NeuroImage, 2006; 30: 436-443.

Pardoe H., et al.: Multi-site voxel-based morphometry: Methods and feasibility demonstration with childhood absence epilepsy. NeuroImage, 2008; 42: 611-616.

Schnack H, et al.: Reliability of brain volumes from multicenter MRI acquisition: a calibration study. Hum Brain Mapp, 2004; 22: 312-20.

Stonnington CM, et al.: Interpreting scan data acquired from multiple scanners: A study with Alzheimer´s disease. NeuroImage, 2008; 39: 1180-1185.

Osobní nástroje