Perbandingan Model Difusi pada Tumor Wilms Dan Jaringan Ginjal Kontralateral Normal

Kontak:{0}}

Abstrak

ObjektifADC (Apparent Diffusion Coefficient) yang diturunkan dari Diffusion-Weighted Imaging (DWI) telah menjanjikan sebagai biomarker pencitraan kuantitatif non-1invasif ditumor Wilms. Namun, banyak model non-Gaussian dapat diterapkan pada DWI. Penelitian ini bertujuan untuk membandingkan kesesuaian empatdifusimodel (monoeksponensial, IVIM [Gerakan Inkoheren Intravoxel], eksponensial membentang, dan kurtosis) pada tumor Wilms dan kontralateral yang tidak terpengaruhginjal.

Bahan dan metode Data DWI ditinjau secara retrospektif (110 tumor Wilms dan 75 dataset ginjal normal). Kecocokan untuk setiap model diukur secara voxel dengan menggunakan Akaike Information Criteria (AIC). Rata-rata AIC dihitung untuk setiap volume tumor (atau jaringan ginjal normal kontralateral). ANOVA satu arah dengan koreksi Greenhouse-Geisser dan uji post hoc menggunakan koreksi Bonferroni mengevaluasi perbedaan yang signifikan antara nilai AIC; AIC terendah menunjukkan model optimum.

HasilIVIM dan eksponensial membentang memberikan yang paling cocok untuk data DWI tumor Wilms. IVIM memberikan yang paling cocok untuk data ginjal normal. Mono eksponensial adalah metode pemasangan yang paling tidak tepat untuk tumor Wilms dan data ginjal normal.

DiskusiSinyal berbobot difusi dalamtumor Wilmsdan normaljaringan ginjaltidak menunjukkan peluruhan mono-eksponensial dan lebih baik dijelaskan oleh model difusi non-Gaussian.

Kata kuncitumor Wilms. Ginjal. Difusi

Untuk informasi lebih lanjut, klik di sini

pengantar

Tumor Wilms adalah tumor ginjal pediatrik yang paling umum [1], dan di Eropa, pasien diobati dengan kemoterapi sebelum operasi untuk mengurangi ukuran tumor [2]. Setelah nefrektomi penuh atau sebagian, analisis histologis mengklasifikasikan tumor sebagai subtipe tergantung pada tipe sel yang dominan [3]. Pasien akan sering menjalani beberapa pemindaian MRI untuk memantau respons terhadap pengobatan, dengan Diffusion-Weighted Imaging (DWI) yang sering diperoleh.

Koefisien Difusi Semu (ADC) dapat diturunkan dari DWI dengan menerapkan kecocokan mono-eksponensial (Persamaan 1) ke data difusi.

(1)S(b)= Se-b.ADC

di mana S(b) adalah sinyal pada nilai b yang diberikan, dan S. adalah sinyal tanpa pembobotan difusi.

ADC telah menunjukkan harapan besar sebagai alat pencitraan kuantitatif dalam tumor Wilms. Misalnya, ADC telah digunakan untuk membedakan tumor jinak dari tumor ganas (bagian dari

kohort menjadi tumor Wilms)[4], memisahkan neuroblastoma dari tumor Wilms[5], memantau respon kemoterapi [6, 7], mengidentifikasi subtipe histologis [7] dan membantu dalam mengidentifikasi jaringan tumor Wilms yang nekrotik [8].

Sementara ADC adalah parameter yang berguna, ada model non-Gaussian lainnya (VIM[9][ntravoxel Incoherent Motion], regangan eksponensial [10], dan kurtosis [11]) yang dapat diterapkan pada data DWI untuk menghasilkan berbagai metrik difusi. IVIM(Persamaan.2) adalah model bi-eksponensial yang tidak hanya menggambarkan pergerakan air dalam ruang ekstra-vaskular tetapi juga dalam jaringan mikro kapiler yang berorientasi secara acak. Ini menghasilkan parameter D (koefisien difusi bebas dari pengaruh air yang mengalir cepat di jaringan kapiler, disebut sebagai difusi lambat), D* (koefisien difusi karena gerakan air yang berorientasi acak dalam darah di difusi cepat jaringan kapiler), dan f (fraksi volume yang terkait dengan komponen aliran cepat). (2)S(b)= Jadi[(1-f)e(-bD ditambah fel-b(D ditambah D')

Model eksponensial membentang (Persamaan 3) menggambarkan heterogenitas dalam difusi dalam satu voxel, menggambarkan penyimpangan dari peluruhan mono-eksponensial. Ini menghasilkan parameter DDC (koefisien difusi terdistribusi) dan a (parameter peregangan untuk menggambarkan deviasi dari difusi homogen).

(3)S(b)= S,e(-(b.DDC)")

Model kurtosis (Persamaan 4) menjelaskan penyimpangan dari perpindahan molekul air mengikuti distribusi Gaussian dan menghasilkan parameter D (koefisien difusi dikoreksi untuk perpindahan non-Gaussian), dan K (kurtosis).

(4)S(b)= Soe-bD ditambah b2D,?K/6

Model-model ini memiliki potensi untuk memberikan informasi tambahan mengenai mikrostruktur jaringan. Selain itu, mereka telah terbukti memberikan deskripsi superior dari data difusi dibandingkan dengan model mono-eksponensial pada kanker dubur [12], metastasis tulang kanker prostat [13], kanker ovarium [14] dan jaringan ginjal yang sehat [15]. Namun, ada penelitian terbatas dalam menerapkan model ini di tumor Wilms di mana mereka mungkin berguna, karena lingkungan seluler yang sangat heterogen dari jaringan tumor. Selanjutnya, dihipotesiskan bahwa karena tingkat perfusi yang tinggi diginjal, dan bahwa IVIM dirancang untuk memperhitungkan komponen terkait perfusi dalam sinyal difusi, model ini dapat memberikan kesesuaian yang lebih baik dengan data DWI ini [16].

Tujuan dari penelitian ini adalah untuk menentukan apakah model-model ini (VIM, peregangan eksponensial dan kurtosis) memberikan kecocokan yang lebih baik dengan sinyal pembobotan difusi dibandingkan dengan model mono-eksponensial, pada tumor Wilms dan normal kontralateral.ginjal. Good of fit dihitung menggunakan Akaike Information Criterion(AIC)[17], yang menghukum model yang mengandung lebih banyak parameter bebas daripada yang didukung oleh data mentah. Selain itu, sebagai tujuan sekunder, tumor Wilms dipisahkan oleh subtipe histologis untuk menentukan apakah model tertentu menyukai subtipe tertentu.

Bahan dan metode Studi populasi

Persetujuan etik institusional diberikan dan tidak memerlukan persetujuan untuk studi pusat tunggal ini. Sebuah tinjauan retrospektif 10-tahun (April 2007-Maret 2017) dari sistem pencitraan radiologi di institusi kami dilakukan untuk semua data MRI perut pada anak-anak dengan diagnosis histologis yang terbukti daritumor Wilms. Kriteria inklusi adalah mereka yang memiliki data DWI nilai b ganda (termasuk nilai b maksimum 1000 s/mm2), dan ukuran tumor yang menutupi setidaknya 2 irisan aksial pada DWI. DWI dengan artefak gerakan ekstrem juga dihilangkan. Data MRI dikumpulkan dari pasien tumor Wilms baik sebelum dan sesudah kemoterapi. Subtipe histo-logis dikonfirmasi pasca operasi untuk subset tumor. Untuk data ginjal normal, digunakan ginjal kontralateral yang tidak terpengaruh, kecuali pada pasien dengan penyakit bilateral.

MRI

Semua pencitraan dilakukan pada pemindai Siemens Magnetom Avanto 1,5 T yang dilengkapi dengan gradien 40mT/m. Tergantung pada ukuran pasien, satu atau dua kumparan matriks tubuh digunakan untuk mendapatkan cakupan penuh (6 elemen desain, Siemens). Pasien baik terjaga atau dibius tergantung pada usia mereka.

Beberapa nilai b DWI diperoleh untuk semua pasien dan diperoleh selama pernapasan bebas. Protokol DWI adalah sebagai berikut: Nilai 7 atau 8b dalam 3 arah ortogonal(0, 50,100.250.500.750.1000 s/mm² atau 0,50,100.150.200.250.500.1000 s/mm²）ketebalan irisan∶6 mm, TR/TE:2800 ms/89 ms, bidang pandang:350×350 mm, ukuran voxel:1,4×1,4 ×6 mm, jumlah irisan:19, ukuran matriks: 128×96×19. Sembilan rata-rata diperoleh untuk setiap nilai, dan gambar jejak (rata-rata lebih dari 3 arah) digunakan untuk analisis.Sekuens klinis standar juga diperoleh bersamaan, termasuk Tw yang ditekan lemak sebelum dan sesudah pemberian kontras berbasis gadolinium; rincian lengkap dari urutan pencitraan klinis dapat ditemukan di [18].

Pengolahan pasca

Difusidata diproses menggunakan gambar jejak dan rutinitas pemasangan model internal yang dirancang di Matlab (versi 2019a, MathWorks Inc., Natick, MA, USA) berdasarkan voxel-by-voxel menggunakan empat model difusi yang berbeda: monoeksponensial (Persamaan. 1), IVIM(Persamaan 2), eksponensial teregang (Persamaan 3), dan kurtosis (Persamaan4).

Dalam setiap kasus, Swas didefinisikan sebagai sinyal pada b{{{{10}}}}, dan untuk model mono-eksponensial, kecocokan linier In(S/S.)terhadap semua nilai b adalah dilakukan. Untuk model non-Gaussian, pemasangan dilakukan menggunakan algoritma kuadrat terkecil nonlinier Levenberg-Mar-quart (menggunakan fungsi 'lsq-curve-fit di Matlab), di semua nilai b (kecuali untuk model IVIM). Untuk model IVIM, pertama, fit linier In(S/S.) terhadap b dihitung pada nilai b tinggi (200-1000 s/mm2) untuk menentukan nilai D. Setelah ini, D* dan f cocok secara bersamaan (dengan D tetap). D tidak memiliki kendala pada batas atas, dan f dibatasi antara 0 dan 1. Untuk model eksponensial teregang, DDC tidak memiliki kondisi batas atas, dan dibatasi antara 0 dan 1. Untuk kurtosis, baik Dk maupun K tidak dibatasi oleh batas atas, dan K memiliki batas bawah 0.

Wilayah minat (ROI)

ROI dihasilkan menggunakan Perangkat Lunak Mango (Research Imaging Institute, UTHSCSA). ROI digambar pada b{{0}} gambar di sekitar seluruh volume tumor, ini diedit dan diverifikasi oleh ahli radiologi yang berspesialisasi dalam radiologi pediatrik (MV3 tahun khusus radiologi pediatrik). Jaringan ginjal normal juga ditentukan pada gambar b0 menggunakan ginjal kontralateral (tidak termasuk mereka dengan penyakit bilateral) di sekitar seluruh volume ginjal dan area aliran tinggi, seperti area yang mengelilingi pelvis ginjal dikeluarkan; contoh dapat dilihat pada Gambar. 1. Semua analisis mengenai perbandingan model terbatas pada ROI ini.

Analisis perbandingan model

AIC digunakan untuk membandingkan empat model (monoeksponensial, IVIM, regangan eksponensial dan kurtosis). Untuk setiap voxel dalam ROI tumor dan ROI ginjal normal. AIC dihitung per model. Rata-rata AIC dihitung di seluruh volume ROI per model. Nilai AIC rata-rata untuk setiap model kemudian dibandingkan menggunakan ANOVA ukuran berulang satu arah dengan koreksi Greenhouse-Geis-ser untuk memperhitungkan varians yang tidak sama, dan tes post hoc dilakukan menggunakan koreksi Bonferroni. Sebuah perbedaan yang signifikan didefinisikan sebagai p<0.05.anovas were="" calculated="" for="" the="" entire="" wilms'tumour="" and="" normal="" kidney="" populations,="" as="" well="" as="" within="" different="" subgroups="" (pre-chemotherapy,="" post-chemotherapy,="" and="" different="" b="" value="" acquisitions="" [7="" and="" 8="" b="" value="" ranges]).="" additionally,="" models="" were="" compared="" between="" wilms'tumour="" histological="" subtypes="" to="" determine="" whether="" a="" certain="" subtype="" favoured="" a="" particular="" model.="" the="" post-chemotherapy="" data="" were="" used="" for="" this="" comparison="" as="" it="" was="" the="" nearest="" time="" point="" to="">

Hasil

Populasi studi

Sebanyak 110 tumor Wilms dimasukkan untuk analisis perbandingan model difusi; terdiri dari 49 tumor pra-kemoterapi dan 61 tumor pasca-kemoterapi (38 tumor pra-kemoterapi dimasukkan sebagai bagian dari 61 kohort pasca-kemoterapi). Bagan alir yang merinci inklusi dan pengecualian kasus dapat dilihat pada Gbr.2. Usia rata-rata pasien pada pemindaian pra-kemoterapi adalah 2,43 tahun (SD:2.2), dan usia rata-rata pada pemindaian pasca-kemoterapi adalah 3,0 tahun (SD:2.8).

The diffusion data were acquired using either 7 or 8 b values（0,50,100,250,500,750,1000 s/mm²or 0,50,100,150,200,250,500,1000 s/mm>). Hal ini karena protokol berubah selama periode penelitian ini, untuk alasan yang tidak terkait dengan penelitian ini. Empat puluh sembilan tumor memiliki protokol nilai 7 b (22 pra-kemoterapi dan 27 pasca-kemoterapi), dan 61 tumor memiliki protokol nilai 8b (27 pra-kemoterapi dan 34 pasca-kemoterapi).

Dari 61 tumor pasca kemoterapi, 56 memiliki subtipe yang dikonfirmasi secara histologis: 7 blastema, 9 epitel, 13 stroma, 8 regresif, 18 campuran dan 1 nekrotik total. Subtipe didefinisikan menurut protokol SIOP-2001 [3].

Ginjal kontralateral yang tidak terpengaruh digunakan sebagai data ginjal normal. Karena kebutuhan untuk mengecualikan kasus bilateral, total 75 dataset ginjal normal dimasukkan;dari pasien yang telah menerima kemoterapi dan 37 dari pasien yang tidak. Dari 75 dataset ginjal normal, 31 memiliki protokol nilai 7 b (15 pra-kemoterapi dan 16 pasca-kemoterapi), dan 44 memiliki protokol nilai 8b (22 sebelum dan 22 pasca-kemoterapi).

Hasil tumor Wilms

ANOVA satu arah dengan koreksi Greenhouse-Geisser mengungkapkan bahwa nilai AIC berbeda secara signifikan antara model difusi, dalam semua kondisi:seluruh kohort:(F(1.08, 117.91)=157.08,p=1.68 ×10-24), pra-kemoterapi:(F(1.05,50.53)=79.35,p=3.11×10-12),pasca-kemoterapi:( F(1.13,67.92)=85.92,p=1.34×10-14),nilai 7b:(F(1.21,58.16)=76.23,p{ {39}}.10×10-13),dan nilai8b:(F(1.04,62.49)=95.51,p=1.68×10-14).

Gambar 3 menunjukkan boxplot dari setiap kondisi, dengan batang yang signifikan menyoroti hasil uji post hoc menggunakan koreksi Bonferroni. Dalam semua kondisi nilai AIC untuk model mono-eksponensial secara signifikan lebih tinggi daripada tiga model lainnya, menunjukkan bahwa ini adalah model yang paling tidak sesuai untuk data tumor Wilms. Untuk seluruh kohort tumor dan pasca-kemoterapi Wilms, peregangan eksponensial adalah model terbaik untuk menyesuaikan data difusi, karena ini memberikan nilai AIC terendah. Gambar 4 menunjukkan contoh seberapa baik model cocok dengan sinyal peluruhan difusi dalam voxel tunggal tumor Wilms pasca-kemoterapi.

Untuk kohort pra-kemoterapi dan ketika data dibagi menjadi 7 dan 8 rentang nilai b, baik IVIM dan eksponensial yang diregangkan dianggap sebagai model yang paling tepat, tanpa perbedaan yang signifikan antara nilai AIC untuk kedua model ini.

Additionally, one-way ANOVAs were used to investigate whether the best fit model was related to Wilms'tumour histological subtypes, using the post-chemotherapy data as they were the closest timepoints to histology. Only one tumour was classified as necrotic and was therefore removed from this section of the analysis. Figure 5 shows the AIC values for each subtype based on different diffusion models. There were no significant differences between AIC values across the subtypes (blastemal [n=7], epithelial [n=9], mixed [n=18], stromal [n=13], regressive [n=8]), for any of the models (p>0.05).

Hasil ginjal normal

ANOVA satu arah dengan koreksi Rumah Kaca-Geisser juga mengungkapkan bahwa nilai AIC berbeda secara signifikan antara model difusi, dalam semua kondisi untuk data ginjal normal: seluruh kohort:(F(1.51,85.2)=276. 07, p=2.57×10-30), pra-kemoterapi:(F(1.43, 41.13)=119.38,p=1.16×{{22} }), pasca-kemoterapi: (F(1.16,42.81)=157.33,p=1.10×10-15,7 nilai b:(F(1.14,34.10){{ 38}}.49,p=1.06×10-1),dan nilai 8b:(F(1.14,49.10)=193.30,p=1.19× 10-19.

Gambar 6 menunjukkan boxplot dari setiap kondisi, dengan bilah signifikansi yang menyoroti hasil uji post hoc menggunakan koreksi Bonferroni. Data ginjal normal memberikan hasil yang serupa dengan data tumor Wilms: dalam semua kondisi nilai AIC untuk model mono-eksponensial secara signifikan lebih tinggi daripada tiga model lainnya, menunjukkan bahwa ini adalah model yang paling tidak sesuai untuk data ginjal normal. Berbeda dengan data tumor Wilms, untuk semua kondisi, data ginjal normal menunjukkan bahwa IVIM memberikan nilai AIC terendah, menunjukkan bahwa itu adalah model yang paling tepat untuk data difusi ini. Gambar 7 menunjukkan contoh seberapa baik model sesuai dengan sinyal peluruhan difusi dalam data ginjal normal kontralateral dari pasien tumor Wilms pasca kemoterapi.

Diskusi

Penelitian ini membandingkan empat modeldifusi(monoeksponensial, IVIM, eksponensial membentang dan kurtosis) berdasarkan seberapa cocok mereka dengan peluruhan sinyal DWI, menurut AIC. Perbandingan ini dibuat pada tumor Wilms, baik sebelum dan sesudah kemoterapi, dan pada ginjal kontralateral yang tidak terkena, sebagai ukuran jaringan ginjal normal. Data difusi berasal dari rentang nilai 7 dan 8 b. Untuk data tumor Wilms, ditunjukkan bahwa model eksponensial yang diregangkan memberikan kecocokan terbaik secara keseluruhan. Hasil ini dipertahankan ketika analisis terbatas pada kelompok pasca-kemoterapi. Namun, ketika analisis difokuskan pada data pra-kemoterapi dan ketika dipisahkan dengan perolehan nilai b, tidak ada perbedaan yang signifikan antara IVIM dan eksponensial yang diregangkan, dengan kedua model memberikan nilai AIC terendah. Selain itu, tidak ada preferensi model tertentu ketika tumor dikelompokkan berdasarkan subtipe histologis. Untuk data ginjal normal, IVIM memberikan kecocokan terbaik dalam semua analisis. Model mono-eksponensial terbukti menjadi model yang paling tidak sesuai menurut AIC; memberikan nilai AIC yang jauh lebih tinggi secara konsisten dibandingkan dengan model lain untuk keduatumor Wilmsdan dataset ginjal normal.

Temuan utama dari penyelidikan ini adalah bahwa model non-Gaussian memberikan deskripsi data difusi yang lebih baik dibandingkan dengan monoeksponensial, baik pada tumor Wilms maupun jaringan ginjal normal. Penyimpangan dari peluruhan mono-eksponensial telah disorot dan dieksplorasi sebelumnya: telah ditunjukkan bahwa ada penurunan cepat dalam sinyal pada nilai yang lebih rendah diikuti oleh penurunan yang lebih bertahap pada nilai b yang lebih tinggi di hati [19]. Penurunan awal ini diduga karena perfusi vaskular, karena nilai b yang lebih rendah dianggap sensitif terhadap redaman sinyal dari perfusi [9], membuat model IVIM cocok untuk data ini. Ini telah terbukti menjadi kasus di jaringan ginjal yang sehat [20,21], di mana sinyal itu terbukti bi-eksponensial sebagai lawan monoeksponensial; karena ginjal adalah organ yang perfusinya baik. Penelitian ini mendukung temuan ini karena IVIM lebih disukai daripada model lain di jaringan ginjal normal. Temuan ini dipertahankan dalam dataset ginjal normal pasca-kemoterapi, menunjukkan bahwa pengobatan tidak mempengaruhi jaringan ginjal normal dengan cara yang dapat dideteksi oleh data DWI.

Model eksponensial membentang memberikan kecocokan yang baik dengan data tumor DWI Wilms. Studi yang disebutkan sebelumnya pada kanker rektum dan jaringan rektum yang sehat[12], metastasis tulang kanker prostat [13] dan kanker ovarium[14], semuanya menunjukkan model ini untuk menyediakan data DWI yang paling sesuai jika dibandingkan dengan IVIM dan monoeksponensial. Model eksponensial membentang menyediakan dua parameter, dan DDC; sementara dasar fisiologis yang tepat tidak diketahui, diperkirakan mewakili heterogenitas jaringan, dengan nilai yang lebih rendah menunjukkan lingkungan yang lebih heterogen [10]. Karena jaringan tumor Wilms sangat heterogen, tidak mengherankan bahwa model eksponensial yang diregangkan menggambarkan data ini dengan baik.

Selain model eksponensial yang diregangkan, IVIM memberikan kecocokan yang sama baiknya dengan tumor Wilms pra-kemoterapi, sedangkan ini bukan kasus pasca perawatan. Setelah pengobatan, kemungkinan akan terjadi peningkatan jaringan nekrotik dan dengan demikian penurunan perfusi, oleh karena itu IVIM (model yang berfokus pada efek perfusi) mungkin menjadi kurang cocok.

Tidak ada subtipe histologis tertentu yang tampaknya mendukung model tertentu, namun jumlah di setiap kelompok kecil. Selain itu, penting untuk dicatat bahwa subtipe histologis ditentukan setelah hanya menganalisis subbagian

dari seluruh volume tumor. Tumor Wilms sangat heterogen dan di satu tumor, akan ada area lingkungan seluler yang berbeda. Voxel dalam wilayah yang berbeda ini mungkin telah menunjukkan preferensi model difusi variabel. Namun, karena kurangnya histologi canggih, analisis ini tidak mungkin dilakukan.

Menggunakan model non-Gaussian mungkin tidak hanya memberikan kesesuaian yang lebih baik dengan data tetapi juga dapat memberikan informasi klinis tambahan. Sebagai contoh, telah ditunjukkan bahwa D, dari kurtosis, dapat memberikan akurasi diagnostik yang lebih tinggi dibandingkan dengan ADC dalam membedakan tumor dari non-tumor pada kanker pankreas [22]. Selain itu, (eksponensial membentang) memiliki tingkat sensitivitas dan spesifisitas yang lebih tinggi ketika membedakan antara angiomyolipoma lemak minimal dan karsinoma sel ginjal dibandingkan dengan ADC [23]. Selanjutnya, baik D dan f(IVIM) telah menunjukkan harapan dalam menyoroti fungsi ginjal, dengan kedua parameter tersebut terkait dengan perkiraan laju filtrasi glomerulus pada mereka dengan penyakit ginjal kronis [24]. Oleh karena itu, model non-Gaussian mungkin juga memiliki potensi untuk memberikan informasi lebih lanjut tentang mikrostruktur jaringan ginjal.

Sementara model mono-eksponensial tidak memberikan kecocokan terbaik untuk data DWI, itu tidak berarti bahwa itu tidak boleh digunakan secara klinis. Seperti disebutkan sebelumnya, ADC telah terbukti berguna secara klinis pada tumor Wilms [4-8]. Selain itu, ADC tidak memerlukan beberapa nilai b, yang merupakan keuntungan karena banyak pusat mungkin tidak memperoleh DWI dengan beberapa nilai b sebagai standar. Oleh karena itu, meskipun penelitian ini menunjukkan penyimpangan dari peluruhan sinyal mono-eksponensial, penting untuk diketahui bahwa meskipun model tersebut mungkin bukan pendeskripsi terbaik dari data DWI, namun tetap berguna secara klinis.

Metode untuk memilih model yang memberikan kecocokan terbaik merupakan kelemahan potensial dari penelitian ini. AIC memperhitungkan kompleksitas model dan kecocokan dan oleh karena itu tampaknya merupakan pilihan yang tepat untuk perbandingan dan pemilihan model. Penting untuk mempertimbangkan apakah satu model jelas merupakan yang terbaik untuk seluruh jaringan atau jika hanya ada sedikit perbedaan di antara model-model tersebut. Ini sebelumnya disorot oleh Manikis et al. [25] pada kanker dubur, di mana meskipun keseluruhan mono eksponensial lebih disukai daripada IVIM, terdapat heterogenitas yang tinggi di seluruh jaringan. Hal ini juga ditunjukkan pada tumor Wilms dalam penelitian ini, dengan model IVIM dan model eksponensial yang diregangkan menunjukkan kesesuaian yang baik dengan data. Dengan mengingat hal ini, seseorang harus berhati-hati sebelum mengklaim bahwa model tertentu paling sesuai dengan data, karena mungkin banyak model yang hampir sama dalam kualitas pemasangan.

Selanjutnya, nilai b maksimum 1000 s/mm² mungkin menjadi batasan untuk model kurtosis karena menjadi lebih sensitif pada nilai b yang lebih tinggi [26]. Oleh karena itu, dengan rentang nilai b yang lebih optimal, model ini mungkin berkinerja lebih baik daripada dengan data saat ini. Namun, dalam studi mengenai kelayakan kurtosis pada ginjal maksimum b=1000 s/mm' juga digunakan [27]. Selain itu, penelitian ini ingin fokus pada penyesuaian data klinis yang diperoleh secara rutin yang tidak memiliki nilai b yang sangat tinggi. Sentimen ini juga telah disarankan dalam pekerjaan sebelumnya yang membandingkan model mono-eksponensial dengan kurtosis di hati juga menggunakan maksimum b=1000 s/mm² 28】.

Secara keseluruhan penelitian ini menunjukkan bahwa model mono-eksponensial tidak sesuai dengan data DWwI serta IVIM, peregangan eksponensial atau kurtosis pada jaringan tumor Wilms atau jaringan ginjal normal. Selain itu, tidak ada preferensi model untuk

subtipe seluler yang berbeda. IVIM memberikan yang paling cocok untuk jaringan ginjal normal, dan pada tumor Wilms baik model IVIM maupun model eksponensial yang diregangkan memberikan deskriptor data terbaik. ADC sering digunakan dalam penelitian klinis dan oleh karena itu asumsinya adalah bahwa peluruhan sinyal adalah monoeksponensial. Namun, hasil ini menunjukkan bahwa pada tumor Wilms dan jaringan ginjal normal, sinyal DWI tidak menunjukkan peluruhan mono-eksponensial. Oleh karena itu, memanfaatkan model lain dapat memberikan representasi yang lebih akurat dari lingkungan jaringan yang mendasarinya, dan parameter yang diturunkan dapat memberikan informasi yang berguna secara klinis.

Referensi

1. Pastore G, Znaor A, Spreafco F et al (2006) Insiden tumor ginjal ganas dan kelangsungan hidup pada anak-anak Eropa (1978– 1997): laporan dari proyek Sistem Informasi Kanker Anak Otomatis. Kanker Eur J 42:2103–2114. https://doi. org/10.1016/j.ejca.2006.05.010

2. van den Heuvel-Eibrink MM, Hol JA, Pritchard-Jones K et al (2017) Makalah posisi: Alasan untuk pengobatan tumor Wilms dalam protokol UMBRELLA SIOP-RTSG 2016. Alam Rev Urol 14:743–752. https://doi.org/10.1038/nrurol.2017.163

3. Vujanić GM, Sandstedt B, Harms D et al (2002) Revisi International Society of Pediatric Oncology (SIOP) klasifikasi kerja tumor ginjal masa kanak-kanak. Med Pediatr Oncol 38:79–82

4. Gawande RS, Gonzalez G, Messing S et al (2013) Peran pencitraan berbobot difusi dalam membedakan tumor perut pediatrik jinak dan ganas. Pediatr Radiol 43:836–845. https://doi.org/10.1007/s00247-013-2626-0

5. Aslan M, Aslan A, Habibi HA et al (2017) Diffusion-weighted MRI untuk membedakan tumor Wilms dari neuroblastoma. Diagnosa Interv Radiol 23:403–406. https://doi.org/10.5152/dir.2017.16541

6. Littooij AS, Humphries PD, Olsen E (2015) Variabilitas intra dan interobserver pengukuran koefisien difusi semu tumor di nephroblastoma: studi percontohan. Pediatr Radiol 45:1651-1660. https://doi.org/10.1007/s00247-015-3354-4

7. Hales PW, Olsen E, Sebire NJ et al (2015) Model multi-Gaussian untuk analisis histogram koefisien difusi yang jelas dari subtipe tumor Wilms dan respons terhadap kemoterapi. NMR Biomed 28:948–957. https://doi.org/10.1002/nbm.3337

8. Rogers HJ, Verhagen MV, Shelmerdine SC et al (2018) Pendekatan alternatif untuk pencitraan yang ditingkatkan kontras: pencitraan difusionweighted dan pencitraan T1-weighted mengidentifikasi dan mengukur nekrosis pada tumor Wilms. E. Radiol. https://doi. org/10.1007/dtk00330-018-5907-z

9. Le Bihan D, Breton E, Lallemand D et al (1988) Pemisahan difusi dan perfusi dalam pencitraan MR gerakan inkoheren intravoxel. Radiologi 168:497–505. https://doi.org/10.1148/radio logy.168.2.3393671

10. Bennett KM, Schmainda KM, Bennett RT et al (2003) Karakterisasi laju difusi air kortikal terdistribusi terus menerus dengan model eksponensial membentang. Magn Reson Med 50:727–734. https://doi.org/10.1002/mrm.10581

11. Jensen JH, Helpern JA, Ramani A et al (2005) Pencitraan kurtosis difusi: kuantifikasi difusi air non-gaussian melalui pencitraan resonansi magnetik. Magn Reson Med 53:1432–1440. https://doi.org/10.1002/mrm.20508

12. Zhang G, Wang S, Wen D et al (2016) Perbandingan model difusi non-Gaussian dan Gaussian dari pencitraan berbobot difusi kanker dubur pada 3,0 T MRI. Sci Rep. https://doi. org/10.1038/srep38782

13. Reischauer C, Patzwahl R, Koh DM et al (2017) Analisis Eksponensial Non-Mono dari Difusion-Weighted Imaging untuk Pemantauan Perawatan pada Metastasis Tulang Kanker Prostat. Sci Rep. https://doi.org/10.1038/s41598-017-06246-4

14. Winfield JM, deSouza NM, Priest AN et al (2015) Pemodelan data DW-MRI dari tumor ovarium primer dan metastatik. Eur Radiol 25:2033–2040. https://doi.org/10.1007/s0033 0-014-3573-3

15. Pentang G, Lanzman RS, Heusch P et al (2014) Pencitraan kurtosis difusi ginjal manusia: studi kelayakan. Pencitraan Magn Reson 32:413–420. https://doi.org/10.1016/j.mri.2014.01.006

16. Caroli A, Schneider M, Friedli I et al (2018) Pencitraan resonansi magnetik berbobot difusi untuk menilai patologi ginjal difus: tinjauan sistematis dan makalah pernyataan. Transplantasi Dial Nephrol 33:ii29–ii40. https://doi.org/10.1093/ndt/gfy163