RSNA 2022 – LI-RADS v2018: Lücken im System beim HCC-Screening

RSNA 2022 – LI-RADS v2018: Lücken im System beim HCC-Screening

Wie (fast) alles ist auch das gut funktionierende System LI-RADS v2018 nicht perfekt: Zu viele Knoten können nicht genau beurteilt werden, es gibt deutliche Unterschiede zwischen CT- und MRT-Klassifizierungen und die Übereinstimmung zwischen BefunderInnen ist nicht befriedigend.

  • Präsentationstag:
    27.11.2022 0 Kommentare
  • Autor:
    biho/ktg
  • Quelle:
    Victoria Chernyak, Memorial Sloan Kettering Cancer Center, New York

"Ein wichtiger unerfüllter klinischer Bedarf bei unklaren Knotenbefunden im HCC-Screening liegt in der eindeutigen Unterscheidung zwischen gutartig und bösartig. Unklare Knotenbefunde – definiert als LR3 oder LR4 – werden bei etwa 20 Prozent der Patienten gefunden, die sich einem HCC-Screening unterziehen."

NIH (National Institutes of Health) und NCI (National Cancer Institute) appellieren an die Forschung


Heterogenität von LR-3 und LR-4: Beobachten oder Behandeln?

„Was tun mit Knoten in LI-RADS-Kategorien, die keine Behandlung erfordern, aber nicht zu ignorieren sind?“ fragte Victoria Chernyak vom Memorial Sloan Kettering Cancer Center in New York.

Kategorie LR-3 bedeutet: Etwa ein Drittel der Knoten in der Leber wird sich im Laufe der Zeit zu einem HCC entwickeln (Lee 2020, Kim 2020). PatientInnen, deren Leber-Tumor in die Kategorie LR-3 eingestuft wird, müssen sich vier Jahre lang alle drei bis vier Monate einer Kontrolluntersuchung unterziehen. „Das ist mit Ängsten auf Seiten der PatientInnen und mit Kosten verbunden“, so Chernyak.

Kategorie LR-4 bedeutet: Etwa zwei Drittel der Knoten in der Leber mutieren im Laufe der Zeit zu einem HCC (Lee 2020). Die kumulative Inzidenz zeigt, dass sich etwa 80 % der LR-4 nach vier Jahren zu einem HCC entwickeln (Kim 2020).

Ein Drittel der LR-3- und zwei Drittel der LR-4-Kategorien entwickeln sich im Laufe der Zeit zu einem HCC.
Ein Drittel der LR-3- und zwei Drittel der LR-4-Kategorien entwickeln sich im Laufe der Zeit zu einem HCC.

„Mit LR-3 und LR-4 verfehlen wir ein Ziel“, erklärte Chernyak. „Wir brauchen weitere Prädiktoren für die Progression, um bessere Entscheidungen treffen zu können.“ T2-Hyperintensität und Hepatitis C gehören zu den Prädiktoren für die Progression (Sofue 2017), doch Prädiktoren sind nicht gut untersucht.

Diskrepanz zwischen CT und MRT

Kein ungewöhnliches Szenario: Ein Knoten, der im CT als LR-4 eingestuft wird, wird zehn Tage später im MRT als LR-5 eingestuft. Eine solche Diskrepanz tritt in 36-71 % der Fälle auf, erklärte Chernyak (Tanabe 2014). Bei fast einem Drittel aller Fälle führt die MR-Untersuchung zu einer höheren Einstufung als die CT (LR-1 ausgeschlossen) – aber nicht immer. „Ursachen sind die unterschiedlichen Sensitivitäten der Modalitäten sowie Merkmale, die nur im MR und nicht im CT sichtbar sind“, sagte Chernyak.

Ein noch nicht veröffentlichter Artikel zeigt immerhin: Die Diskrepanz zwischen MRT und CT ist in der LR-5-Kategorie unbedeutend. Das bedeutet, dass HCC mit beiden Modalitäten sicher erkannt werden (im Druck: Lee et al., Radiology).

Unbefriedigende Übereinstimmung zwischen Befunder:innen

Kang et al. fanden eine geringe Übereinstimmung zwischen den BefunderInnen sowohl bei der Leber-MRT als auch bei der CT (Kang 2020, Kang 2021). Der Koeffizient für die qualitative Bewertung betrug nur 0,7 von 1. „Das ist natürlich nicht perfekt“, sagte Chernyak. Dennoch übertrifft LI-RADS damit andere RADS, wie BI-RADS und PI-RADS.

„Die ultimative Lösung wird eine quantitative Bewertung mit KI sein“, sagte Chernyak. „Wir werden eine Menge Daten benötigen, um diese Lücken zu schließen.“

Fazit

LI-RADS ist ein komplexes, aber gut funktionierendes System. RadiologInnen sollten sich der Heterogenität zwischen LR-3 und LR-4, der Diskrepanz zwischen CT- und MRT-Kategorisierungen und der Variabilität unter BefunderInnen bewusst sein.

Referenzen

Kang JH et al. Interreader Agreement of Liver Imaging Reporting and Data System on MRI: A Systematic Review and Meta-Analysis. J Magn Reson Imaging. 2020;52(3):795-804

Kang JH et al. Inter-reader reliability of CT Liver Imaging Reporting and Data System according to imaging analysis methodology: a systematic review and meta-analysis [published correction appears in Eur Radiol. 2021 May 4;:]. Eur Radiol. 2021;31(9):6856-6867

Kim YY et al. MRI Ancillary Features for LI-RADS Category 3 and 4 Observations: Improved Categorization to Indicate the Risk of Hepatic Malignancy. AJR Am J Roentgenol. 2020;215(6):1354-1362

Lee S et al. CT and MRI Liver Imaging Reporting and Data System Version 2018 for Hepatocellular Carcinoma: A Systematic Review With Meta-Analysis. J Am Coll Radiol. 2020;17(10):1199-1206

Sofue K et al. Liver imaging reporting and data system category 4 observations in MRI: Risk factors predicting upgrade to category 5. J Magn Reson Imaging. 2017;46(3):783-792

Tanabe M et al. Imaging Outcomes of Liver Imaging Reporting and Data System Version 2014 Category 2, 3, and 4 Observations Detected at CT and MR Imaging. Radiology. 2016;281(1):129-139

Sie müssen sich einloggen, um Kommentare zu verfassen.

Ihr direkter Draht zu uns