Browsing by Author "Preibsch, Heike"

Zusammenfassung Hintergrund Die kontrastmittelverstärkte Mammographie (CEM) ist ein Untersuchungsverfahren, das nach peripher-venöser Applikation eines iodhaltigen Kontrastmittels (iKM) die verbesserte Darstellung intramammärer Tumoren ermöglicht. Fragestellung und Methode Die Autor:innen diskutieren den aktuellen Stellenwert der CEM. Ergebnisse In Studien konnten für die CEM Vorteile bei der Brustkrebsdiagnostik gegenüber der Mammographie insbesondere bei Frauen mit sehr dichtem Drüsengewebe gezeigt werden. Das Indikationsspektrum zur CEM kann gegenwärtig in Abhängigkeit davon gesehen werden, ob eine qualitätsgesicherte Magnetresonanztomographie (MRT) der Mamma zur Verfügung steht oder nicht. Mit Option auf eine qualitätsgesicherte Mamma-MRT reduzieren sich die Indikationen für eine CEM auf Konstellationen, in denen die MRT nicht einsetzbar ist. Für das Brustkrebs-Screening wird der Einsatz der CEM gegenwärtig kritisch gesehen. Dies kann sich ändern, wenn in Kürze Ergebnisse und aktualisierte Bewertungen umfangreicher CEM-Studien in Europa und USA vorliegen. Patientinnen sind über die iKM-Gabe aufzuklären. Da die iKM-Gabe bei der CEM in ähnlicher Art und Weise erfolgt wie bei anderen etablierten Bildgebungsverfahren, ist aus Sicht der Autoren davon auszugehen, dass die Verwendung der iKM für die CEM unter Berücksichtigung der allgemeinen Kontraindikationen unproblematisch ist. Schlussfolgerung Künftig könnte der CEM in der Brustkrebsdiagnostik eine größere Bedeutung zukommen, da dieses Verfahren diagnostische Vorteile gegenüber der konventionellen Mammographie aufweist. Als Vorteil der CEM gilt die hohe Verfügbarkeit. Für MR-Nutzer füllt die CEM schon jetzt bestehende Lücken bei Vorliegen von Kontraindikationen oder Nichtdurchführbarkeit der MRT aus anderen Gründen.

Abstract Objectives To assess imaging features of primary renal sarcomas in order to better discriminate them from non-sarcoma renal tumors. Methods Adult patients diagnosed with renal sarcomas from 1995 to 2018 were included from 11 European tertiary referral centers (Germany, Belgium, Turkey). Renal sarcomas were 1:4 compared to patients with non-sarcoma renal tumors. CT/MRI findings were assessed using 21 predefined imaging features. A random forest model was trained to predict “renal sarcoma vs. non-sarcoma renal tumors” based on demographics and imaging features. Results n = 34 renal sarcomas were included and compared to n = 136 non-sarcoma renal tumors. Renal sarcomas manifested in younger patients (median 55 vs. 67 years, p < 0.01) and were more complex (high RENAL score complexity 79.4% vs. 25.7%, p < 0.01). Renal sarcomas were larger (median diameter 108 vs. 43 mm, p < 0.01) with irregular shape and ill-defined margins, and more frequently demonstrated invasion of the renal vein or inferior vena cava, tumor necrosis, direct invasion of adjacent organs, and contact to renal artery or vein, compared to non-sarcoma renal tumors (p < 0.05, each). The random forest algorithm yielded a median AUC = 93.8% to predict renal sarcoma histology, with sensitivity, specificity, and positive predictive value of 90.4%, 76.5%, and 93.9%, respectively. Tumor diameter and RENAL score were the most relevant imaging features for renal sarcoma identification. Conclusion Renal sarcomas are rare tumors commonly manifesting as large masses in young patients. A random forest model using demographics and imaging features shows good diagnostic accuracy for discrimination of renal sarcomas from non-sarcoma renal tumors, which might aid in clinical decision-making. Key Points • Renal sarcomas commonly manifest in younger patients as large, complex renal masses. • Compared to non-sarcoma renal tumors, renal sarcomas more frequently demonstrated invasion of the renal vein or inferior vena cava, tumor necrosis, direct invasion of adjacent organs, and contact to renal artery or vein. • Using demographics and standardized imaging features, a random forest showed excellent diagnostic performance for discrimination of sarcoma vs. non-sarcoma renal tumors (AUC = 93.8%, sensitivity = 90.4%, specificity = 76.5%, and PPV = 93.9%).