Leberfettquantifizierung mit Hilfe der Proton- Density ... · Lipodystrophie, Hungerzustände,...

Aus dem Institut für Diagnostische Radiologie und Neuroradiologie der Universitätsmedizin der Ernst-Moritz-Arndt-Universität Greifswald Direktor: Prof. Dr. med. N. Hosten

Leberfettquantifizierung mit Hilfe der Proton-

Density Fettfraktion im Hochfeld-MRT

Magnitudenbasierte und Komplexe Rekonstruktion

Inaugural-Dissertation

Erlangung des akademischen

Grades

Doktor der Medizin

(Dr. med.)

Universitätsmedizin

Ernst-Moritz-Arndt-Universität

Greifswald

vorgelegt von: Christoph Mahlke geb. am 04.02.1987 in: Demmin

Leberfettquantifizierung mit Hilfe der Proton-Density Fettfraktion im Hochfeld-MRT

Dekan: Prof. Dr. med. Reiner Biffar

1.Gutachter: Prof. Dr. med. Christian Stroszczynski

2. Gutachter Prof. Dr. med. Jens-Peter Kühn

Ort d. Disputation: Universitätsmedizin Greifswald

Raum: Demonstrationsraum F0.23, 1. Bauabschnitt

Tag: 28.09.2015

Inhaltsverzeichnis

1. Einleitung ............................................................................................................. 5

1.1 Leberverfettung (Steatosis hepatis) .............................................................. 5

1.2 Bedeutung der NAFLD im Kontext des metabolischen Syndroms ................ 6

1.3 Bestimmung des Leberfettanteils .................................................................. 8

1.4 MRT-Verfahren zur Leberfettquantifizierung ................................................. 9

1.4.1 Chemical Shift zur Leberfettquantifizierung ............................................ 10

1.4.1.1 Die magnitudenbasierte Methode ...................................................... 13

1.4.1.2 Die komplexe Methode ...................................................................... 13

1.4.2 Proton-Density-Fett-Fraktion (PDFF) ...................................................... 14

1.5 Hochfeld-MRT ............................................................................................. 15

1.6 Fragestellung ............................................................................................... 17

2. Material und Methoden ..................................................................................... 18

2.1 Tierversuch .................................................................................................. 18

2.1.1 Mausmodell ............................................................................................. 18

2.1.2 Anzahl der Versuchstiere ........................................................................ 19

2.1.3 Standardisierte Haltung vor der Messung .............................................. 20

2.2 Ablauf der Untersuchung ............................................................................. 21

2.2.1 Narkose .................................................................................................. 21

2.2.2 MRT-Untersuchung ................................................................................ 21

2.3 Aufarbeitung der MRT-Daten und Bildanalyse ............................................ 23

2.4 Histopathologie ............................................................................................ 25

2.5 Statistik ........................................................................................................ 26

3. Ergebnisse ......................................................................................................... 28

3.1 Tabellarische Darstellung der Ergebnisse ................................................. 28

3.2 Qualitätssicherung bei der Ermittlung der PDFF ....................................... 30

3.3 Vergleich der PDFF von Magnitudendaten und komplexen Daten ........... 32

3.4 Vergleich mit dem Goldstandard ............................................................... 33

4. Diskussion ......................................................................................................... 37

5. Zusammenfassung ............................................................................................ 46

6. Literaturverzeichnis .......................................................................................... 47

7. Abbildungsverzeichnis ..................................................................................... 53

8. Tabellenverzeichnis .......................................................................................... 55

9. Abkürzungsverzeichnis .................................................................................... 56

10. Eidesstattliche Erklärung ................................................................................. 60

1. Einleitung

1.1 Leberverfettung (Steatosis hepatis)

Verschiedene Ursachen führen zu einer generalisierten Mehrverfettung der Leber,

der sogenannten Steatosis hepatis. Diese ist definiert als ein Fettanteil der Leber

größer 5-10% oder einer Makrosteatose in mehr als 5-10% der Hepatozyten [1].

Hinsichtlich der Ursache der Steatosis hepatis (Tabelle 1) ist dabei die primäre, nicht

alkoholbedingte Steatosis hepatis (NAFLD) von den sekundären Formen, wie zum

Beispiel der alkoholbedingten Steatosis hepatis (AFLD) zu unterscheiden. Die

primäre NAFLD ist die häufigere Form und macht zirka 80% der Steatosen aus. Die

sekundäre AFLD wird in zirka 15% der Steatosen beobachtet. Die seltenen

sekundären Ursachen der Steatosis hepatis addieren sich zu zirka 3,5%. Hierzu

zählen die Hepatitis C Infektion, Speichererkrankungen, wie der Morbus Wilson, die

Lipodystrophie, Hungerzustände, parenterale Ernährung, Abetalipoproteinämie,

diverse Medikamente (Amiodaron, Methotrexat, Steroidhormone, antiretrovirale

Substanzen, Valproinsäure), das Reye-Syndrom, die akute Fettleber in der

Schwangerschaft, das HELLP-Syndrom und der Mangel an Lecithin-Cholesterin-

Acyltransferase (LCAT) [2,3]. Hinsichtlich des histopathologischen

Erscheinungsbildes und der Verteilung lässt sich die makrovesikuläre von der

mikrovesikulären Form der Steatosis hepatis differenzieren. Gemischte Zustände aus

makro- und mikrovesikulärer Verteilung werden beobachtet.

Primäre nicht

alkoholische Fettleber

(NAFLD)

Sekundäre

alkoholbedingte

Fettleber (AFLD)

Sekundäre Fettleber

nicht-alkoholischer

Ursache

Anteil (%) 81,5 15 3,5

Tabelle 1: Ursachen der Steatosis hepatis

1.2 Bedeutung der NAFLD im Kontext des metabolischen Syndroms

In der Europäischen Union durchgeführte Studien belegen, dass die NAFLD

endemisch ist und eine Bedrohung der „public health“ darstellt. Zu diesen Studien

gehört unter anderem die auch an der Universitätsmedizin Greifswald durchgeführte

Studie „Study of Health in Pomerania“ (SHIP). Die Prävalenz der NAFLD in der

Normalpopulation Europas lag in der Gesamtheit dieser Studien bei Erwachsenen

zwischen 26 und 33% [4]. Die NAFLD wurde mit Hilfe des Ultraschalls diagnostiziert.

Ein deutlich gehäuftes Auftreten zeigt die primäre NAFLD in der Bevölkerungsgruppe,

die unter dem metabolischen Syndrom leidet [1]. Es existiert eine Vielzahl an

Definitionen des metabolischen Syndroms. Für diesen Symptomkomplex gibt es trotz

der seit Jahren bekannten hohen epidemiologischen und gesundheitsökonomischen

Bedeutung bislang noch keinen ICD-10 Code. Im klinischen Alltag ist die Definition

der International Diabetes Federation (IDF) aus dem Jahr 2005 anerkannt [5].

Die Diagnose des metabolischen Syndroms liegt vor, wenn der Bauchumfang mehr

als 94 cm (Männer) beziehungsweise mehr als 80 cm (Frauen) beträgt und

zusätzlich mindestens 2 weitere der folgenden Störungen bzw. Bedingungen

vorliegen:

- Erhöhte Triglyzeridwerte im Blut (mindestens 150 mg/dl) beziehungsweise

bereits eingeleitete Behandlung zur Absenkung.

- Zu niedriges HDL-Cholesterin (Männer weniger als 40 mg/dl; Frauen

weniger als 50 mg/dl) beziehungsweise bereits eingeleitete Behandlung

zur Anhebung.

- Arterielle Hypertonie (systolisch > 130 mmHg oder diastolisch > 85 mmHg)

beziehungsweise eine bereits behandelte Hypertonie.

- Erhöhter Nüchtern-Glukosespiegel (mehr als 100 mg/dl) oder ein bereits

diagnostizierter Typ-2-Diabetes.

Die Wahrscheinlichkeit an einer NAFLD zu erkranken und das Ausmaß der NAFLD

nehmen mit dem Ausprägungsgrad des metabolischen Syndroms zu [2]. Dabei stellt

der Typ II Diabetes, der gekennzeichnet ist durch eine Insulinresistenz in der

verfetteten Leber und anderen peripheren Organen, das Ergebnis der zuvor

bestehenden komplexen Fettstoffwechselstörungen dar. Es gilt, durch frühzeitige

Prävention und Therapie dies zu vermeiden. Dazu kann die radiologische Bildgebung

einen entscheidenden Beitrag leisten.

In der Klinik wird zunehmend deutlich, dass die NAFLD, die Risikofaktoren des

metabolischen Syndroms und der Typ II Diabetes sich gegenseitig negativ

beeinflussen [3,6-8]. Somit erhöht sich besonders das Risiko kardiovaskulärer

Erkrankungen, welche, laut WHO, global die häufigste Todesursache darstellen.

Hinzu kommt, dass einfache Präventions- und Therapiemaßnahmen, wie

Diäteinhaltung und Aktivität über mehrere Jahre die Inzidenz der NAFLD und des

metabolischen Syndroms nicht mindern konnten. Auch wenn die komplexen

pathophysiologischen Zusammenhänge nicht vollständig geklärt sind, brauchen

zukünftige Therapien eine zuverlässige, frühzeitige, nichtinvasive Diagnostik [3]. Die

Detektion und exakte Quantifizierung der Steatosis hepatis bei primärer NAFLD im

Rahmen eines metabolischen Syndroms würde sich als hilfreich erweisen. Im Fokus

befinden sich also bildgebende Verfahren, welche in der Lage sein sollten, Fett in der

Leber frühzeitig zu detektieren und zu quantifizieren. Mit Hilfe technisch

weiterentwickelter bildgebender Methoden, wie der Magnetresonanztomographie

kann dies gewährleistet werden [9].

Zudem könnten sich bildgebende Methoden als hilfreich erweisen, um die

pathophysiologischen Zusammenhänge des metabolischen Syndroms und der

NAFLD in der Präklinik darzustellen. Dank geeigneter Tiermodelle, wie dem

leptindefizienten Mausmodel (ob/ob-Maus), kann dies auch in der Praxis realisiert

werden. Die ob/ob-Maus entwickelt obligat eine Fettleber und ist mittlerweile ein

etabliertes Tiermodell des metabolischen Syndroms und der NAFLD [10,11]. Die

Erforschung und Weiterentwicklung bildgebender Methoden zur Beurteilung des

Grades der Lebergewebeverfettung und folgender Strukturveränderungen der Leber

an diesem Tiermodell wird dringend benötigt.

1.3 Bestimmung des Leberfettanteils

Den Goldstandard der Leberfettquantifizierung stellt die perkutane Entnahme eines

Gewebezylinders und anschließende histopathologische Aufarbeitung dar [12]. Bei

dieser invasiven Methode gibt es allerdings Nachteile, die den breiten Einsatz zur

frühen Diagnose der NAFLD einschränken. Neben den Unannehmlichkeiten für die

Patienten können Komplikationen, wie schmerzhafte subkapsuläre Einblutungen in

die Leber oder eine Infektion über den Stichkanal, auftreten. Zusätzliche Probleme

entstehen durch gerinnungshemmende Medikamente, die bei der Intervention zu

einem größeren Blutungsrisiko führen beziehungsweise beim Absetzen

periinterventionell das Risiko thrombotischer und thrombembolischer

Gefäßkomplikationen erhöhen.

Studien konnten ein gehäuftes Auftreten der Steatosis hepatis auch bei Kindern

feststellen [13]. In dieser Patientengruppe sind interventionsbedingte Komplikationen

noch kritischer zu sehen. Und auch bei der Durchführung epidemiologischer Studien

sind komplikationsbehaftete Methoden, wie Gewebebiopsien, ethisch nicht vertretbar,

sodass die histopathologische Fettgewebsquantifizierung hier keine Alternative

darstellt.

Ein weiterer Nachteil der Bestimmung des Fettgehaltes in der Histopathologie ist der

so genannte Stichprobenfehler [14], bei dem es durch eine ungleichmäßige

Fettverteilung zur Probeentnahme aus einer nicht repräsentativen Stelle der Leber

kommen kann.

Der Leberfettgehalt wird in der histopathologischen Aufarbeitung nicht durch die

Ermittlung des prozentualen Anteils an Fett als chemischer Struktur ermittelt,

sondern über das Verhältnis der mikroskopisch verfetteten zu den weniger oder nicht

verfetteten Hepatozyten bestimmt.

Die Magnetresonanztomographie (MRT), als nichtinvasives Verfahren, erlaubt eine

Detektion und Quantifizierung von Fett in jedem Voxel (Volumenelement im MRT).

Der Nachweis von Fett ist mit Hilfe der konventionellen MRT bei hoher Sensitivität

möglich [15].

1.4 MRT-Verfahren zur Leberfettquantifizierung

Zur quantitativen, ortsaufgelösten Darstellung von Gewebefett existieren bislang zwei

gängige Verfahren. Zum einen die MRT-Spektroskopie und zum anderen die

Chemical Shift kodierte Magnetresonanztomographie. Bei beiden Verfahren werden

Resonanzsignale von Atomkernen in einem Magnetfeld aufgezeichnet. Das

besondere hierbei ist, dass diese Resonanzsignale bei Atomkernen des selben

Elementes dennoch unterschiedlich sind, wenn sie in unterschiedlichen chemischen

Verbindungen vorliegen. Man macht sich bei der Fettquantifizierung im Speziellen zu

nutze, dass Wasserstoffkerne, die in Triglyceriden gebunden sind, andere

Resonanzsignale im MRT abgeben, als die Wasserstoffkerne, die in Wasser (H2O)

gebunden sind. Aus der Messung der Resonanzsignale und deren Differenz kann bei

beiden Verfahren, der MRT-Spektroskopie und der Chemical Shift kodierten

Magnetresonanztomographie, eine Aussage zum prozentualen Anteil der jeweiligen

chemischen Verbindung in dem untersuchten Gewebe getroffen werden [16].

Der Unterschied der beiden Verfahren besteht darin, dass die MRT-Spektroskopie

die chemische Zusammensetzung in einem vordefinierten Voxel bestimmt. In der

Chemical Shift kodierten MRT ist dieser Informationsgewinn unter Berücksichtigung

der Anatomie des Gewebes möglich. Stichprobenfehler durch eine ungleiche

Verteilung des Leberfettes werden somit vermieden.

Die MRT-Spektroskopie ist im Vergleich das technisch aufwändigere Verfahren und

nicht ubiquitär verfügbar. Die Chemical Shift kodierte MRT hingegen ist auf

kommerziellen MRT-Geräten mit geringem technischen Aufwand anwendbar. Somit

ist nach Meinung des Autors die Chemical Shift kodierte MRT für die

Leberfettquantifizierung zu bevorzugen.

1.4.1 Chemical Shift zur Leberfettquantifizierung

Als Chemical Shift bezeichnet man in der Magnetresonanztomographie die

Verschiebung der Resonanzlinie einer Probe gegenüber der Resonanzlinie einer

Referenz. Diese Verschiebung beruht auf dem unterschiedlichen Einwirken des

Magnetfeldes auf die Wasserstoffkerne in Abhängigkeit davon, wie gut sie von

Elektronen abgeschirmt werden, beziehungsweise in welcher chemischen

Verbindung sie sich befinden. Je elektronegativer der Bindungspartner der

Wasserstoffkerne ist, umso geringer fällt diese Abschirmung durch Elektronen aus.

Dies führt in Abhängigkeit von den funktionellen Gruppen zu unterschiedlichen

Resonanzfrequenzen und Relaxationszeiten, auf denen die MRT-Bildgebung aufbaut.

Es ist bekannt, dass Wasserstoffprotonen, die im Fett gebunden sind, in

transversaler Ebene langsamer relaxieren als jene, die im Wasser (H2O) gebunden

sind. Die Resonanzfrequenzunterschiede sind aus Geräten mit Feldstärken von 1,5

Tesla (zirka 220 Hz) und 3 Tesla (zirka 445 Hz) bekannt und proportional zur

Feldstärke des äußeren Magnetfeldes. Bei 7 Tesla beträgt der

Resonanzfrequenzunterschied für in Wasser und Fett gebundene Wasserstoffkerne

zirka 1040 Hz.

Betrachtet man ein Gewebe, das zu gleichen Teilen aus Wasser und Fett besteht, so

relaxieren die Wasserstoffprotonen in beiden Stoffen aufgrund dieser verschiedenen

chemischen Bindungen unterschiedlich schnell. Die kreisenden elektromagnetischen

Summenvektoren sind zu bestimmten Zeitpunkten gleichgerichtet (In-Phase) und zu

anderen Zeitpunkten gegensätzlich gerichtet (Out-Phase). Diese Zeitpunkte werden

aufgrund des bekannten Frequenzunterschiedes definiert. In einem 7 Tesla-MRT ist

nach zirka 0,96 ms (1/1040 Hz) der Ausgangszustand erreicht. Die Vektoren der

Wasserstoffprotonen, die im Fett gebunden sind und jene, die im Wasser gebunden

sind, befinden sich „In-Phase“. Nach der Hälfte dieser Zeit liegen sich die beiden

Vektoren gegenüber. Dies wird als „Out-Phase“ bezeichnet. Abbildung 1 zeigt die

einzelnen Vektoren von Wasser (W) und Fett (F) zu verschiedenen Echozeiten (TE-

Zeiten). Die erste In-Phase (TE1) entspricht dem Zeitpunkt des

Hochfrequenzimpulses (0 ms). Die Vektoren addieren sich zur gemessenen

Signalintensität (SI). Eine Messung der Signalintensität ist zu diesem Zeitpunkt

jedoch nicht möglich.

Aufgrund der unterschiedlichen Resonanzfrequenzen sind die Vektoren zu einem

anderen Zeitpunkt (TE2) entgegengesetzt ausgerichtet. Dies ist die Out-Phase. Die

Signalintensität (SI) entspricht der Differenz der Vektoren. TE3 zeigt erneut eine In-

Phase. Die Signalintensität ist gegenüber TE1 aufgrund von Relaxationseffekten wie

T2* reduziert. Dies ist in Abbildung 2 dargestellt.

Abbildung 1: Darstellung der Vektoren von Wasser (W) und Fett (F) sowie der

Signalintensität (SI) des Summenvektors zu verschiedenen TE-Zeiten. TE1 entspricht

dem Zeitpunkt direkt nach Abschalten des Hochfrequenzimpulses (0 ms). Abbildung

mit freundlicher Genehmigung von MTA-Dialog.

Durch Auswertung der Vektoren und deren Verhältnis zu den bestimmten TE-Zeiten

kann man den prozentualen Fettgehalt berechnen. In der In-Phase addieren sich die

Beträge der Vektoren. Die Subtraktion des Fettvektors vom Wasservektor,

beziehungsweise des Wasservektors vom Fettvektor, entspricht der Signalintensität

in der Out-Phase. Aus den Daten der Out-Phase und der In-Phase kann die Relation

des Wasser-Fett-Gehaltes abgeleitet werden. Der Fettgehalt wird in Prozent

angegeben. Für die Nachberechnung stehen zwei Techniken zur Verfügung.

Abbildung 2: Dargestellt ist die insgesamt abnehmende Signalintensität zu

verschiedenen TE-Zeiten, in denen die Vektoren von Wasser und Fett die gleiche

Richtung haben (In-Phase = IN) und in denen sie sich gegenüber liegen (Out-Phase

= OUT). Das hier untersuchte Gewebe enthält Wasser und Fett zu jeweils ca. 50%.

1.4.1.1. Die magnitudenbasierte Methode

Die magnitudenbasierte Methode betrachtet bei der Auswertung nur die Beträge der

Vektoren zu oben beschriebenen Zeitpunkten; In-Phase und Out-Phase. In der In-

Phase addieren sich die Beträge der Vektoren. In der Out-Phase entspricht der

Gesamtvektor der Differenz. Wenn man die Summe der beiden Vektoren in der In-

Phase als maximale Signalstärke annimmt (100%), so lässt sich der Fettgehalt in

Prozent mit folgender Formel berechnen:

Fettgehalt (%) = (IN – OUT) / 2 x IN

IN entspricht dabei der Signalintensität in der In-Phase und OUT der Signalintensität

in der Out-Phase. Zu beachten ist beim Auswerten der Magnitudendaten, dass der

maximal bestimmbare Fettgehalt bei 50% liegt. Dies sollte in der klinischen Praxis

der Fettgehaltsbestimmung der Leber jedoch nicht limitierend sein, da auch

verfettete Lebern Fettgehalte von 50% in der Regel nicht überschreiten [17].

1.4.1.2 Die komplexe Methode

Eine zweite Möglichkeit erlaubt die Quantifizierung von Leberfett über die komplette

Spannweite von 0-100%. Dies ist für die Quantifizierung von Gewebefett außerhalb

der Leber sinnvoll und wird ermöglicht durch Anwendung der als komplexe Methode

bezeichneten Technik.

Da bei der magnitudenbasierten Methode in der Out-Phase nicht unterschieden

werden kann, welches der dominante Vektor ist, kann der Fettgehalt nur sicher

bestimmt werden, wenn klar ist, dass Wasser mehr als 50% des Signals ausmacht

und somit den dominanten Vektor darstellt. Es wird in der komplexen Methode diese

potenzielle Fett/Wasser-Mehrdeutigkeit durch Benutzung der Phaseninformationen

umgangen [18].

Die Phaseninformation ist das Wissen um die aktuelle Stellung der Vektoren zu

jedem Zeitpunkt auch zwischen den bestimmten TE-Zeiten.

Die Fettfraktion kann aus der Chemical Shift kodierten MRT mit beiden

beschriebenen Methoden in einer Nachverarbeitung, dem so genannten

Postprocessing, bestimmt werden.

Generell ist bekannt, dass die Fettgewebsquantifizierung mittels Chemical Shift

kodierter MRT durch Störfaktoren beeinflusst werden kann [19]. Es handelt sich um

die Relaxationseffekte T1-Wiederaufbau, T2*-Zerfall, die multispektrale Komplexität

der Wasserstoffprotonen im Fettgewebe, sowie Fehler durch Bildrauschen und durch

Wirbelströme.

1.4.2 Proton-Density-Fett-Fraktion (PDFF)

Die PDFF ist definiert als das Verhältnis aus der Fett-Protonendichte (Triglyceride)

und der Dichte der Protonen von Fett und Wasser, unter Berücksichtigung aller

Störfaktoren in der MRT-basierten Auswertung. Die Bestimmung der PDFF wird

aktuell als der praktikabelste und bedeutungsvollste MRT-basierte Biomarker der

Fettquantifizierung angesehen [9].

Bei der Berechnung der PDFF zu beachtende Störfaktoren sind die

Relaxationseffekte T1-Wiederaufbau und T2*-Zerfall, sowie die multispektrale

Komplexität der Wasserstoffkerne in den Triglyceriden.

Der Relaxationseffekt des T1-Wiederaufbaus beschreibt die Rückgewinnung der

Longitudinalmagnetisierung nach Einstrahlung eines Hochfrequenzimpulses. Dies

erfolgt für Fett schneller als für Wasser [20]. Bei der Fettquantifizierung führt dieser

ungleiche Wiederaufbau zu Fehlern.

Nach Einstrahlung des Hochfrequenzimpulses und transversaler Auslenkung der

Protonen kommt es durch Wechselwirkungen der Protonen untereinander zur

Dephasierung. Dies wird als Spin-Spin-Wechselwirkung bezeichnet. Es kommt dabei

zu einer Abnahme der Transversalmagnetisierung mit zunehmender Zeit. Diese ist

physiologisch und wird als T2-Zerfall bezeichnet. Externe Einflüsse wie

Magnetfeldinhomogenitäten oder Wechselwirkungen mit anderen lokalen

Magnetfeldern, wie sie beispielsweise in Anwesenheit von Eisen auftreten,

beeinflussen den physiologischen T2-Zerfall. Diese Beeinflussung des Abbaus der

Transversalmagnetisierung wird als T2*-Zerfall bezeichnet [21]. Im Falle einer

Lebereisenüberladung würde das Signal schneller zerfallen und bereits während der

ersten Auslesungen von Out-Phase und In-Phase die Magnitudendaten beeinflussen.

Die Folge ist eine fehlerhafte Berechnung des absoluten Leberfettgehaltes.

Einen zusätzlichen Einfluss auf die Fettquantifizierung hat die multispektrale

Komplexität von Fett. Diese ergibt sich aus der differenten chemischen Struktur der

an der Fettzusammensetzung beteiligten Triglyceride. Fett liegt dem zufolge in

mehreren Spektren vor [22]. Diese weisen jeweils geringe Unterschiede in ihren

Resonanzfrequenzen auf. Die konventionelle Chemical Shift kodierte MRT

berücksichtigt allerdings nur die Resonanzfrequenz des Vektors vom dominanten

Methylen-Peak (-CH2). Dieser repräsentiert zirka 70% der im Fett gebundenen

Wasserstoffprotonen. Daraus resultiert, dass ohne eine Korrektur der multispektralen

Komplexität von Fett, der wahre Fettgehalt unterschätzt wird. Zur Korrektur in der

Nachberechnung besteht die Möglichkeit der Wichtung der einzelnen Vektoren

entsprechend dem Vorkommen in der chemischen Verbindung Fett [17]. Dies erfolgt

bei der Bestimmung der PDFF.

Wenn die PDFF aus den komplexen Daten ermittelt wird, sind zusätzlich Fehler

durch das Bildrauschen und so genannte Wirbelströme („eddy currents“) zu beachten

[9]. Letztere sind zirkuläre Ströme, die durch das einwirkende Magnetfeld entstehen

und selbst ein Magnetfeld erzeugen, das dem ersteren, erzeugenden Magnetfeld

entgegengerichtet ist.

1.5 Hochfeld-MRT

Die Definition des Begriffes Hochfeld-MRT muss im zeitlichen Wandel gesehen

werden. Es kommt beim Streben nach immer besserer Detailauflösung der Bilder

und Reduktion des zeitlichen Aufwandes zu stetigen Neuerungen, so zum Beispiel

zu einer Erhöhung der Feldstärke des statischen äußeren Magnetfeldes in

Magnetresonanztomographen. Aktuell sind MRT mit mehr als 3 Tesla als Hochfeld-

MRT zu bezeichnen. Neue Entwicklungen zeigen allerdings, dass Geräte mit einer

Feldstärke von bis zu 7 Tesla in der Präklinik akzeptiert sind und zunehmend auch

klinischen Einsatz finden [23].

Die technische Weiterentwicklung der MRT muss aufgrund zahlreicher anderer

physikalischer Effekte und Parameter hinsichtlich ihrer Vor- und Nachteile gegenüber

den älteren Generationen von Geräten, sowie hinsichtlich neuer Möglichkeiten und

Einschränkungen noch erforscht werden.

Die Vorteile von 7 Tesla-Geräten gegenüber Geräten mit Feldstärken von weniger

oder gleich 3 Tesla sind [23]:

- Erhöhung des Signal-zu-Rausch-Verhältnisses

o Verbesserte räumliche Auflösung

o Verbesserte zeitliche Auflösung

Nachteilig im 7 Tesla MRT gegenüber Geräten mit gleich oder kleiner als 3 Tesla

- Erhöhung der SAR (spezifische Absorptionsrate = durch

Untersuchungsobjekt aufgenommene Energie pro Masse)

- B1- Inhomogenität (Feldinhomogenität der anregenden Spulen)

- Geänderte Suszeptibilität (Reaktion eines Stoffes auf das Magnetfeld)

Die 7 Tesla-MRT bietet demnach neue Möglichkeiten der diagnostischen

Bildgebung. Die technisch-physikalischen Besonderheiten und geänderten

Störfaktoren müssen jedoch zur korrekten Datennachbearbeitung und zur

Patientensicherheit berücksichtigt werden und stellen die größte Limitation bei der

Datenakquisition dar. Im Speziellen führt die hohe magnetische Feldstärke zu

geringeren zeitlichen Abständen der in der Chemical Shift kodierten MRT

entscheidenden In- und Out-Phasen. Messungen zu den exakten kurz aufeinander

folgenden TE-Zeiten sind dadurch erschwert beziehungsweise unmöglich.

Eine akkurate Quantifizierung von Leberfett setzt voraus, dass potentielle

Störvariablen, wie der T2*-Zerfall, ein Fehler durch den unterschiedlichen T1-

Wiederaufbau von Wasser und Fett, die multispektrale Komplexität von Fett und

weitere Störvariablen, wie Wirbelströme und Magnetfeldinhomogenitäten

berücksichtigt werden. Im Hochfeld-MRT mit einer Feldstärke von 7 Tesla lässt sich

momentan nicht ableiten, ob ein Ausgleich der oben genannten Störvariablen und die

technische Umsetzung der Auslesezeitpunkte überhaupt möglich ist.

1.6 Fragestellung

A) In dieser Arbeit soll überprüft werden, in wie weit die 7 Tesla Hochfeld-MRT eine

Quantifizierung des Leberfettgehaltes zulässt.

Es existieren zwei anerkannte Verfahren zur Berechnung der Proton-Density

Fettfraktion: Die magnitudenbasierte Methode und die komplexe Methode mit

Berücksichtigung der Phaseninformation.

B) Daher soll zusätzlich die Zuverlässigkeit der magnitudenbasierten PDFF und der

komplexen PDFF im 7 Tesla Hochfeld-MRT überprüft und gegenübergestellt werden.

2. Material und Methoden

Im Rahmen einer Machbarkeitsstudie wurde der Leberfettgehalt an einem 7 Tesla

Hochfeld-MRT für Kleintiere in-vivo am Mausmodell bestimmt.

2.1 Tierversuch

Alle Tierversuche wurden nach Genehmigung beim Landesamt für Landwirtschaft,

Lebensmittelsicherheit und Fischerei Mecklenburg-Vorpommern (LALLF)

durchgeführt (Aktenzeichen: 7221.3-1.1-010/12).

Die Untersuchung am Tier war erforderlich, da wir davon ausgehen, dass sich in-vivo

Effekte, wie Temperatur, Atmung und die physiologische Lungen-Leber-Grenze, auf

die Fettquantifizierung auswirken. Ein humanes 7 Tesla-Gerät ist an unserem Institut

nicht verfügbar.

2.1.1 Mausmodell

Unsere Untersuchungen erfolgten mit Hilfe eines etablierten Mausmodells, der

leptindefizienten ob/ob-Maus vom Stamm C57BL/6 (Abbildung 3). Bei dieser wird

aufgrund eines homozygoten Gendefektes („knock-out“) des für das Peptid Leptin

kodierenden DNS-Abschnittes obligat eine Fettleber ausgebildet.

Leptin ist ein aus Adipozyten stammendes Peptidhormon. Es ist liquorgängig und

entfaltet seine Wirkung hauptsächlich am Hypothalamus. Hier steuert es Hunger-

und Sättigungsgefühl. In dem beschriebenen ob/ob-Mausmodell kann aufgrund

einer Mutation im ob-Gen, dessen Produkt Leptin ist, dieses nicht ausgeschüttet

werden. Die betroffenen Mäuse entwickeln obligat eine endokrin bedingte Adipositas

mit Ausbildung einer NAFLD [24,25]. Als Kontrolle wurden Wildtyp-Mäuse des

Stammes C57BL/6 verwendet.

Abbildung 3: In der Abbildung ist der Vergleich einer leptindefizienten Maus mit

einem Kontrolltier dargestellt; links: Wildtyp-Maus; rechts: leptindefiziente ob/ob-

Maus. Beide Tiere haben das gleiche Alter.

2.1.2 Anzahl der Versuchstiere

Untersucht wurden 23 männliche Mäuse (Tabelle 2). Von diesen waren 8 Mäuse

ohne ob/ob-Mutation (Wildtypen der C57BL/6, auch „black six“-Maus genannt) und

15 Mäuse vom selben Stamm Träger der ob/ob-Mutation (leptindefizient). Das Alter

der Tiere lag im Durchschnitt bei 99,86 ± 22,07 Tagen. Das durchschnittliche

Gewicht betrug 46,70 ± 13,23 Gramm. Dabei ist die Variabilität des Alters

beabsichtigt, um ein möglichst großes Spektrum unterschiedlicher Leberfettgehalte

abzubilden.

Gesamt Wildtyp (C57BL/6)

Leptindefizienz

(ob/ob-Mutation)

Anzahl 23 8 15

Gewicht (g) 46,70 ± 13,23 29,86 ± 2,61 55,77 ± 4,38

Alter (d) 99,86 ± 22,07 96,88 ± 14,91 101,57 ± 25,66

Tabelle 2: Anzahl, Gewicht und Alter der Mäuse als Mittelwerte ± der

entsprechenden Standardabweichung.

2.1.3 Standardisierte Haltung vor der Messung

Die Versuchstiere wurden vor der Untersuchung in der Zentralen Service- und

Forschungseinrichtung für Versuchstiere der Ernst-Moritz-Arndt-Universität

Greifswald in offenen Makrolon-Käfigen unter standardisierten Specific-Pathogen-

Free (SPF)-Bedingungen zu jeweils maximal 3 Tieren gehalten. Zu den Merkmalen

der SPF-Bedingungen gehören Personalschleusen, Schutzkleidung,

Materialschleusen und ein geringfügig höherer Luftdruck, sodass ein keimarmes

Milieu entsteht. Die Tiere waren außerdem frei von Keimen, die auf der Liste der

Federation of Laboratory Animal Science Associations (FELASA), der allgemeinen

Interessenvertretung der Versuchstierkunde in Europa, gelistet waren. Die Haltung

erfolgte auf Holzgranulat, bei konstantem Tag-Nacht-Rhythmus von 12 Stunden,

einer Raumtemperatur von 23 Grad Celsius und einer Luftfeuchte von 45%. Ernährt

wurden leptindefiziente und Wildtyp-Mäuse ad libitum gleichermaßen mit ssniff®

Futtermitteln (sniiff Spezialdiäten GmbH, Soest) und Leitungswasser. Vor der

Untersuchung erfolgte die Bestimmung des Körpergewichtes.

2.2 Ablauf der Untersuchung

Die Versuchstiere wurden zunächst narkotisiert und anschließend im MRT

untersucht. Darauf erfolgte der exitus letalis und die Entnahme der Leber zur

histopathologischen Untersuchung.

2.2.1 Narkose Zur Narkoseeinleitung wurden die Mäuse außerhalb des MRT in eine

Narkosekammer verbracht. Dieser wurde ein Isofluran-Sauerstoff-Gemisch bis zum

Erreichen der gewünschten Narkosetiefe zugeführt. Letztere lag bei erloschenem

Muskeltonus und aufgehobener Schmerzreaktion vor. Zur weiteren Gasapplikation

und Aufrechterhaltung der Narkose wurde ein Eppendorftube an der Nase

angebracht. Über dieses konnte das Isofluran-Sauerstoff-Gemisch der

Narkoseeinheit während der MRT appliziert werden. Die Isoflurankonzentration

betrug dabei zirka 1-2% und der Zufluss zirka 1 l/min während der Untersuchung. Die

Narkose betreute ein Veterinärmediziner mit entsprechender Qualifikation.

Die Messung im MRT erfolgte in Bauchlage auf einem angewärmten Messschlitten,

mit welchem die Körpertemperatur konstant gehalten werden konnte. Die

Narkosetiefe wurde über die Atemfrequenz kontrolliert. Ein drucksensitives

Atemkissen am Unterbauch übermittelte die Frequenz der Atemexkursionen an die

Monitoreinheit im Schaltraum. Um möglichst geringe Bewegungsartefakte zu

erhalten, lag die Atemfrequenz stets zwischen 30 und 40 Exkursionen pro Minute.

Die Untersuchung wurde bei Spontanatmung durchgeführt.

2.2.2 MRT-Untersuchung

Alle Untersuchungen wurden mit einem 7,1 Tesla-Magnetresonanztomographen für

Kleintiere der Firma Bruker durchgeführt (ClinScan; Bruker®, Ettlingen, Deutschland;

Abbildung 4). Als Spule verwendeten wir eine Ganzkörperspule für Mäuse. Dies ist

eine Volumenspule, mit deren Hilfe eine homogene Darstellung des Abdomens

erreicht werden konnte.

Die Gradientenfeldstärke betrug 290 mT/m. Die Slew-rate lag bei 1160 T/m/s. Es

wurde eine 3D multi-Echo-Gradientenechosequenz akquiriert und zu den folgenden

6 Echozeiten ausgelesen: TE1 = 2 ms, TE2 = 3,5 ms, TE3 = 4,44 ms, TE4 = 5,38 ms,

TE5 = 6,32 ms, TE6 = 7,26 ms.

Die weiteren Untersuchungsparameter sind: TR: 66 ms; Flipwinkel: 3°; Bandbreite +/-

1955 Hz/Pixel; Matrixdaten: interpoliert 256 x 256 Bildelemente; einsehbares Feld

der Matrix (field of view: FOV): 100%; 16 koronare Schichten in Bauchlage;

Schichtdicke: 1,5 mm; Schichtabstand: 0,75 mm.

Es erfolgte die Auslesung der Betragsbilder (Magnitudendaten) und der zugehörigen

Phasenbilder. Diese stellen die gewonnenen Rohdaten dar und bilden die Basis der

weiteren Auswertung.

Abbildung 4: ClinScan-MRT für Kleintiere von der Firma Bruker mit einer Feldstärke

von 7,1 Tesla

Alle MRT Untersuchungen erfolgten unter Verwendung eines identischen

Untersuchungsprotokolls durch einen qualifizierten Medizinisch Technischen

Radiologie-Assistenten (MTRA). Dieser besaß zum Untersuchungszeitpunkt eine

MRT-Erfahrung von 16 Jahren.

Nach Abschluss der MRT-Untersuchung wurde bei den untersuchten Mäusen der

exitus letalis mit Hilfe einer Überdosierung des Narkosemittels Isofluran und

anschließender zervikaler Dislokation herbeigeführt. Darauf erfolgte die Entnahme

der Leber zur histopathologischen Untersuchung ebenfalls durch oben genannten

qualifizierten Veterinärmediziner.

2.3 Aufarbeitung der MRT-Daten und Bildanalyse

Die Nachberechnung der generierten Rohdaten der Chemical Shift kodierten MRT

zur Erstellung von Fettfraktions-Bildern erfolgte mit der Software Matlab in der

Version 7.7.0; R2008b, MathWorks, Natick, MA. Es wurde ein Skript für die

Berechnung der PDFF verwendet [20]. Dieses ist an 1,5 Tesla und 3 Tesla-MRT

etabliert und wurde in verschiedenen klinischen Studien validiert [9,15]. Das Skript

beinhaltet die Korrekturen der bekannten Störfaktoren der Fettquantifizierung, des

T2*-Zerfalls und der multispektralen Komplexität von Fett.

Für die Daten in dieser Arbeit wurde auf eine Korrektur des T1-Bias verzichtet, da bei

der Verwendung einer hohen Relaxationszeit (TR) und eines geringen Flipwinkels

die T1-Effekte zu vernachlässigen sind [19,20].

Für jeden MRT-Datensatz erfolgte die Berechnung der PDFF magnitudenbasiert und

nach den komplexen Daten.

Bei der Berechnung der Magnitudendaten wurden die Betragsbilder zu den

Zeitpunkten der In-Phasen und Out-Phasen verwendet. In der Berechnung der

komplexen Bilder wurde die „Wasser-Fett-Mehrdeutigkeit“ der Vektoren in denselben

Bildern zusätzlich berücksichtigt. Die „Wasser-Fett-Mehrdeutigkeit“ beschreibt ein

Phänomen der Magnitudendaten, bei dem es zu einer Verwechslung der Vektoren

für Wasser und Fett zu den In-Phasen und Out-Phasen kommt. Um dies zu

vermeiden, wurden bei den komplexen Daten sowohl die Betragsbilder, als auch die

Informationen der zughörigen Phase berücksichtigt.

Die rekonstruierten PDFF-Karten transferierten wir zur Auswertung in das Programm

„OsiriX“ (Version: 5.9; Firma: Pixmeo SARL, Bernex, Schweiz). OsiriX ist eine frei

verfügbare Software zur digitalen Bildverarbeitung und Bildkommunikation in der

Medizin.

Zur Bestimmung der Fettfraktionen der Leber wurden koronare Schichten mit

möglichst großer Ausdehnung der Mausleber ausgewählt. Es wurde eine „Region of

Interest“ (ROI) in den Bildern der komplexen PDFF platziert. Hierbei wurde die ROI

so platziert, dass Blutgefäße ausgespart und Bewegungsartefakte berücksichtigt

wurden. Unter Verwendung der „copy“ und „paste“ Funktionen in „OsiriX“ wurde die

identische ROI auf die PDFF der Magnitudentechnik übertragen (Abbildung 5). Die

so ermittelten Fettfraktionen wurden in das Programm SigmaPlot™ (Version 13,

Firma Systat Software GmbH, Erkrath, Deutschland) transferiert. Die Ermittlung der

PDFF für beide Rekonstruktionsverfahren erfolgte unabhängig durch 2 Radiologen.

Untersucher 1 hatte 11 Jahre Erfahrung in radiologischer Bildgebung; Untersucher 2

hingegen nur 1 Jahr.

Abbildung 5: Koronares Schnittbild des Abdomen einer untersuchten Maus mit

handgezeichneter ROI über der Leber; links: PDFF-Karte errechnet aus den

komplexen Daten; rechts identische ROI kopiert in die PDFF-Karte erstellt aus den

Magnitudendaten.

2.4 Histopathologie

Die invasive Probenentnahme mit anschließender histopathologischer Aufarbeitung

stellt aktuell den Goldstandard der Leberfettquantifizierung dar [12].

Nach Untersuchung der Mäuse im MRT und Exploration der Leber wurden diese in

das Institut für Pathologie der Universitätsmedizin Greifswald verbracht. Es erfolgte

die Anfärbung mittels Hämatoxylin-Eosin, sowie die Sudanrot-Färbung. Beide

Färbungen ermöglichen die quantitative Bestimmung des Fettgehaltes. Letztere ist

eine spezifische Färbung von Fett in Gefrierschnitten der Leber. In der Hämatoxylin-

Eosin-Färbung fallen Fettvakuolen der Fixierung anheim und stellen sich als

unspezifische intrazelluläre Defekte dar. Alle Schnitte wurden durch einen erfahrenen

Pathologen am Institut für Pathologie der Universitätsmedizin Greifswald gesichtet.

Nach standardisiertem Vorgehen wurde bildmorphologisch der Anteil der verfetteten

Hepatozyten in 5%-Schritten bestimmt.

2.5 Statistik

Die statistische Analyse erfolgte mit dem Programm SigmaPlot™ (Version 13, Firma

Systat Software GmbH, Erkrath, Deutschland).

A - Zur Qualitätssicherung wurden die Daten beider Untersucher mit Hilfe einer

Bland-Altman-Analyse separat für jede Rekonstruktionsmethode verglichen.

Zusätzlich erfolgte eine lineare Regressionsanalyse zwischen beiden Untersuchern

getrennt für die Magnitudendaten und die komplexen Daten und die Ermittlung des

Spearman Korrelationskoeffizienten (r). Ein Korrelationskoeffizient von 1 wird als

perfekte Übereinstimmung gewertet. Ansonsten gilt: 0-0,2: kein/geringer

Zusammenhang; 0,2-0,5: schwacher bis mäßiger Zusammenhang; 0,5-0,8:

deutlicher linearer Zusammenhang; 0,8-1,0: hoher bis exzellenter linearer

Zusammenhang.

B1 - Alle weiteren Analysen wurden mit dem Mittelwert beider Untersucher getrennt

für die PDFF der Magnitudendaten und die PDFF der komplexen Daten durchgeführt.

In einer Analyse wurden die Fettfraktionen der leptindefizienten Tiere und die PDFF

der Kontrolltiere miteinander auf signifikante Unterschiede verglichen. Die

Ergebnisse sollen demonstrieren, dass mit Hilfe der PDFF die Gruppenzugehörigkeit

der Tiere (Fettleber ja/nein) sicher getroffen werden kann. Die Analyse erfolgte

getrennt für beide Rekonstruktionen. Zunächst wurden die Daten auf

Normalverteilung getestet. Die PDFF der Magnitudendaten war nicht normal verteilt,

so dass der Mann-Whitney-U-Test für die weitere Analyse benutzt wurde. Die PDFF

der komplexen Daten war normal verteilt, so dass wir den T-Test benutzten. Das

Signifikanzniveau lag bei p ≤ 0,05.

B2 - Zusätzlich erfolgte der Vergleich zwischen der PDFF aus beiden

Rekonstruktionsverfahren mit einer Bland-Altman-Analyse, sowie einer Passing-

Bablok-Regressionsanalyse. Diese Analysen wurden durchgeführt um zu prüfen, ob

Unterschiede zwischen beiden Rekonstruktionsverfahren bestehen. Zusätzlich

erfolgte wieder eine lineare Regressionsanalyse mit Berechnung des

Regressionskoeffizienten.

C - In einem letzten Schritt wurden beide Rekonstruktionsverfahren mit dem

Goldstandard der Fettgehaltsbestimmung, der Histopathologie, gegenübergestellt.

Aufgrund der bekannten unterschiedlichen Einheiten zwischen dem Fettgehalt der

Histopathologie und dem Fettgehalt aus der MRT erfolgte der Vergleich

ausschließlich durch eine lineare Regressionsanalyse.

3. Ergebnisse

Im Folgenden sind zunächst die Ergebnisse der PDFF der Leber in Abhängigkeit von

der Versuchsgruppe aufgeführt. Weiterhin wurde im Rahmen einer

Qualitätssicherung die Übereinstimmung der PDFF beider Untersucher überprüft.

Danach erfolgte eine Gegenüberstellung der PDFF beider Rekonstruktionsverfahren

sowie ein Vergleich mit dem Goldstandard der Histopathologie.

3.1 Tabellarische Darstellung der Ergebnisse

Es folgt eine tabellarische Aufstellung der PDFF beider Rekonstruktionsverfahren

und des zugehörigen Fettgehaltes aus der Histopathologie. Ein direkter Vergleich der

durchschnittlich ermittelten PDFFs der leptindefizienten Tiere mit den Kontrolltieren

in Tabelle 3 zeigte hochsignifikante Unterschiede; für die PDFF Magnitudendaten: p

≤ 0.001 und für die PDFF komplexe Daten: p ≤ 0.001.

Art der Tiere PDFF Magnitudendaten (%)

PDFF komplexe Daten (%)

Ob/ob-Maus 12,34 18,97

Wildtyp-Maus 1,27 5,41

Tabelle 3: Übersicht über die durchschnittlich ermittelten Fettfraktionen für

leptindefiziente (ob/ob) Mäuse und Wildtyp-Mäuse, jeweils aus den Magnitudendaten

und den komplexen Daten.

Tabelle 4 zeigt die PDFF der leptindefizienten Mäuse. Hierbei ergibt sich für die

komplexen Daten eine mittlere Fettfraktion von 18,97 ± 3,70% und für die

magnitudenbasierte Nachberechnung von 12,34 ± 4,37%. Der histopathologisch

ermittelte Fettgehalt zeigt im Mittel mit 71,67 ± 14,10% eine andere Größenordnung.

Tabelle 4: PDFF der leptindefizienten Mäuse für beide Rekonstruktionen mit dem

zugehörigen Fettgehalt aus der Histopathologie; *: beispielhaft in Abbildung 10

verwendetes MRT-Bild.

Tabelle 5 zeigt analog die Fettfraktionen der Wildtyp-Mäuse. Hierbei ergibt sich für

die komplexen Daten eine mittlere Fettfraktion von 5,41 ± 3,08%. Die

magnitudenbasierte Nachberechnung liegt im Mittel bei einer niedrigeren Fettfraktion

von 1,27 ± 1,73%. Zwischen diesen durch die MRT ermittelten Fettfraktionen liegt

der histopathologisch ermittelte Fettgehalt mit 2,5 ± 3,78%.

ob/ob Maus: Tier Nummer

PDFF Magnitudendaten

Histopathologie

1 21,16 16,08 75 2 19,81 16,77 70 3 20,35 9,70 70 4 23,13 12,58 70 5 20,24 13,15 70 6 16,70 15,20 70 7 27,06 16,99 70 8 16,36 12,73 80 9 15,40 12,39 80

10 18,56 15,98 70 11 14,02 10,04 80 12* 22,84 11,70 85 13 18,69 13,07 85 14 16,88 9,33 75

15 13,41 -0,60 25

Standardabweichung 3,70 4,37 14,10 Mittelwert (%) 18,97 12,34 71,67

Wildtyp Maus: Tier Nummer

PDFF Magnitudendaten

Histopathologie (%)

16 1,78 0,42 0 17 3,42 -0,79 0 18 5,83 5,03 0 19 5,41 0,54 0 20* 11,46 0,24 5 21 7,02 1,74 0 22 6,08 1,49 10 23 2,31 1,52 5

Standardabweichung 3,08 1,73 3,78

Mittelwert (%) 5,41 1,27 2,5

Tabelle 5: PDFF-Daten der Wildtyp-Mäuse für beide Rekonstruktionsmethoden mit

dem zugehörigen Fettgehalt aus der Histopathologie; *: beispielhaft in Abbildung 11

verwendetes MRT-Bild.

Die in den Tabellen gekennzeichneten Tiere (*) wurden beispielhaft im Folgenden

(Abbildung 10 und 11) auch bildlich dargestellt. Es handelt sich jeweils um eine

leptindefiziente und eine Wildtyp-Maus.

3.2 Qualitätssicherung bei der Ermittlung der PDFF

Lineare Regressionsanalysen weisen einen linearen Zusammenhang zwischen den

von beiden Untersuchern ermittelten Fettfraktionen der Magnitudendaten und der

komplexen Daten nach (Abbildung 6 und 7). Für die PDFF, berechnet aus den

Magnitudendaten, ergibt sich ein Korrelationskoeffizient von r=0,85. Der mittlere

Unterschied zwischen beiden Untersuchern, berechnet mittels Bland-Altman-

Analyse, beträgt 0,82 (Abbildung 6).

Auch der Vergleich beider Untersucher bezüglich der PDFF ermittelt aus den

komplexen Daten zeigt einen linearen Zusammenhang mit einem

Korrelationskoeffizienten von r=0,86 und einem mittleren Unterschied von 0,96

(Abbildung 7).

Abbildung 6: Untersuchervergleich zur Fettgehaltsquantifizierung mittels PDFF aus den Magnitudendaten basierend auf einer linearen Regressionsanalyse (links),

sowie Bland-Altman-Analyse (rechte Seite). Graph der linearen Regression: Die rote

Linie repräsentiert die Regressionsgerade, die gestrichelten, roten Linien

repräsentieren das 95% Konfidenzintervall der Regressionsgeraden. Bland–Altman-

Graph: Die durchgezogene, rote Linie repräsentiert die mittlere Abweichung. Die

gestrichelten, roten Linien repräsentiert die mittlere Abweichung ± 1,96

Standardabweichung (SD). MW = Mittelwert.

Abbildung 7: Untersuchervergleich zur Fettgehaltsquantifizierung mittels PDFF aus den komplexen Daten basierend auf einer linearen Regressionsanalyse (links),

sowie Bland-Altman-Analyse (rechts). Graph der linearen Regression: Die rote Linie

repräsentiert die Regressionsgerade, die gestrichelten, roten Linien repräsentieren

das 95% Konfidenzintervall der Regressionsgeraden. Bland–Altman-Graph: Die

durchgezogene, rote Linie repräsentiert die mittlere Abweichung. Die gestrichelten,

roten Linien repräsentiert die mittlere Abweichung ± 1,96 Standardabweichung (SD).

MW = Mittelwert.

3.3 Vergleich der PDFF von Magnitudendaten und komplexen Daten

Die durchgeführte Passing-Bablok-Regressionsanalyse zeigt ebenfalls eine hohe

Übereinstimmung der beiden Messmethoden (PDFF aus den komplexen Daten im

Vergleich zu der PDFF aus den Magnitudendaten) zur Bestimmung des

Leberfettgehaltes unter Benutzung der aus den Untersuchern gemittelten

Fettfraktionen auf (Abbildung 8 linke Seite). Der Regressionskoeffizient beträgt 1,2.

Die Ermittlung der PDFF aus den komplexen Daten liefert grundsätzlich höhere

Werte, als die auf den Magnitudendaten basierende Nachberechnung. Zur

graphischen Darstellung der Messunterschiede beider Methoden wurde das Bland-

Altman-Diagramm gewählt (Abbildung 8 rechte Seite). Hierbei zeigte sich eine

mittlere Differenz der Messergebnisse von 5,77%, wobei diese über die gesamte

Breite der ermittelten Fettfraktionen etwa konstant auftrat.

Abbildung 8: Methodenvergleich zur Fettgehaltsquantifizierung mittels PDFF aus Magnitudendaten und komplexen Daten basierend auf einer Passing-Bablok-

Regressionsanalyse (linke Seite), sowie Bland-Altman-Analyse (rechte Seite). Passing–Bablok-Graph: Die rote Linie repräsentiert die Regressionsgerade. Bland–

Altman-Graph: Die durchgezogene, rote Linie repräsentiert die mittlere Abweichung.

Die gestrichelten, roten Linien repräsentiert die mittlere Abweichung ± 1,96

Standardabweichung (SD). MW = Mittelwert.

3.4 Vergleich mit dem Goldstandard

In der Gegenüberstellung der Messmethoden, PDFF der Magnitudendaten und

PDFF der komplexen Daten, mit dem Goldstandard, der Histopathologie, wurde für

beide Verfahren eine lineare Korrelation detektiert (Abbildung 9). Die

Regressionskoeffizienten betrugen für die PDFF der Magnitudendaten 0,806 und für

die PDFF der komplexen Daten 0,770.

Abbildung 9: Lineare Regression zur Darstellung des Zusammenhangs der

ermittelten PDFFs mit der Histopathologie.

In Abbildung 10 sind komplex (A) und magnitudenbasiert (B) nachberechnete PDFF-

Karten einer leptindefizienten Maus dargestellt. Es handelt sich hierbei um

biometrische Karten, die den Fettgehalt in Graustufen darstellen. In denselben

koronaren Schichten zeigen sich deutliche Artefakte in dem komplex

nachberechneten Bild. Diese führen zu einer Überbewertung des Fettgehaltes. Zu

beachten ist die unterschiedliche Graustufenskala in beiden Bildern. Analog dazu

zeigt Abbildung 11 dieselbe koronare Schicht des Abdomens einer Wildtyp-Maus.

Die Leber zeigt sich auf den Übersichtsbildern bereits weniger verfettet als in der

leptindefizienten Maus. Auch hier ist das Bild, das aus den komplexen Daten

nachberechnet ist, durch Artefakte verfälscht. Diese Artefakte in den komplex

��

�� !"�#��

��$�%��&�� !"�#''� ��

��

nachberechneten Bildern führen zu einer Überschätzung des wahren Fettgehaltes.

Beigefügt in beiden Abbildungen ist das entsprechende histopathologische Bild in 40-

facher Vergrößerung (C). Deutlich sichtbar sind im Vergleich die hellen Fettvakuolen

in den Hepatozyten der leptindefizienten Maus in Abbildung 10C.

Abbildung 10: Koronare Schnittbilder einer leptindefizienten Maus. A: komplex

nachberechnetes Bild mit deutlichen Artefakten (rote Pfeile); B: Bild aus den

Magnitudendaten in derselben koronaren Schicht. C: Histopathologisches Bild unter

40-facher Vergrößerung.

Abbildung 11: Analog zu Abbildung 10 hier Darstellung einer Wildtyp-Maus. A:

komplex nachberechnetes Bild mit deutlichen Artefakten (roter Pfeil); B: Bild aus den

Magnitudendaten in derselben koronaren Schicht. C: Histopathologisches Bild unter

40-facher Vergrößerung.

4. Diskussion In dieser Arbeit untersuchten wir im Rahmen einer Machbarkeitsstudie die

Möglichkeit der Quantifizierung von Leberfett an einem 7 Tesla Hochfeld-MRT unter

Verwendung eines akzeptierten Tiermodells. Unsere Ergebnisse zeigen, dass die

Fettgewebsquantifizierung auch am 7 Tesla Hochfeld-MRT möglich ist. Die PDFF

liefert bei einer Feldstärke von 7 Tesla akkurate Ergebnisse und kann somit auch an

diesen Geräten als ein Biomarker zur Quantifizierung des Leberfettgehaltes

eingesetzt werden.

Die PDFF zeigt in Abhängigkeit von dem gewählten Rekonstruktionsverfahren

gegenüber dem Goldstandard, der Histopathologie, einen deutlichen bis hohen

linearen Zusammenhang. Die beiden untersuchten Nachberechnungsmethoden

(komplexe und magnitudenbasierte Methode zur Bestimmung der PDFF) zeigen im

Vergleich eine hohe lineare Korrelation. Bei der Gegenüberstellung der beiden

Rekonstruktionsverfahren sehen wir einen Vorteil der magnitudenbasierten Methode

durch bessere Korrelation mit der Histopathologie, am ehesten in Folge einer

geringeren Störung durch Artefakte.

Sowohl die MRT, als auch die Histopathologie bestimmen den Leberfettgehalt.

Anhand der erhobenen Daten konnten wir allerdings herausarbeiten, dass der

Fettgehalt der Histopathologie und der Fettgehalt der MRT nicht direkt vergleichbar

sind, da die Ergebnisse der Verfahren unterschiedlich interpretiert werden. In der

Histopathologie wird mikroskopisch der Anteil der verfetteten Hepatozyten bezogen

auf alle Hepatozyten bestimmt. Die MRT bestimmt hingegen das Verhältnis von

Wasser zu Triglyceriden. Bei vorhandenem linearen Zusammenhang der beiden

Verfahren, ist zur Vergleichbarkeit der Daten deshalb eine Kalibrierung erforderlich.

Um diese Kalibrierung ubiquitär anwenden zu können, müssen die MRT-Verfahren

reproduzierbare Ergebnisse liefern.

Die verwendeten Methoden basieren auf der Chemical Shift kodierten MRT, welche

ein anerkanntes Verfahren zur Quantifizierung von Leberfett ist [9,26]. Bevor es zu

dieser Anerkennung kam, bedurfte es einer fortlaufenden Weiterentwicklung der

Methode. Erste wissenschaftliche Daten der letzten Jahre suggerierten zunächst,

dass die Fettfraktion aus der konventionellen Chemical Shift kodierten MRT keine

reproduzierbaren Ergebnisse liefert [17,20]. Wie Vorstudien zeigen, änderte sich in

Abhängigkeit der verwendeten Hardware und Software die Fettfraktion [17,20]. Auch

am gleichen Gerät wurden durch unterschiedliche Einstellung der Scanparameter

unterschiedliche Fettfraktionen bei einem Individuum ermittelt [17,20]. In

darauffolgenden Untersuchungen wurden Fehler, welche zu der fehlenden

Vergleichbarkeit der Daten führten, analysiert und Methoden zur Korrektur

vorgeschlagen [18,22,27-31].

Durch das Verständnis der Einflussfaktoren und den Ausgleich aller potentiellen

Störvariablen, wie dem T1-Effekt, dem T2*-Fehler, der multispektralen Komplexität

des Fettes, dem Rauschfehler und dem Fehler durch Wirbelströme konnte die auf

dem Chemical Shift basierende Bestimmung der PDFF zu jenem zuverlässigen und

über verschiedene Hardware und Untersuchungsparameter hinweg vergleichbaren

Biomarker für die Quantifizierung von Leberfett werden. Die Berechnung der PDFF

erfordert dabei aktuell ein komplexes Postprocessing. Entsprechende Skripte zur

Nachberechnung stehen auf der Seite der ISMRM (International Society For

Magnetic Resonance In Medicine) im Bereich „Workshop on Fat-Water

Separation“ zum Download zur Verfügung [32].

In bisherigen Studien konnte an Geräten bis 3 Tesla gezeigt werden, dass die

Fettgehaltsquantifizierung durch Bestimmung der PDFF im MRT gut mit alternativen

Methoden, wie der MRT-Spektroskopie [33,34], dem Triglyceridgehalt [35] und auch

dem klinisch akzeptierten Goldstandard der Histopathologie [21,36,37] korreliert und

akkurate Ergebnisse liefert.

In der Literatur ist auch für die 7 Tesla-MRT bereits die Fettgewebsquantifizierung

beschrieben. Allerdings ergab sich unter Verwendung der konventionellen Chemical

Shift kodierten MRT, bei der kein Ausgleich der Störvariablen erfolgt, eine erschwerte

Reproduzierbarkeit der Fettgehalte. In der entsprechenden Arbeit von Ljundberg et al.

wurden Fettfraktionen in einem Phantom ermittelt. Die eingesetzten Geräte besaßen

Feldstärken von 1,5 T, 3 T und 7 T. Es wurde mit der MRT-Spektroskopie verglichen.

Dabei zeigten sich Unterschiede in der Genauigkeit der ermittelten Fettfraktionen

zwischen den MRT unterschiedlicher Feldstärke. Außerdem zeigten sich als

limitierender Faktor Feldinhomogenitäten insbesondere bei 7 Tesla, sodass teilweise

keine Auswertung der Fettfraktionen vorgenommen werden konnte [38]. Ein

Ausgleich der Störvariablen, wie bei der Bestimmung der PDFF wurde hier nicht

vorgenommen.

In einer weiteren Arbeit wurde zur Fettgewebsquantifizierung ebenfalls die Chemical

Shift kodierte MRT verwendet und die PDFF bestimmt. Hier verglichen Johnson et al.

2010 in einer klinischen Studie die PDFF der Leber von 15 Patienten an 2

verschiedenen MRT-Geräten mit 1.5 Tesla und mit 3 Tesla. Die Patienten litten zum

Teil an einer NAFLD. Die PDFF wurde aus den komplexen Daten berechnet. Es

konnte eine Übereinstimmung zwischen den Fettfraktionen aus 1.5 Tesla und 3

Tesla ermittelt werden (R2= 0,97; Anstieg nicht signifikant unterschiedlich von 1,

Schnittpunkt durch die y-Achse nicht unterschiedlich von 0). Dadurch

schlussfolgerten die Autoren, dass die Fettgewebsquantifizierung mittels PDFF über

verschiedene Feldstärken hinweg reproduzierbare Ergebnisse liefert [12]. Ein 7

Tesla-MRT wurde nicht eingesetzt.

Die Limitationen der oben genannten Studien sind zum einen der fehlende Ausgleich

der Störvariablen bei Ljundberg et al. und zum anderen die im Vergleich geringere

Feldstärke von maximal 3 Tesla in der Studie von Johnson et al. [38,12].

An Geräten von 1,5 und 3 Tesla wurde der Ausgleich der Störvariablen durchgeführt

und es konnten, wie von Johnson et al. gezeigt, verlässlich PDFFs ermittelt werden

[12]. In der genannten Arbeit von Ljundberg zeigen sich unter Verwendung der

konventionellen Chemical Shift kodierten MRT jedoch auch Unterschiede bei der

Fettquantifizierung unter Nutzung von Geräten mit unterschiedlichen Feldstärken [38].

Bislang ist aus unserer Sicht unklar, inwieweit Feldinhomogenitäten und

ausgeprägtere „eddy currents“ bei 7 Tesla die Nachberechnungen zum Ausgleich der

Störvariablen am 7 Tesla Hochfeld-MRT beeinflussen und ob die Berechnung der

PDFF, wie sie an MRT-Geräten von 1.5 Tesla und 3 Tesla erfolgreich durchgeführt

wird, auch am 7 Tesla-MRT funktioniert.

Zum Beispiel ist bekannt, dass für eine akkurate Quantifizierung von Leberfett der

Signalzerfall mit der Zeit berücksichtigt werden muss. Die PDFF beinhaltet eine T2*-

Korrektur. Das heißt, die primär zur Fettquantifizierung verwendeten Bilder, im

Idealfall In-Phase und Out-Phase, werden für diesen Signalzerfall mit der Zeit

korrigiert. Hervorgerufen wird dieser Störfaktor in der Leber hauptsächlich durch

abgelagerte ferromagnetische Stoffe, wie zum Beispiel Eisen. Bislang ist nicht klar,

wie sich der T2*-Effekt in einem Hochfeld-MRT im Vergleich zu Geräten mit einer

Feldstärke von 3 Tesla und weniger verhält. Im Phantom konnten in derartigen

Untersuchungen bei Feldstärken bis 3 Tesla bisher keine Unterschiede festgestellt

werden [39]. In-vivo Daten an Geräten bis 7 Tesla Feldstärke fehlen allerdings. Die

von uns durchgeführten Untersuchungen liefern hier erste Ergebnisse, die die

Machbarkeit in vivo bei 7 Tesla unter Verwendung der PDFF zeigen.

Für diese neuere Methode der Leberfettquantifizierung ist es entscheidend,

zuverlässige Ergebnisse auch im Vergleich mit etablierten Verfahren zu liefern. Einen

guten Zusammenhang zwischen der PDFF und dem Goldstandard, der

Histopathologie, zeigen bereits publizierte Daten für Feldstärken von 3 Tesla und

weniger [40]. In unserer Arbeit konnte eine gute Korrelation zwischen der im

Hochfeld-MRT ermittelten PDFF und der Histopathologie ebenfalls aufgezeigt

werden. Die Berechnung der PDFF als Marker des Leberfettgehaltes funktioniert

daher auch in der 7 Tesla-MRT.

In Untersuchungen von Hatta et al. wurde 2010, vor der jetzt allseits anerkannten

PDFF, die konventionelle Chemical Shift kodierte MRT zur Fettquantifizierung mit der

Histopathologie bei 1,5 Tesla verglichen [41]. Das Ergebnis der Studie zeigte, dass

nach erfolgter Kalibrierung eine Bestimmung des Fettgehaltes mit dieser MRT-

Methode möglich war.

Es wird mit den aktuellen Daten unserer Untersuchungen gezeigt, dass die bioptisch

in der Histopathologie aus dem Gewebe gewonnen Fettgehalte und die PDFF aus

dem 7 Tesla-MRT bei guter Korrelation zur Vergleichbarkeit jedoch auch eine

Kalibrierung erfordern und dass sich die Störfaktoren, anders als von Johnson et al.

beschrieben [12], in Abhängigkeit von der Feldstärke möglicherweise doch

unterschiedlich auf die PDFF auswirken.

In unserer Arbeit führen die beiden verwendeten Rekonstruktionsverfahren der PDFF

(magnitudenbasierte Nachberechnung und Nachberechnung aus den komplexen

Daten) zu leicht unterschiedlichen Ergebnissen, sodass für eine Kalibrierung geklärt

sein muss, welches Verfahren die richtigen Ergebnisse liefert. Hierzu sind weitere

Untersuchungen bei 7 Tesla nötig.

Die hier angewendeten Rekonstruktionsalgorithmen sind die beiden anerkannten

Verfahren zur Fettgewebsquantifizierung durch Chemical Shift kodierte MRT. Die

magnitudenbasierte Methode wird vorwiegend von der Arbeitsgruppe Sirlin et al.

(San Diego, California, USA) empfohlen [42]. Die komplexe Methode hat als

Hauptvertreter die Arbeitsgruppe Reeder et al. (Madison, Wisconsin, USA) [19]. Die

magnitudenbasierte Methode gilt als robuste Methode, da hier ausschließlich die

Betragsbilder für die Berechnung der PDFF verwendet werden. Mit dieser Methode

kann der Fettgehalt in der Spannweite von 0-50% ermittelt werden. Für

Leberuntersuchungen sollte dies kein Problem darstellen, da in der klinischen MRT-

Diagnostik Leberfettgehalte von größer 40% sehr selten beobachtet werden. In einer

Studie an 2000 Patienten wies kein einziger einen Leberfettgehalt über 50% auf

[43,44]. Die zweite Methode (komplexe PDFF) beinhaltet neben den Betragsbildern

Informationen über die dazugehörige Phase. Damit wird es möglich, den dominanten

Vektor auszumachen. Hierdurch kann der Fettgehalt über die gesamte Spannweite

von 0-100% in einer biometrischen Karte abgebildet werden. Für eine

Fettgewebsquantifizierung außerhalb der Leber, zum Beispiel viszerales oder

subkutanes Fett, ist dies von Vorteil. Ein erheblicher Nachteil der komplexen

Methode ist, dass die Phaseninformationen anfällig für Artefakte sind [44]. In

Verbindung mit der hohen Feldstärke des 7 Tesla-MRT besteht ein gesteigertes

Risiko von Fehlern in den Phasenbildern. Daraus resultiert in der Theorie eine

Einschränkung für die Fettgewebsquantifizierung an Hochfeld-MRT Geräten. Für

niedrige Feldstärken sollten beide Methoden die gleichen Ergebnisse liefern, sofern

die Spannweite des Fettgehaltes zwischen 0-50% liegt.

Zu Beginn unserer Untersuchungen zeigten sich in einer ersten Auswertung der mit

Hilfe der komplexen Daten erstellten Bilder die oben genannten störenden Artefakte.

Visuell erweckten sie den Anschein, die Fettgewebsquantifizierung negativ zu

beeinflussen (Abbildung 10 und 11). Diese beobachteten Artefakte traten in den

Bildern der Magnitudendaten nicht auf. Beim Vergleich der Ergebnisse beider

Methoden denken wir, dass die Bestimmung der Fettgehalte durch die

magnitudenbasierte Nachberechnung die sichersten Ergebnisse liefert. Die Artefakte

führen unserer Meinung nach zu einer Überschätzung des Fettgehaltes in den

PDFFs aus den komplexen Daten. Für eine Kalibrierung sind demnach die

Magnitudendaten heranzuziehen. Zur Bestätigung dessen sind jedoch weitere

Studien erforderlich.

Auch von der Arbeitsgruppe Reeder et al. wurden solche Artefakte nach Anwendung

der komplexen Methode im 3 Tesla-MRT beobachtet [30]. Sie wurden den

Phasenfehlern der Wasser- und Fettvektoren zugeschrieben. Diese Phasenfehler

kommen durch lokale Wirbelströme („eddy currents“) zustande und können unserer

Ansicht nach durch Überbewertung des Leberfettgehaltes zu falsch positiver

Diagnose einer NAFLD führen.

In unserer Arbeit zeigt sich an den biometrischen Karten, dass die aus den

Magnitudendaten erstellten Bilder deutlich weniger Artefakte aufweisen. Auch andere

Studien zeigen, dass die Magnitudendaten von Phasenfehlern unbeeinflusst bleiben

[45,46].

Beide Arbeitsgruppen (Reeder et al. und Sirlin et al.) untersuchten mit diesem

Wissen in teilweise gemeinsamen Veröffentlichungen die Möglichkeit der

Kombination beider Methoden bei Feldstärken bis 3 Tesla. In den Ergebnissen

konnte die geringe Anfälligkeit der Magnitudendaten für Phasenfehler und das gute

Signal-zu-Rausch-Verhältnis der komplexen Daten bestätigt werden. Und es wurde

demonstriert, dass die Kombination der Methoden („mixed fitting method“) die

jeweiligen Vorteile kombiniert und zu akkuraten Leberfettfraktionen mit geringer

Verzerrung der Ergebnisse durch Artefakte bei gutem Signal-zu-Rausch-Verhältnis

an Geräten bis 3 Tesla führt [18,30].

An MRT mit einer Feldstärke von 7 Tesla gibt es bisher noch keine Untersuchungen,

welche die komplexen Daten und die Magnitudendaten kombinieren, sodass hier

eine Möglichkeit der Weiterentwicklung in der Leberfettquantifizierung durch die

Ermittlung der PDFF zu sehen ist.

Mit dem Wissen um die Möglichkeit der Fettgewebsquantifizierung durch

Bestimmung der PDFF im Hochfeld-MRT ergibt sich als ein Ausblick das Ziel einer

klinischen Verwertbarkeit, zum Beispiel im Rahmen eines Screenings von NAFLD.

Bereits bekannt ist, dass es, aufgrund der Ausbildung einer inflammatorischen

Komponente bei der NAFLD, zum Fortschreiten des Krankheitsbildes bis hin zur

NASH, Leberfibrose und Leberzirrhose kommen kann [1]. Frühzeitige, zuverlässige

Diagnostik und Prävention sollen diese Prozesse positiv beeinflussen. Die sichere

Fettgehaltsquantifizierung ist dabei Voraussetzung um vorzugsweise zusammen mit

anderen Methoden, wie dem R2*-Mapping (dieses ermöglicht die Quantifizierung des

Lebereisengehaltes), der diffusionsgewichteten MRT und leberspezifischen

Kontrastmitteldarstellungen, Rückschlüsse auf die in diesem Krankheitsverlauf sehr

bedeutende Steatohepatitis (NASH) zu ziehen. Dazu sollten weitere Studien

durchgeführt werden, welche die Methode weiterentwickeln, sodass die PDFF auch

bei 7 Tesla in korrekter Größenordnung Fettgehalte ermittelt. Eine Möglichkeit der

Weiterentwicklung bestünde in der auf 7 Tesla-MRT zugeschnittenen

Berücksichtigung der Störvariablen und deren Ausgleich. In Folge einer technischen

Weiterentwicklung des 7 Tesla-MRT bleibt ebenfalls zu erwarten, die

Signalmessungen zukünftig mit den genauen In-Phase- und Out-Phase-TE-Zeiten,

wie sie durch den Chemical Shift definiert sind, synchronisieren zu können.

Die Studie besitzt verschiedene Limitationen:

Zum Vergleich mit den ermittelten PDFFs wurde die Histopathologie als

Goldstandard verwendet. Im Gegensatz zur Histopathologie würde die Bestimmung

des Triglyzeridgehaltes im Lebergewebe im Rahmen der histopathologischen

Aufarbeitung eine adäquatere und mit der MRT besser vergleichbarere Methode

darstellen, da auch hier der Anteil der chemischen Verbindung im Gewebe objektiv

ermittelt wird. In der Literatur wird zusätzlich die MRT-Spektroskopie als Referenz

herangezogen [33,34].

Bei der auf dem sogenannten Chemical Shift-Effekt beruhenden Methode wird

anhand unterschiedlicher Resonanzfrequenzen zwischen Protonen, die an Wasser

und an Fett gebunden sind, unterschieden. Der Frequenzunterschied ist

feldstärkeabhängig und beträgt für 1 Tesla ≈ 148Hz. Es ist bekannt, dass dieser

Effekt proportional zur Feldstärke ist [47], und bei 7 Tesla einem

Frequenzunterschied von ≈ 1040Hz entspricht. Das heißt, dass zwischen zwei In-

Phasen ein zeitlicher Abstand von zirka 1ms (In-Phase zu Out-Phase zirka 0,5ms)

besteht. Es ist zum aktuellen Zeitpunkt nicht möglich an dem verwendeten MRT mit

einer Feldstärke von 7 Tesla Bilder zu diesen, durch den Chemical Shift definierten

Echozeiten (TE), In-Phase und Out-Phase, auszulesen. Dies ist an den in dieser

Untersuchung verwendeten und im Abschnitt 2.2.2 genannten TE-Zeiten ersichtlich.

Hier ist eine aktuell bestehende Einschränkung der Fettgehaltsquantifizierung in

Hochfeld-MRT-Geräten auszumachen.

Feldinhomogenitäten, verstärkt auftretende Wirbelströme („eddy currents“) und die

erschwerte Umsetzbarkeit der durch die unterschiedlichen Resonanzfrequenzen der

Protonen bestimmten TE-Zeiten wirken limitierend auf die Fettgewebsquantifizierung

mittels PDFF bei der 7 Tesla-MRT. Des weiteren ist der T2*-Effekt bei dieser

Feldstärke in-vivo noch nicht erforscht.

Die in dieser Studie erzielten Ergebnisse zeigen jedoch, dass durch die Ermittlung

der PDFF im 7 Tesla Hochfeld-MRT der Leberfettgehalt in-vivo bestimmt werden

Eine weitere Limitation der Studie ist, dass eine Häufung der Fettfraktionen im hohen

Bereich (leptindefiziente Tiere) zu finden ist. Um dieses Phänomen zu reduzieren,

wurden leptindefiziente Tiere unterschiedlichen Alters eingeschlossen. Dennoch war

es bei den Untersuchungen schwierig, Mäuse mit einer mittelgradigen Verfettung zu

selektieren. Es ist daher zu vermuten, dass bei leptindefizienten Mäusen die

Steatosis hepatis frühzeitig ausgebildet wird.

Zusammenfassend lässt sich schlussfolgern, dass die Leberfettquantifizierung,

bevorzugt mit der magnitudenbasierten Bestimmung der PDFF, bei 7 Tesla im

Kleintier-MRT grundsätzlich möglich ist. Aus klinischer Sicht ist es äußerst wichtig,

über einen verlässlichen Biomarker des Leberfettgehaltes zu verfügen, der zur

Routinediagnostik und für wissenschaftliche Zwecke eingesetzt werden kann, da sich

Zusammenhänge zwischen NAFLD und den Volkskrankheiten metabolisches

Syndrom und Atherosklerose finden lassen und immer weiter aufklären. Auch die

Forschung in der Radiologie und im Speziellen im Bereich der MRT-Diagnostik leistet

dazu einen Beitrag.

5. Zusammenfassung

Zielstellung: In dieser Machbarkeitsstudie soll gezeigt werden, dass die

Leberfettquantifizierung am 7 Tesla-MRT durch Bestimmung der Proton-Density

Fettfraktion (PDFF) möglich ist. Zusätzlich werden zwei Rekonstruktionsverfahren

zur Berechnung der PDFF verglichen.

Material und Methoden: In einem 7 Tesla Kleintier-MRT wurde die PDFF von 15

leptindefizienten ob/ob-Mäusen und 8 Kontrolltieren bestimmt. Die PDFF wurde mit

zwei anerkannten Rekonstruktionsverfahren, der magnitudenbasierten

Rekonstruktion und der komplexen Rekonstruktionstechnik bestimmt. Die ermittelten

Fettgehalte beider Rekonstruktionen wurden miteinander verglichen (Passing-

Bablok-Regressionsanalyse und Bland-Altman-Analyse) und dem Goldstandard, der

Histopathologie, gegenübergestellt (lineare Regression).

Ergebnisse: Die PDFFs beider Rekonstruktionsverfahren lieferten unterschiedliche

Ergebnisse (mittlere Abweichung 5,7 ± 3,82%). Visuell waren die PDFF-Karten der

komplexen Daten durch störende Artefakte überlagert, welche möglicherweise zu

einer Fehleinschätzung des Fettgehaltes führen. Es besteht ein linearer

Zusammenhang zwischen der PDFF und der Histopathologie für die

magnitudenbasierte Rekonstruktion (R2= 0,806) und auch für die komplexe

Rekonstruktion (R2= 0,770).

Schlussfolgerungen: Die Leberfettquantifizierung ist mit Bestimmung der PDFF am

7 Tesla Hochfeld-MRT möglich. Die PDFF berechnet aus den Magnitudendaten ist

der PDFF berechnet aus den komplexen Daten vorzuziehen, da diese subjektiv

weniger anfällig für Artefakte ist.

6. Literaturverzeichnis

1. Weiß J, Rau M, Geier A; Non-alcoholic fatty liver disease - epidemiology, clincal course, investigation and treatment. Deutsches Ärzteblatt 2014; 111:

447−52. DOI: 10.3238/arztebl.2014.044.

2. Chalasani, N.; Younossi, Z.; Lavine, J. E.; Diehl, A. M.; Brunt, E. M.; Cusi, K.; Charlton, M.; Sanyal, A. J.; The diagnosis and management of non-alcoholic

fatty liver disease: Practice Guideline by the American Association for the Study of Liver Diseases, American College of Gastroenterology, and the

American Gastroenterological Association. Hepatology 2012, 55, 2005–2023.

3. Targher, G.; Bertolini, L.; Day, C.; Prevalence of Nonalcoholic Fatty Liver Disease and Its Association With Cardiovascular Disease Among Type 2

Diabetic Patients: Response to Schindhelm, Heine, and Diamant. Diabetes Care 2007, 30, e95–e95.

4. Martin Blachier, Henri Leleu, Markus Peck-Radosavljevic, Dominique-Charles

Valla and Françoise Roudot-Thoraval: The Burden of liver disease in europe; European Association for the Study of the Liver, 2013 Feb 8, Geneva,

Switzerland; pp 1–64; ISBN: 978-2-8399-1176-4.

5. Dr. med. Peter Hien, Dr. med. Bernhard Böhm, "Diabetes Handbuch"; Springer Medizin Verlag Heidelberg; 6. Auflage 2010 pp. 37–39. ISBN: 978-3-

540-71954-0.

6. Fargion, S.; Nonalcoholic fatty liver disease and vascular disease: State-of-the-art. WJG 2014, 20, 13306.

7. Presario. Effect of non-alcoholic fatty liver disease on carotid artery intima- media thickness as a risk factor for atherosclerosis. Gastroenterol Hepatol From Bed to Bench; 2014 Jan 8;:1–8.

8. Masahide Hamaguchi, Takao Kojima, Noriyuki Takeda, Chisato Nagata, Jun Takeda, Hiroshi Sarui, Yutaka Kawahito, Naohisa Yoshida, Atsushi Suetsugu,

Takahiro Kato, Junichi Okuda, Kazunori Ida, Toshikazu Yoshikawa . Nonalcoholic fatty liver disease is a novel predictor of cardiovascular disease. World J Gastroenterol 2007 March 14; 13(10): 1579-1584.

9. Reeder, S. B.; Hu, H. H.; Sirlin, C. B.; Proton density fat-fraction: A standardized mr-based biomarker of tissue fat concentration. Journal of Magnetic Resonance Imaging 2012, 36, 1011–1014.

10. Spitzweg, Ch.; Joba, W.; Brabant, G.; Heufelder, A.E.; Physiologische und pathophysiologische Bedeutung von Leptin beim Menschen. Deutsches Ärzteblatt 94, Heft 44, 31. Oktober 1997 (57).

11. Y, Z.; Proenca, R.; Maffei, M.; Barone, M.; Leopold, L.; Friedman, J. M.; Positional cloning of the mouse obese gene and its human homologue.

NATURE 1994, 372, 1–8.

12. Johnson, B.; Schroeder, M.; Hansen, K.; Kang, G. H.; Wolfson, T.; Gamst, A.; Reeder, S. B.; Sirlin, C. B.; Bydder, M.; Field Strength Reproducibility of

Hepatic Proton Density Fat Fraction Estimation by a Complex-data, T1-independent, T2*- corrected, Spectrum-Modeled MRI Technique; Proc. Intl. Soc. Mag. Reson. Med. 18 (2010) 262.

13. Loomba, R.; Sirlin, C. B.; Schwimmer, J. B.; Lavine, J. E.; Advances in pediatric nonalcoholic fatty liver disease. Hepatology 2009, 50, 1282–1293.

14. Ratzui V, Bugianesi E, Dixon J, Fassio E, Ekstedt M, Charlotte F, Kechagias S, Poynard T, Olsson R; Histological progression of non-alcoholic fatty liver disease: a critical reassessment based on liver sampling variability. Aliment

Pharmacol Ther 2007 Jul 2;26, 821–30.

15. Artz, N. S.; Haufe, W. M.; Hooker, C. A.; Hamilton, G.; Wolfson, T.; Campos, G. M.; Gamst, A. C.; Schwimmer, J. B.; Sirlin, C. B.; Reeder, S. B.; Reproducibility

of MR-based liver fat quantification across field strength: Same-day comparison between 1.5T and 3T in obese subjects. Journal of Magnetic Resonance Imaging 2015 Jan 23; doi: 10.1002/jmri.24842

16. Barker BP, Bizzi A, De Stefano N.; Clinical MR Spectroscopy. Cambridge University Press, New York, 2010; pp 1-34; ISBN: 978-0-521-86898-3.

17. Zhong, X.; Nickel, M. D.; Kannengiesser, S. A. R.; Dale, B. M.; Kiefer, B.; Bashir, M. R.; Liver fat quantification using a multi-step adaptive fitting approach with multi-echo GRE imaging. Magn. Reson. Med. 2013, 72, 1353–

18. Yu, H.; Shimakawa, A.; Hines, C. D. G.; McKenzie, C. A.; Hamilton, G.; Sirlin, C. B.; Brittain, J. H.; Reeder, S. B.; Combination of complex-based and

magnitude-based multiecho water-fat separation for accurate quantification of fat-fraction. Magn. Reson. Med. 2011, 66, 199–206.

19. Meisamy, S.; Hines, C. D. G.; Hamilton, G.; Sirlin, C. B.; McKenzie, C. A.; Yu,

H.; Brittain, J. H.; Reeder, S. B.: Quantification of Hepatic Steatosis with T1-independent, T2*-corrected MR Imaging with Spectral Modeling of Fat: Blinded

Comparison with MR Spectroscopy. Radiology 2011, 258, 767–775.

20. Kühn, J.-P.; Jahn, C.; Hernando, D.; Siegmund, W.; Hadlich, S.; Mayerle, J.; Pfannmöller, J.; Langner, S.; Reeder, S.; T1 bias in chemical shift-encoded

liver fat-fraction: Role of the flip angle. Journal of Magnetic Resonance Imaging 2013, 40, 875–883.

21. Idilman, I. S.; Aniktar, H.; Idilman, R.; Kabacam, G.; Savas, B.; Elhan, A.; Celik,

A.; Bahar, K.; Karcaaltincaba, M.; Hepatic Steatosis: Quantification by Proton Density Fat Fraction with MR Imaging versus Liver Biopsy. Radiology 2013,

267, 767–775.

22. Yu, H.; Shimakawa, A.; McKenzie, C. A.; Brodsky, E.; Brittain, J. H.; Reeder, S. B.; Multiecho water-fat separation and simultaneous R2* estimation with

multifrequency fat spectrum modeling. Magn. Reson. Med. 2008, 60, 1122–1134.

23. Quick, H.; Hochfeld-MRT: Was ist anders? Radiologie up2date 2010, 10, 255–

24. Artz, N. S.; Hines, C. D. G.; Brunner, S. T.; Agni, R. M.; Kühn, J.-P.; Roldan-Alzate, A.; Chen, G.-H.; Reeder, S. B. Quantification of Hepatic Steatosis With

Dual-Energy Computed Tomography. Investigative Radiology 2012, 47, 603–610.

25. Castracane VD, Henson MC.; Chapter 1: The obese Mouse and the Discovery of Leptin. 2006. pp. 1–9. ISBN: 978-0-387-31415-0

26. Hansen, K. H.; Schroeder, M. E.; Hamilton, G.; Sirlin, C. B.; Bydder, M.;

Robustness of fat quantification using chemical shift imaging. Magnetic Resonance Imaging 2012, 30, 151–157.

27. Mark Bydder, Takeshi Yokoo, Gavin Hamilton, Michael S Middleton, Alyssa D

Chavez, Jeffrey B Schwimmer, Joel E Lavine, and Claude B Sirlin; Relaxation

Effects in the Quantification of Fat using Gradient Echo Imaging; Magn Reson Imaging. 2008 April ; 26(3): 347–359.

28. Liu, C.-Y.; McKenzie, C. A.; Yu, H.; Brittain, J. H.; Reeder, S. B.; Fat quantification with IDEAL gradient echo imaging: Correction of bias fromT1 and

noise. Magn. Reson. Med. 2007, 58, 354–364.

29. Yu, H.; McKenzie, C. A.; Shimakawa, A.; Vu, A. T.; Brau, A. C. S.; Beatty, P. J.; Pineda, A. R.; Brittain, J. H.; Reeder, S. B.; Multiecho reconstruction for

simultaneous water-fat decomposition and T2* estimation. Journal of Magnetic Resonance Imaging 2007, 26, 1153–1161.

30. Hernando, D.; Hines, C. D. G.; Yu, H.; Reeder, S. B.; Addressing phase errors

in fat-water imaging using a mixed magnitude/complex fitting method. Magn. Reson. Med. 2011, 67, 638–644.

31. Reeder, S. B.; Robson, P. M.; Yu, H.; Shimakawa, A.; Hines, C. D.; McKenzie,

C. A.; Brittain, J. H.; Quantification of hepatic steatosis with MRI: The effects of accurate fat spectral modeling. Journal of Magnetic Resonance Imaging 2009,

29, 1332–1339.

32. Hu, H. H.; Börnert, P.; Hernando, D.; Kellman, P.; Ma, J.; Reeder, S.; Sirlin, C. ISMRM workshop on fat-water separation: Insights, applications and progress

in MRI. Magn. Reson. Med. 2012, 68, 378–388.

33. Fananapazir, G.; Zhong, X.; Burke, L. M.; Dale, B. M.; Kiefer, B.; Bashir, M. R.; Initial in vivo validation of a hybrid magnitude/complex MRI-based method for

liver fat quantification; Proc. Intl. Soc. Mag. Reson. Med. 2013, 1–1.

34. Yokoo, T.; Shiehmorteza, M.; Hamilton, G.; Wolfson, T.; Schroeder, M. E.; Middleton, M. S.; Bydder, M.; Gamst, A. C.; Kono, Y.; Kuo, A.; Patton, H. M.; Horgan, S.; Lavine, J. E.; Schwimmer, J. B.; Sirlin, C. B.; Estimation of Hepatic

Proton-Density Fat Fraction by Using MR Imaging at 3.0 T. Radiology 2011, 258, 749–759.

35. Runge, J. H.; Bakker, P. J.; Gaemers, I. C.; Verheij, J.; Hakvoort, T. B. M.;

Ottenhoff, R.; Nederveen, A. J.; Stoker, J.; Measuring liver triglyceride content in mice: non-invasive magnetic resonance methods as an alternative to histopathology. Magn Reson Mater Phy 2013, 27, 317–327.

36. Kühn JP, Hernando D, Reeder SB, Munoz del Rio A, Evert M, Kannengiesser S, Völzke H, Mensel B, Puls R, Hosten N, Reeder S B; Effect of Multipeak

spectral Modeling of Fat for liver iron and Fat Quantification: Correlation of Biopsy with MR Imaging Results. Radiology 2012, 265, 133-41

37. Tang, A.; Tan, J.; Sun, M.; Hamilton, G.; Bydder, M.; Wolfson, T.; Gamst, A. C.;

Middleton, M.; Brunt, E. M.; Loomba, R.; Lavine, J. E.; Schwimmer, J. B.; Sirlin, C. B.; Nonalcoholic Fatty Liver Disease: MR Imaging of Liver Proton Density Fat Fraction to Assess Hepatic Steatosis. Radiology 2013, 267, 422–431.

38. ljungberg, M.; Quantification of Fatty Acid Composition Using MRI: Comparison of Accuracy at 1.5, 3 and 7 T. Department of Medical Radiation

Physics, Clinical Sciences, Lund University, Master of Science Thesis Lena Trinh. 2013, 1–30.

39. Hernando, D.; Cook, R. J.; Diamond, C.; Reeder, S. B.; Magnetic Susceptibility

as a B0 Field Strength Independent MRI Biomarker of Liver Iron Overload; Mag Reson Med; 2014 Jan 8;:1–20.

40. Kühn, J.-P.; Evert, M.; Friedrich, N.; Kannengiesser, S.; Mayerle, J.; Thiel, R.;

Lerch, M. M.; Dombrowski, F.; Mensel, B.; Hosten, N.; Puls, R.; Noninvasive Quantification of Hepatic Fat Content Using Three-Echo Dixon Magnetic Resonance Imaging With Correction for T2* Relaxation Effects. Investigative

Radiology 2011, 46, 783–789.

41. Hatta, T.; Fujinaga, Y.; Kadoya, M.; Ueda, H.; Murayama, H.; Kurozumi, M.; Ueda, K.; Komatsu, M.; Nagaya, T.; Joshita, S.; Kodama, R.; Tanaka, E.; Uehara, T.; Sano, K.; Tanaka, N.; Accurate and simple method for

quantification of hepatic fat content using magnetic resonance imaging: a prospective study in biopsy-proven nonalcoholic fatty liver disease. J Gastroenterol 2010, 45, 1263–1271.

42. Permutt, Z.; Le, T. A.; Peterson, M. R.; Seki, E.; Brenner, D. A.; Sirlin, C.; Loomba, R.; Correlation between liver histology and novel magnetic resonance imaging in adult patients with non-alcoholic fatty liver disease - MRI

accurately quantifies hepatic steatosis in NAFLD. Aliment Pharmacol Ther 2012, 36, 22–29.

43. Cassidy, F. H.; Yokoo, T.; Aganovic, L.; Hanna, R. F.; Bydder, M.; Middleton, M. S.; Hamilton, G.; Chavez, A. D.; Schwimmer, J. B.; Sirlin, C. B.; Fatty Liver Disease: MR Imaging Techniques for the Detection and Quantification of Liver

Steatosis; RadioGraphics 2009, 29, 231–260.

44. Szczepaniak, L. S.; Nurenberg, P.; Leonard, D.; Browning, J. D.; Reingold, J. S.; Grundy, S.; Hobbs, H. H.; Dobbins, R. L.; Magnetic resonance

spectroscopy to measure hepatic triglyceride content: prevalence of hepatic steatosis in the general population. AJP: Endocrinology and Metabolism 2005,

288, E462–E468.

45. Yu, H.; Shimakawa, A.; Hines, C. D. G.; McKenzie, C. A.; Hamilton, G.; Sirlin, C. B.; Brittain, J. H.; Reeder, S. B.; Combination of complex-based and

magnitude-based multiecho water-fat separation for accurate quantification of fat-fraction. Magn. Reson. Med. 2011, 66, 199–206.

46. Reeder, S. B.; Cruite, I.; Hamilton, G.; Sirlin, C. B.; Quantitative assessment of

liver fat with magnetic resonance imaging and spectroscopy. Journal of Magnetic Resonance Imaging 2011, 34, spcone–spcone.

47. Lissner J.; Klinische Kernspintomographie. Enke Verlag: Stuttgart 1975; ISBN:

343288351X, 9783432883519.

7. Abbildungsverzeichnis

Abbildung 1: Darstellung der Vektoren von Wasser (W) und Fett (F) sowie der

Signalintensität (SI) des Summenvektors zu verschiedenen TE-Zeiten; Quelle:

Hadlich S., Kühn JP.; Nichtinvasive Quantifizierung des Leberfettgehaltes mit

Hilfe der Chemical Shift basierten Magnetresonanztomographie: Aktueller Stand

und Ausblick. MTA Dialog 07/2012 ..................................................................... 11

Abbildung 2: Dargestellt ist die insgesamt abnehmende Signalintensität zu

verschiedenen TE-Zeiten, in denen die Vektoren von Wasser und Fett die

gleiche Richtung haben (In-Phase = IN) und in denen sie sich gegenüber liegen

(Out-Phase = OUT). ............................................................................................ 12

Abbildung 3: Vergleich einer leptindefizienten Maus mit einem Kontrolltier; links:

Wildtyp-Maus; rechts: leptindefiziente ob/ob-Maus. Beide Tiere haben das

gleiche Alter. ....................................................................................................... 19

Abbildung 4: ClinScan-MRT für Kleintiere von der Firma Bruker mit einer

Feldstärke von 7,1 Tesla .................................................................................... 22

Abbildung 5: Koronares Schnittbild des Abdomens einer untersuchten Maus mit

handgezeichneter ROI über der Leber; links: PDFF-Karte errechnet aus den

komplexen Daten; rechts identische ROI kopiert in die PDFF-Karte erstellt aus

den Magnitudendaten. ........................................................................................ 25

Abbildung 6: Untersuchervergleich mittels linearer Regressionsanalyse und

Bland-Altman-Graph zur Darstellung von Korrelation und Abweichungen bei der

Bestimmung der PDFF aus den Magnitudendaten. ............................................ 31

Abbildung 7: Untersuchervergleich mittels linearer Regressionsanalyse und

Bland-Altman-Graph zur Darstellung von Korrelation und Abweichungen bei der

Bestimmung der PDFF aus den komplexen Daten. ........................................... 32

Abbildung 8: Methodenvergleich der Fettgehaltsquantifizierung mittels PDFF aus

den komplexen Daten und den Magnitudendaten basierend auf Passing-Bablok-

Regressionsanalyse sowie Bland-Altman-Analyse. ............................................ 33

Abbildung 9: Lineare Regression zur Darstellung des Zusammenhangs der

ermittelten PDFFs mit der Histopathologie. ........................................................ 34

Abbildung 10: Koronare Schnittbilder einer leptindefizienten Maus. A: komplex

nachberechnetes Bild mit deutlichen Artefakten (rote Pfeile); B: Bild aus den

Magnitudendaten in derselben koronaren Schicht. C: Histopathologisches Bild

unter 40-facher Vergrößerung. ........................................................................... 35

Abbildung 11: Analog zu Abbildung 10 hier Darstellung einer Wildtyp-Maus. A:

komplex nachberechnetes Bild mit deutlichen Artefakten (roter Pfeil); B: Bild aus

den Magnitudendaten in derselben koronaren Schicht. C: Histopathologisches

Bild unter 40-facher Vergrößerung. .................................................................... 36

8. Tabellenverzeichnis

Tabelle 1: Ursachen der Steatosis hepatis ............................................................. 5

Tabelle 2: Anzahl, Gewicht und Alter der Mäuse als Mittelwerte ± der

Standardabweichung. ................................................................................................ 20

Tabelle 3: Übersicht über die durchschnittlich ermittelten Fettfraktionen für

leptindefiziente (ob/ob)-Mäuse und Wildtyp-Mäuse, jeweils aus den Magnitudendaten

und den komplexen Daten. ........................................................................................ 28

Tabelle 4: PDFF der leptindefizienten Mäuse für beide Rekonstruktionen mit dem

zugehörigen Fettgehalt aus der Histopathologie; ...................................................... 29

Tabelle 5: PDFF Daten der Wildtyp-Mäuse für beide Rekonstruktionen mit dem

zugehörigen Fettgehalt aus der Histopathologie; ...................................................... 30

9. Abkürzungsverzeichnis 3D dreidimensional

AFLD Alcoholic fatty liver disease

B0 Vektor der magnetischen Flussdichte des äußeren statischen

Magnetfeldes im MRT

B1 Vektor der magnetischen Flussdichte des oszillierenden

transversalen Magnetfeldes im MRT

ca. zirka

CH2 Methylengruppe in chemischen Verbindungen

CI Konfidenzintervall

DNS Desoxyribonukleinsäure

et al. et alii; und andere

FELASA Federation of European Laboratory Animal Science Associations

FOV Field of View

g Gramm

GmbH Gesellschaft mit beschränkter Haftung

H2O Summenformel für Wasser

HDL-Cholesterin High Density Lipoprotein-Cholesterin

HELLP-Syndrom Akronym: Haemolysis, Elevated Liver enzyme levels, Low

Platelet count (Hämolyse, erhöhte Blutwerte der Leberenzyme,

verminderte Thrombozytenzahlen)

Hz Hertz, physikalische Einheit für die Frequenz

ICD-10 International Statistical Classification of Diseases and Related

Health Problems laut WHO in der zehnten Revision von 2012

IDF International Diabetes Federation

ISMRM International Society for Magnetic Resonance in Medicine

l Liter

LALLF Landesamt für Landwirtschaft, Lebensmittelsicherheit und

Fischerei Mecklenburg-Vorpommern

LCAT Lecithin-Cholesterin-Acyltransferase

m Meter

mg/dl Milligramm pro Deziliter

min Minuten

mm Millimeter

mmHg Millimeter-Quecksilbersäule

MRT Magnetresonanztomographie

ms Millisekunden

mT Millitesla

MTRA Medizinisch-technischer Radiologieassistent

MW Mittelwert

NAFLD Non-alcoholic fatty liver disease

NASH Nichtalkoholische Steatohepatitis

ob/ob Homozygoter Knockout des Obese-Gens, homozygote

Leptindefizienz,

PDFF Proton Density Fat Fraction

r Spearman Korrelationskoeffizient

R(2), R2 Bestimmtheitsmaß (Regressionskoeffizient) der linearen

Regressionsanalyse

R2* Kehrwert von T2*

ROI Region of Interest

s Sekunden

SAR Spezifische Absorptionsrate

SD Standard deviation (Standardabweichung)

SHIP Study of Health in Pomerania

SPF Specific Pathogen Free

T Tesla

T1- Effekt Wiederaufbau der Longitudinalmagnetisierung; Spin-Gitter-

Relaxation

T2- Effekt Abnahme der Transversalmagnetisierung durch Interaktion mit

anderen Atomkernen; Spin-Spin-Relaxation

T2*- Effekt Abnahme der Transversalmagnetisierung durch Störfaktoren

anders als die Interaktion der Atomkerne, z.B. durch Metalle

TE Echozeit, Time to Echo

TR Repetitionszeit, Time to Repeat

USA United States of America

vs. versus

WHO World Health Organisation

10. Eidesstattliche Erklärung

Sehr geehrte Damen und Herren,

hiermit erkläre ich, dass ich die vorliegende Dissertation selbstständig verfasst und

keine anderen als die angegebenen Hilfsmittel benutzt habe.

Die Dissertation ist bisher keiner anderen Fakultät, keiner anderen

wissenschaftlichen Einrichtung vorgelegt worden.

Ich erkläre, dass ich bisher kein Promotionsverfahren erfolglos beendet habe und

dass eine Aberkennung eines bereits erworbenen Doktorgrades nicht vorliegt.

_____________________ ______________________________

Ort, Datum Unterschrift

Leberfettquantifizierung mit Hilfe der Proton- Density ... · Lipodystrophie, Hungerzustände,...

Documents

Transcript of Leberfettquantifizierung mit Hilfe der Proton- Density ... · Lipodystrophie, Hungerzustände,...

Aktuelles aus den Regionalen Pharmacovigilance-Zentren und ... · 01.01.2017 · Pharmakokinetik Die Plasmaeiweissbindung von Methotrexat beträgt ca. 50%. Bei der Verteilung erfolgt

Die Albumin-Carrier-Therapie mit Methotrexat (MTX-HSA) Artikel.pdf · Die Albumin-Carrier-Therapie mit Methotrexat (MTX-HSA) Die Überlebenszeit von Patienten mit metastasier-ten

PN Ambulante parenterale Ernährung - Micrel Medmicrelmed.com/userfiles/file/Brochure_PN_German_2013_LD... · 2018-09-27 · Experts in ambulatory infusion therapies PN Ambulante

Vigilance-News · Flash: Signale zur Arzneimittelsicherheit Der interessante Fall: Toxisches Kleinhirnsyndrom durch Methotrexat Der nachfolgende Literaturbericht wurde uns von mehreren

VERANSTALTUNGSORT Ev. Diakoniekrankenhaus Freiburg ... · Ev. Diakoniekrankenhaus Freiburg Chefarzt Prof. Dr. Christoph Wiesenack Wirthstr. 11, 79110 Freiburg Kalkulierte parenterale

Applikationstechnik und -systeme Infusion und Parenterale … · 2019. 8. 15. · Applikationstechnik Infusion / Parenterale Ernährung Applikationssysteme Infusion / Parenterale

Konzept Supplementäre parenterale Ernährung: Wann enteral ... · Wann enteral – wann parenteral? Weimann A, Singer P, Lancet 2013 Unter Berücksichtigung von: Initialem Ernährungszustand

Zugangswege für die enterale und parenterale Ernährung Katheterlock, Katheterokklusion, Katheterrekanalisation Dr. Edith Doberer Medizinische Universität.

Die Albumin-Carrier-Therapie mit Methotrexat (MTX-HSA) Artikel.pdftumsfaktoren und zur Umstrukturierung der extrazel-lulären Matrix durch Proteasen. Dadurch leistet eine chronische

Parenterale Flüssigkeits- und Elektrolyttherapie aus ...akademie-muenchen.de/.../osk/Prof-Waldegger_Infusionstherapie_OS… · Anionenlücke bei Gastroenteritis ist meist Ausdruck

Ernährung des kritisch kranken Patienten - vfed.de · Medizinische Klinik III UKA RWTH Aachen Ziele der Ernährungstherapie Enterale oder parenterale „Pharmakologische“ Effekte

ARK Methotrexat Assay - specialtydiagnostix.despecialtydiagnostix.de/wp-content/uploads/2018/08/Methotrexate-Flyer-DE.pdf · Reagents Size Order No. ARKTM Methotrexate Assay 16 mL

Forme parenterale

Total parenterale Ernährung - Grundlagen und Einblicke in ...

Vermutete Behandlungsfehler in der Hüftendoprothetik ... · • Geburtseinleitung/Fruchtwasserembolie ... (eine Klinik) − Zusätzliche ... (Fehler des Monats HELIOS) 37 Methotrexat

o Subakute Thyreoditis de Quervain o Amiodaron induzierte ...hormon.org/vortrag-schilddruese/subakute-thyreoiditis.pdf · Kortisontherapie o Subakute Thyreoditis de Quervain o Amiodaron

Titel: Autoimmunerkrankungen und Methotrexat

Dres. med. Nagler - Nitsche - Krause - Pavlik Franz -von ... · Bei Leukozytensturz wirkt Folinsäure in hoher Dosis als Antidot zu Methotrexat. Kontraindikationen: Allergie gegen

Lungenfibrose: neue Wirkstoffe auf Zellebene · Iatrogen Antibiotika (Nitrofurantoin) Antiarrhythmika (Amiodaron) Immunsuppressiva (Gold) Antiepileptika (Dilantin) Chemotherapeutika

Leitlinien für parenterale Ernährung von Kindern · Leitlinien für parenterale Ernährung von Kindern. Assoz. Prof. PD. Dr. Nadja Haiden, MSc. Fachärztin für Kinder und Jugendheilkunde,