Metabolische Bildgebung von Low- und High-grade Gliomen mittels dynamischer 17O-Magnetresonanztomografie bei 7.0 Tesla

Zielsetzung Krebszellen nutzen zur Energiegewinnung primär die anaerobe Glykolyse (‚Warburg Effekt‘). Die Inhalation von angereichertem 17-O2-Gas ermöglicht eine spezifische Darstellung des zerebralen Sauerstoffumsatzes (engl. cerebral metabolic rate of oxygen consumption=CMRO2 [μmol/g/min]). Ziel dieser Arbeit ist die Quantifizierung des Tumormetabolismus bei Gliompatienten in einer prospektiven Studie mittels dynamischer 17O-MRT bei 7-Tesla.

Material und Methoden 10 Gliompatienten (42±18 Jahre) wurden an einem 7-Tesla Ganzkörper-MRT (Siemens Healthineers, Erlangen, DE) mit einer 17O/1H-Kopfspule untersucht. Im 3-phasigen Inhalationsexperiment (t1=5:00 min Baseline, t2 ≤10:00 min Inhalation, t3≤15:00 min Abklingphase) wurde den Probanden ca. 3.8L 70%-angereichertes 17O2-Gas (Nukem Isotopes GmbH, Alzenau, DE) appliziert, um die CMRO2 dynamisch zu bestimmen. Zur Quantifizierung wurden 3D-Ganzhirn-Segmentierungen der grauen und weißen Substanz sowie der Tumorareale erstellt. Statistische Analysen erfolgten mittels Friedman-Test und paarweisem post-hoc Vergleich nach Holm-Sidak. Low- und High-grade Gliome (LGG, n1=5; HGG n2=5) wurden zudem mittels Wilcoxon-Rangsummentest verglichen.

Ergebnisse Die im Tumorvolumen ermittelte CMRO2 (HGG: 0.23±0.07; LGG: 0.39±0.16; overall: 0.34±0.16 μmol/g/min) zeigte sich im Vergleich zur grauen Substanz (2.36±0.22; p<.001) und weißen Substanz (0.75±0.10; p<0.001) signifikant erniedrigt. Der pathologisch veränderte Zellmetabolismus zeigte keinen signifikanten Unterschied zwischen LGG und HGG (p=0.31), sodass im Rahmen dieser Arbeit erstmals der Warburg-Effekt gleichermaßen in LGG und HGG nachgewiesen werden konnte.

Schlußfolgerungen Die dynamische 17O-MRT ermöglicht eine nicht-invasive Quantifizierung des zerebralen Sauerstoffmetabolismus und dadurch die Darstellung des Warburg-Effektes bei Gliompatienten in vivo. Diese Einblicke in den Tumormetabolismus könnten die Diagnostik und Therapieplanung bei onkologischen Erkrankungen verbessern.

Publikationsverlauf

Publikationsdatum:
21. April 2020 (online)