Advertisement

Der Nervenarzt

, Volume 77, Issue 9, pp 1086–1095 | Cite as

Multizentrische Reliabilität MRT-gestützter Volumetrie des Gehirns

Ergebnisse des Phantomtests und voxelbasierter Morphometrie im Kompetenznetz Demenzen
  • S. J. Teipel
  • M. Ewers
  • O. Dietrich
  • S. O. Schoenberg
  • F. Jessen
  • R. Heun
  • N. Freymann
  • H.-J. Möller
  • H. Hampel
Originalien

Zusammenfassung

Hintergrund

Obwohl zahlreiche Studien den diagnostischen Nutzen der volumetrischen Bestimmung atrophischer Prozesse bei der Alzheimer-Krankheit (AD) nahe legen, ist die multizentrische Anwendbarkeit volumetrischer Messungen für die klinische Früherkennung der AD bisher noch nicht ausreichend untersucht worden. In der vorliegenden Studie bestimmten wir die Präzision der multizentrischen volumetrischen Magnetresonanztomographie (MRT).

Methoden

Die Reliabilität der MRT-Messungen wurde anhand eines Phantomtests sowie voxelbasierter morphometrischer Auswertungen von kranialen In-vivo-MRT-Messungen eines gesunden Probanden an insgesamt 11 Zentren im Rahmen des Kompetenznetzes Demenzen (KND) bestimmt.

Ergebnisse

Neun von 11 getesteten Zentren erfüllten die Kriterien des Phantomtests. Zwei Zentren wiesen einen systematischen Messfehler bei der Längenmessung und Schichtendicke auf. Die voxelbasierte morphometrische Analyse ergab einen Variationskoeffizienten von 5,02% für die Messung des Volumens der grauen Substanz und 12,81% (SD=9,06%) für die Messung der voxelbasierten Signalintensitäten der grauen Substanz. Das Ausmaß der Variabilität lässt erwarten, dass eine Stichprobengröße von 150 Probanden ausreicht, um einen erwarteten Verlust des Volumens der grauen Substanz bei Patienten mit prädemenziellen leichten kognitiven Störungen (MCI) mit ausreichender Teststärke aufzudecken.

Schlussfolgerung

Die Reliabilität der MRT-Messungen gewährleistet eine sichere Grundlage für eine zentrenübergreifende Analyse MRT-gestützter diagnostischer Marker der AD.

Schlüsselwörter

Reliabilität Multizentrische Reliabilität Magnetresonanztomographie Kompetenznetz Demenzen 

Reliability of multicenter magnetic resonance imaging

Results of a phantom test and in vivo measurements by the German Dementia Competence Network

Summary

Background

Whereas a large body of evidence suggests the usefulness of volumetric measurement of cerebral atrophy for diagnosing Alzheimer’s disease (AD), the clinical applicability of cerebral volumetry for early detection of AD across multiple clinical sites is not well known. In the current study, we assessed the precision of volumetric measurement of the brain based on magnetic resonance imaging (MRI) in a multicenter setting.

Methods

The reliability of MRI was assessed by a phantom test of the American College of Radiology and voxel-based morphometry applied to the images obtained from a single subject tested at 11 centers of the German Dementia Competence Network.

Result

Nine of the 11 centers tested met the reliability criteria of the phantom test. Across all centers, a bias was found in the measurements of slice thickness and length. For voxel-based morphometry, the coefficient of variation yielded 5.02% for gray matter volume and 12.81% (SD 9.06%) for gray matter signal intensity in voxels. Power analysis showed that a sample size of 150 subjects is sufficient for statistically valid detection of reduced gray matter volume in patients with mild cognitive impairment.

Conclusion

The reliability of measurements from multiple centers is sufficient to allow statistically valid analysis of MRI data.

Keywords

Reliability Multicenter Magnetic Resonance Imaging Dementia Competence Network 

Notes

Danksagung

Die Studie wurde durch Fördermittel des Bundesministeriums für Bildung und Forschung (BMBF 01 GI 0102) an das Kompetenznetz Demenzen unterstützt. Wir danken Herrn Dr. Jens Heidenreich (Charite Berlin), Herrn Dr. Christian Luckhaus (Rheinische Kliniken Düsseldorf), Herrn Dr. Thomas Kucinski und Hernn Dr. Tomas Müller-Thomsen (Universitätklinikum Hamburg-Eppendorf) und den Zentren in Bonn, Erlangen, Frankfurt, Freiburg, Heidelberg, Leipzig und Mannheim für die rasche Durchführung der MRT-Messungen.

Interessenkonflikt

Der korrespondierende Autor versichert, dass keine Verbindungen mit einer Firma, deren Produkt in dem Artikel genannt ist, oder einer Firma, die ein Konkurrenzprodukt vertreibt, bestehen.

Literatur

  1. 1.
    Anderson RN, Smith BL (2003) Deaths: leading causes for 2001. Natl Vital Stat Rep 52:1–85Google Scholar
  2. 2.
    Hampel H et al. (1997) [Structural magnetic resonance tomography in diagnosis and research of Alzheimer type dementia]. Nervenarzt 68:365–378PubMedGoogle Scholar
  3. 3.
    Jack CRJMD et al. (2000) Rates of hippocampal atrophy correlate with change in clinical status in aging and AD. Neurology 55:484–490PubMedGoogle Scholar
  4. 4.
    DeCarli C et al. (1995) Discriminant analysis of MRI measures as a method to determine the presence of dementia of the Alzheimer type. Psychiatry Res 57:119–130PubMedGoogle Scholar
  5. 5.
    Hampel H et al. (2002) In vivo imaging of region and cell type specific neocortical neurodegeneration in Alzheimer’s disease. Perspectives of MRI derived corpus callosum measurement for mapping disease progression and effects of therapy. Evidence from studies with MRI, EEG and PET. J Neural Transm 109:837–855PubMedGoogle Scholar
  6. 6.
    Teipel SJ et al. (2003) Regional pattern of hippocampus and corpus callosum atrophy in Alzheimer’s disease in relation to dementia severity: evidence for early neocortical degeneration. Neurobiol Aging 24:85–94PubMedGoogle Scholar
  7. 7.
    Juottonen K et al. (1998) Volumes of the entorhinal and perirhinal cortices in Alzheimer’s disease. Neurobiol Aging 19:15–22PubMedGoogle Scholar
  8. 8.
    Du AT et al. (2001) Magnetic resonance imaging of the entorhinal cortex and hippocampus in mild cognitive impairment and Alzheimer’s disease. J Neurol Neurosurg Psychiatry 71:441–447PubMedGoogle Scholar
  9. 9.
    Fox NC et al. (2001) Imaging of onset and progression of Alzheimer’s disease with voxel-compression mapping of serial magnetic resonance images. Lancet 358:201–205PubMedGoogle Scholar
  10. 10.
    Frisoni GB et al. (2002) Detection of grey matter loss in mild Alzheimer’s disease with voxel based morphometry. Mapping gray matter loss with voxel-based morphometry in mild cognitive impairment. J Neurol Neurosurg Psychiatry 73:657–664PubMedGoogle Scholar
  11. 11.
    Baron JC et al. (2001) In vivo mapping of gray matter loss with voxel-based morphometry in mild Alzheimer’s disease. Neuroimage 14:298–309PubMedGoogle Scholar
  12. 12.
    Teipel SJ et al. (2005) Age-related cortical grey matter reductions in nondemented Down’s syndrome adults determined by magnetic resonance imaging with voxel-based morphometry. Brain (in press)Google Scholar
  13. 13.
    Davis PC et al. (1992) The Consortium to Establish a Registry for Alzheimer’s Disease (CERAD). Part III. Reliability of a standardized MRI evaluation of Alzheimer’s disease. Neurology 42:1676–1680PubMedGoogle Scholar
  14. 14.
    Henn FA (2003) Kompetenznetz Demenzen. Psychoneuro 6:251Google Scholar
  15. 15.
    Wiltfang J et al. (2003) Kompetenznetz Demenzen—Früherkennung und Differenzialdiagnose. Psychoneuro 6:290–293Google Scholar
  16. 16.
    ACR (2000) Phantom test guidance for the ACR MRI accredition program. American College of Radiology, RestonGoogle Scholar
  17. 17.
    Chen CC et al. (2004) Quality assurance of clinical MRI scanners using ACR MRI phantom: preliminary results. J Digit Imaging 17:279–284PubMedGoogle Scholar
  18. 18.
    Smith S (1999) Fast robust automated brain extraction. Hum Brain Mapp 17:143–155CrossRefGoogle Scholar
  19. 19.
    Zhang Y, Brady M, Smith S (2001) Segmentation of brain MR images through a hidden Markov random field model and the expectation maximation algorithm. IEEE Trans Med Imaging 20:45–57PubMedGoogle Scholar
  20. 20.
    Cohen J (1977) Statistical power analysis for the behavioral sciences. Academic Press, New YorkGoogle Scholar
  21. 21.
    Faul F, Erdfelder E (1992) GPOWER: a priori, post-hoc, and compromise power analyses for MS-DOS [Computer program]. BonnGoogle Scholar
  22. 22.
    Erdfelder E, Faul F, Buchner A (1996) GPOWER: a general power analysis program. Behav Res Methods Instrum Comput 28:1–11Google Scholar
  23. 23.
    Tofts PS (1998) Standardisation and optimisation of magnetic resonance techniques for multicentre studies. J Neurol Neurosurg Psychiatry 64:S37–S43PubMedGoogle Scholar
  24. 24.
    McRobbie DW, Quest RA (2002) Effectiveness and relevance of MR acceptance testing: results of an 8 year audit. Br J Radiol 75:523–531Google Scholar
  25. 25.
    Prott FJ et al. (1995) Comparison of imaging accuracy at different MRI units based on phantom measurements. Radiother Oncol 37:221–224PubMedGoogle Scholar
  26. 26.
    Ashburner J, Friston KJ (2001) Why voxel-based morphometry should be used. Neuroimage 14:1238–1243PubMedGoogle Scholar
  27. 27.
    Bookstein FL (2001) “Voxel-based morphometry” should not be used with imperfectly registered images. Neuroimage 14:1454–1462PubMedGoogle Scholar

Copyright information

© Springer Medizin Verlag 2005

Authors and Affiliations

  • S. J. Teipel
    • 1
  • M. Ewers
    • 1
    • 4
  • O. Dietrich
    • 2
  • S. O. Schoenberg
    • 2
  • F. Jessen
    • 3
  • R. Heun
    • 3
  • N. Freymann
    • 3
  • H.-J. Möller
    • 1
  • H. Hampel
    • 1
  1. 1.Klinik für Psychiatrie und PsychotherapieLudwig-Maximilians-Universität München
  2. 2.Institut für Klinische Radiologie—GroßhadernKlinikum der Ludwig-Maximilians-Universität München
  3. 3.Klinik und Poliklinik für Psychiatrie und PsychotherapieRheinische Friedrich-Wilhelms-Universität Bonn, Universitätsklinikum Bonn
  4. 4.Klinik für Psychiatrie und PsychotherapieLudwig-Maximilians-Universität MünchenMünchenDeutschland

Personalised recommendations