Ved hjælp af gratis, open source software, har vi udviklet en analytisk tilgang til at kvantificere samlede og regionale brun til fedtvæv (BAT) volumen og metaboliske aktivitet af BAT ved hjælp af 18F-FDG PET/CT
Endoterm dyr, er brunt fedtvæv (BAT) aktiveret til at producere varme for at forsvare kropstemperatur som reaktion på kulde. BATS evne til at forbruge energi har gjort det et potentielt mål for nye behandlinger til at forbedre fedme og tilknyttede metaboliske sygdomme hos mennesker. Selvom dette væv er blevet godt undersøgt i små dyr, BATS termogeniske kapacitet i mennesker er stadig stort set ukendt fordi var vanskeligt at måle dens volumen, aktivitet og distribution. At identificere og kvantificere aktive menneskelige BAT er almindeligvis udføres ved hjælp af 18F-Fluorodeoxyglucose (18F-FDG) positron emissions tomografi og computertomografi (PET/CT) scanninger følger kolde-eksponering eller farmakologiske aktivering. Her beskriver vi en detaljeret billedanalyse tilgang for at kvantificere total-krop menneskelige BAT fra 18F-FDG PET/CT scanner bruger en open source software. Vi demonstrere tegning af bruger-specificeret regioner af interesse at identificere metabolisk aktive fedtvæv samtidig undgå fælles ikke-BAT væv, at foranstaltningen BAT volumen og aktivitet, og at yderligere karakterisere sin anatomiske distribution. Selv om denne strenghed er tidskrævende, mener vi, det vil i sidste ende giver et fundament for at udvikle fremtidige automatiseret BAT kvantificering algoritmer.
Den stigende forekomst af fedme verdensomspændende1 har bedt om en undersøgelse af roman therapeutics at forhindre og rette op på fedme og dens tilknyttede komplikationer. Fedme skyldes delvis overskydende energi lagret i hvidt fedtvæv (WAT) i form af triglycerider2. Brunt fedtvæv (BAT) adskiller sig fra WAT især på grund af dets højere mitokondrie indhold, mindre og multilocular lipid dråber, forskellige anatomiske distribution, større sympatiske innervation og varme generere evne. Selvom BAT var engang troede at eksistere kun i små pattedyr og nyfødte spædbørn, blev tilstedeværelsen af funktionelle BAT bekræftet i voksne mennesker i 20093,4,5. Menneskelige BAT termogeniske kapacitet er endnu ikke kendt, men omfattende undersøgelse i små dyr har vist, at ikke-rystede termogenese kan udgøre op til 60% af deres stofskifte under kolde-eksponering6. Som et resultat, er menneskelige BAT nu ved at blive undersøgt som et mål for behandling og forebyggelse af fedme og beslægtede lidelser7. Adskillige kliniske undersøgelser har vist, at BAT termogenese korrelerer med øget glukose optagelse og energi udgifter ved aktivering af mild koldt eksponering8,9,10. Endnu, BATS bidrag til kolde-induceret termogenese er fortsat kontroversielt11,12,13,14, med megen debat centreret omkring hvordan man kan kvantificere menneskelige BAT15. For bedre at forstå hvis BAT termogenese kan udnyttes til at bekæmpe fedme, er det afgørende at have en nøjagtig måling af dens volumen og metaboliske aktivitet.
At opnå præcise målinger af BAT er en udfordring på grund af BATS unikke anatomiske distribution hos mennesker. BAT er fordelt i de hvide fedt depoter i hals, brystkasse og underliv i websteder, der er utilgængelige for ukompliceret biopsier14. Obduktioner er blevet brugt til at karakterisere BAT anatomisk16, men er umuligt for de fleste forskning laboratorier gør store undersøgelser og kan ikke give længderetningen eller funktionelle oplysninger. Da BAT har en lignende tæthed til WAT og kan forekomme i smalle fascial lag eller i små lommer spækket med WAT16, er det vanskeligt at identificere ved hjælp af en enkelt, konventionelle imaging teknik. Denne forskelligartethed gør også automatisk kvantificering af BAT vanskeligere end kvantificering af homogene strukturer som den lever17.
For at overvinde disse udfordringer, er BAT volumen og aktivitet almindeligt kvantificeret ved at koble computertomografi (CT) og positron emission tomografi (PET). Radiolabeled glucose analog 18F-Fluourodeoxyglucose (18F-FDG) er den mest udbredte sporstof til at studere BAT metaboliske aktivitet18. Fedtvæv kan skelnes fra andre væv og luft baseret på tæthed oplysninger fra CT billede i Hounsfield enheder (HU). PET billeder viser mængden af 18F-FDG tages i et volumen af væv i enheder af standardiserede optagelse værdier (SUV). Aktive BAT kan adskilles fra væv med ubetydelige tracer udbredelse, herunder WAT og inaktive BAT, co registrerer PET billeder med tilsvarende CT-scanninger og at vælge en passende SUV tærskel.
Gennem dette papir tilstræber vi at give en trinvis fremgangsmåde med en instruktions video, der kan bruges af kliniske forskere til at kvantificere menneskelige BAT ved hjælp af 18F-FDG PET/CT-scanninger. Dette billede analyse teknik er ideelt anvendes efter fag har været udsat for kulde eller behandlet med farmakologiske BAT stimulanser. Specifikt, vise vi brugere om, hvordan at konstruere regioner af interesse (ROIs) samtidig minimere falske positiver ved hjælp af en gratis, open source billedbehandling software (ImageJ) med en særlig plug-in (petctviewer.org). Resultatet af denne tilgang kan bruges til at studere BAT volumen, aktivitet (glukoseoptagelse) og anatomiske distribution i individuelle undersøgelse emner.
Siden bekræftelse af funktionelle BAT i voksne mennesker, har der været stor interesse i at forstå rollen af BAT i human fysiologi. Men fordi denne termogeniske væv findes ofte i smalle fascial fly, afbrudt i hvidt fedt, og de omkringliggende andre organer, det udfordrende for at kvantificere. I 2016, var en konsensus dokument udgivet af en International BAT ekspert panel med anbefalinger for rapportering relevante deltager specifikationer, kriterier for emnet forberedelse og en protokol for at erhverve PET/CT billeder21. Panelet også peget på behovet for mere ensartethed i behandlingen af PET/CT for BAT kvantificering, at bemærke, at metoder til at identificere BAT har varieret meget, og i de fleste tilfælde er kun begrænset detalje af BAT kvantificering procedure fastsat. Derfor, mens rapporter om inden for undersøgelse reproducerbarhed er høj22,23,24, mærkbart forskellige BAT volumen og aktivitet er blevet rapporteret af grupper, der bruger forskellige kvantificering metoder, selv når deltagerne er af tilsvarende alder, køn og BMI25,26. Disse uoverensstemmelser vanskeliggør sammenligne resultater og har ført til en kontrovers over mængden af BAT i den voksne menneskelige15.
En iboende begrænsning af PET/CT billedbehandling er inddragelse af voxels, der opfylder kriterier, både PET og CT men anatomiske steder, der svarer til strukturer end BAT. Perfekt samarbejde registrering af PET og CT-billeder er næsten umuligt på grund af forskelle i opløsning og emne bevægelse under scanninger. Som følge heraf er strukturer der grænser op til luft eller knogle og regioner af høj tracer optagelse ofte fejlagtigt identificeret som aktive BAT. For at begrænse inddragelse af falsk positive voxels, bør man anvende PET og CT kriterier kun inden for de ROIs, som brugerne konstruere. Men nuværende metoder til at kvantificere BAT med bruger-specificeret ROIs eller automatiseret analyser varierer i mængden af brugerinddragelse og viden de kræver. Vi har vist, at bruge en enkelt, to-dimensionelle brugerdefinerede koronale ROI anvendes på hele stakken af billeder kan være mere tilbøjelige til at herunder falsk positive områder19. Flere grupper har udviklet automatiserede metoder til at kvantificere BAT, der kan hurtigt behandle store datasæt uden meget brugerinput. Men disse metoder undlader enten at medtage alle potentielle BAT-holdige regioner, især i de lavere organ27, eller pådrage sig relativt høje rater af falske positiver28 og falske negativer26. Da mængden af menneskelige BAT er generelt lav (< 600 mL, eller < 2% af den samlede kropsmasse), lille absolutte fejl i kvantificering kan føre til store relative forskelle.
Denne undersøgelse af tegning ROIs på hver aksial PET-CT skive strengere fremgangsmåden tillader detektering af BAT i smalle fascial lag samtidig mere tillid til at falske positiver er blevet udelukket. Dette giver en detaljeret kvantificering i hver enkelte, snarere end en binær vurdering af BATS tilstedeværelse eller fravær29. Det kan derfor mere passende for kontrollerede eksperimenter i små stikprøver har til hensigt at studere BAT fysiologi og/eller effekter fra interventioner. Derudover kan evnen til at definere regionsspecifikke BAT depoter giver mere indblik i BATS funktionelle relevans og udviklingsmæssige oprindelse. Vi mener, at disse kvantitative foranstaltninger er vigtige ikke blot for sammenligning på tværs af feltet, men også bedre skøn BATS bidrag til energimetabolisme og termoregulering i voksne mennesker.
Flere anatomiske funktioner af BAT vil hjælpe brugerne med vores metode grænse optagelse af falsk positive voxels. BAT er typisk findes i kontinuerlig og symmetrisk fascial lag. Således, mens tegning og raffinering en ROI, undersøge de overlegne og underlegne aksial skiver for kontinuitet og symmetri af den markerede fedtvæv kan hjælpe brugere maksimere optagelsen af fedtvæv og minimere medtagelsen af skeletmuskulatur, ben og andre indlysende ikke-BAT strukturer. Aktive BAT er også sjældent findes i subkutan fedt depoter, så vi anbefaler brugere at undgå disse områder, når der opføres ROIs. Som det fremgår af protokollen, er BAT fordelt på flere forskellige anatomiske regioner, herunder den cervikale, dorsocervical, supraclavicular, aksil, mediastinale, paraspinal, og abdominale depoter. Disse depoter er fordelt sådan, at en aksial skive kan indeholde mere end BAT fra flere depoter. For eksempel kan en aksial skive i regionen thorax indeholder BAT fra mediastinale depot (proksimale og anterior), paraspinal depot (proksimale og posterior langs rygsøjlen) og aksillær depot (lateral og nær midten af antero posterior linje). Viden om disse depoter kan hjælpe brugerne oprette ROIs i forskellige områder af kroppen, eftersom de forekommer i pre beskrevne lokaliteter er stort set sammenhængende, som beskrevet i vores protokol. Men fordi vi opfordrer brugerne til at tegne kun én ROI pr. skive for at undgå ROI overlapning, de yderligere skridt til at skabe en BAT maske og trække sagittal ROIs er forpligtet til at adskille de tidligere identificerede BAT voxels i de forskellige regionale depoter, hvis oplysninger om BAT distribution ønskes, dvs. adskille mediastinale, paraspinal og aksil BAT opdaget i den samme aksiale ROI i depoter baseret på sagital placering (figur 3).
PET/CT viewer software kan også bruges til at kvantificere aktiviteten af væv end BAT, for eksempel rystede skeletmuskulatur, hvor også store spiller en rolle kold induceret termogenese19, eller forskellige områder i hjernen eller leveren, der har været foreslået som reference væv for PET/CT analyse21. Disse væv skal dog tætheder og anatomiske distributioner, der afviger fra BAT og er uden for fokus for vores nuværende protokol. Vi direkte læsere til konsensus dokument for større detalje på disse emner21. Endelig anbefaler vi alle brugere at løbende opdatere ImageJ og besøg petctviewer.org for plug-in-opdateringer og software bistand.
Selvom vi mener, at denne strenge metode er mere præcise end automatiserede metoder26,28 og metoder, der bruger en forenklet, enkelt ROI for at anslå samlede BAT bind9,30, er det ikke uden begrænsninger. Der er ingen ideel metode til ikke-invasivt kvantificere BAT i mennesker, og 18F-FDG repræsenterer kun glukoseoptagelse, hvilket ikke er det samme som glukose metabolisme11. Men selv om andre radioaktive sporstoffer har været brugt31,32,33, 18F-FDG er den mest fremtrædende tracer bruges til at studere menneskets BAT. Således fortsat udvikle standardiserede metoder til at analysere 18F-FDG PET/CT billeder vil være slagkraftige i studiet af menneskets BAT fysiologi for en overskuelig fremtid.
Den metode, vi foreslår, at skabe en ROI på hver BAT-holdige aksial skive samtidig undgå fælles problemområder, er arbejdsintensive og kræver, at brugeren har kendskab til underliggende anatomi. Det er også muligt, at den strenge ROI udvalg kan indføre falske negativer, da nogle BAT-holdige depoter kan undgås. Tegning ROIs på hver aksial skive af sammenvoksede PET/CT billedet giver mulighed for omhyggelig forskelsbehandling mellem fedtvæv og nærliggende metabolisk aktive væv og/eller regioner påvirket af spill over og delvis volumen effekter34. Men den tid det tager for at fuldføre analyse af en enkelt scanning kan variere fra tre til otte timer, med mulighed for at forkorte tidsrammen med praksis og erfaring. Forskellige machine learning tilgange kan muligvis reducere arbejdskraft og ekspertise, der kræves for at udføre denne opgave. Men at skabe en mere automatiseret metode, der kan præcist afsløre BAT og er robust over for falske positiver lavet af aktuelle imaging begrænsninger vil kræve et stort datasæt med individer af varieret kropssammensætning og BAT distribution. Vi håber, at denne metode kan bruges til at producere en detaljeret BAT atlas, der kan fungere som en skabelon for mere sofistikerede big data tilgange.
Afslutningsvis vil vist vi en trinvis billede analyse tilgang for at kvantificere menneskelige brunt fedtvæv volumen, aktivitet og distribution ved hjælp af kold-induceret FDG PET/CT-scanninger. De kritiske trin omfatter 1) kontinuerligt og sekventielt analysere aksial ROIs og 2) vurdering af relevante BAT depoter af deres anatomiske placering samtidig undgå andre metabolisk aktive væv. Denne streng kvantificering tilgang kan bruges af efterforskere i feltet til at studere BAT fysiologi og tjene som reference standard for at udvikle automatiserede menneskelige BAT kvantitering tilgange i fremtiden.
The authors have nothing to disclose.
Vi vil gerne takke alle de undersøgelse frivillige, sygepleje og kliniske personale og diætister af NIH kliniske Center for deres deltagelse i vores kolde eksponeringsundersøgelser og behandling under en indlæggelse ophold. Vi vil også gerne takke Dr. Bill Dieckmann for alle hans bistand med erhvervelse og distribution af PET-CT billederne til vores undersøgelser. Dette arbejde blev støttet af murene Research Program af nationale Institut for Diabetes og Digestive og nyre sygdomme tilskud Z01 DK071014 (til K.Y.C.) og DK075116-02 (til A.M.C.).
ImageJ/Fiji Software | ImageJ | https://imagej.net/Fiji/Downloads | Open Source Software |