Impact of a phantomless calibration method on two finite element models predicting metastasised femoral strength

Technische Zusammenfassung: Auswirkungen einer phantomlosen Kalibrierungsmethode auf zwei Finite-Elemente-Modelle zur Vorhersage der metastasierten Femurfestigkeit

Problemstellung
Patientenspezifische Finite-Elemente-Modelle (FE-Modelle) auf Basis von quantitativer Computertomographie (QCT) sind etablierte Werkzeuge zur Vorhersage des Frakturrisikos von Femora bei Knochenmetastasen. Diese Modelle erfordern die Umwandlung von Hounsfield-Einheiten (HU) aus CT-Scans in die Knochenmineraldichte (BMD), um mechanische Parameter abzuleiten. Der derzeitige Goldstandard umfasst das Scannen eines physischen Kalibrierphantoms zusammen mit dem Patienten. Dieser Ansatz stellt jedoch erhebliche Barrieren für die routinemäßige klinische Anwendung dar: Die Phantome sind teuer, und der logistische Aufwand eines gleichzeitigen Scannens begrenzt die Skalierbarkeit. Während phantomlose Kalibrierungsmethoden unter Verwendung interner Patientengewebe (z. B. Luft, Fett, Muskel) vorgeschlagen wurden, bleibt deren Präzision und Reproduzierbarkeit über verschiedene FE-Modellierungsframeworks hinweg – insbesondere bei Modellen mit unterschiedlichen Stoffgesetzen (linear vs. nicht-linear) – unzureichend untersucht.

Methodik
Diese Studie bewertete eine phantomlose Kalibrierungsmethode basierend auf internen Geweben (Air-Fat-Muscle oder AFM) im Vergleich zur Goldstandard-phantombasierten Kalibrierung. Die Studie nutzte einen Datensatz von 88 Femora von 45 Patienten (50 mit Metastasen, 38 Kontrollen), die im Rahmen des MEKANOS-Multizenterprojekts erworben wurden.

1. Kalibrierungsansätze:

   • Phantom-basiert: HU-Werte eines K2HPO4-Kalibrierphantoms wurden verwendet, um eine lineare Regressionssteigung und einen Achsenabschnitt für die Umwandlung von HU in Dichte zu etablieren.
   • AFM (Phantomlos): HU-Peaks, die Luft, Fett und Muskel entsprechen, wurden aus den globalen Histogrammen des CT-Scan-Volumens extrahiert. Diese Peaks wurden linear an Referenzdichtewerte (abgeleitet aus einer Teilmenge von Phantom-Scans) angepasst, um eine Kalibrierungsgleichung zu generieren.

2. Finite-Elemente-Modelle:
   Für jeden Femur wurden zwei unterschiedliche FE-Modelle unter Verwendung beider Kalibrierungsmethoden konstruiert, was zu vier Simulationen pro Femur führte:

   • Lyon-Modell: Verwendet ein lineares Stoffgesetz. Es nutzt Tetraeder-Elemente, eine spezifische Orientierung (20°) und ein Versagenskriterium, das auf einem kritischen Volumen von Elementen basiert, die die ultimative Spannung erreichen.
   • Leuven-Modell: Verwendet ein nicht-lineares Stoffgesetz. Es nutzt Hexaeder-Elemente, eine andere Orientierung (12°) und modelliert nicht-lineares isotropes Materialverhalten mit Plastizität und Softening (Erweichung).

3. Analyse:
   Die Studie verglich die scheinbare Dichte und die vorhergesagten Versagenslasten zwischen den beiden Kalibrierungsmethoden. Statistische Analysen umfassten lineare Regression, Bland-Altman-Plots (zur Bewertung von Bias und Übereinstimmungsgrenzen) sowie Tests für die Intra- und Inter-Operator-Variabilität der AFM-Methode.

Wesentliche Ergebnisse

• Korrelation und Bias: Die AFM-Methode zeigte eine sehr gute Reproduzierbarkeit und eine starke Korrelation mit der phantombasierten Methode.
  • Scheinbare Dichte: Signifikante Korrelation ($R^2 = 0,78$, $p < 0,01$) mit einem mittleren Bias von etwa 0,4 %.
  • Versagenslast: Es wurden signifikante Korrelationen für beide Modelle gefunden ($R^2 = 0,85$ für das Lyon-Modell, $R^2 = 0,84$ für das Leuven-Modell, $p < 0,01$). Der mittlere Bias in der Versagenslast lag bei beiden Modellen unter 1 %.
• Übereinstimmungsgrenzen (Limits of Agreement): Während die Korrelationen stark waren, waren die Übereinstimmungsgrenzen für das Lyon-Modell (linear) enger als für das Leuven-Modell (nicht-linear).
  • Für die Versagenslast lagen die Übereinstimmungsgrenzen bei $[-17,5\%; 18,3\%]$ für das Lyon-Modell gegenüber $[-26,3\%; 27,3\%]$ für das Leuven-Modell.
  • Dies deutet darauf hin, dass das lineare Modell weniger empfindlich auf Variationen in der Dichtekalibrierung reagiert als das nicht-lineare Modell.
• Variabilität: Die Intra- und Inter-Operator-Variabilität für die AFM-Methode war gering. Der relative Unterschied in den vorhergesagten Versagenslasten betrug weniger als 5 % für das Lyon-Modell und weniger als 10 % für das Leuven-Modell über alle Femora hinweg.
• Ausreißer: Diskrepanzen wurden in spezifischen Fällen beobachtet (z. B. zeigte ein Patient eine Differenz von -40 % in der scheinbaren Dichte und bis zu -48 % in der Versagenslast für das Leuven-Modell), was potenziell auf Fettinfiltration in den Muskeln (Sarkopenie) oder Variationen in der effektiven Energie des Scanners zurückzuführen ist, die durch feste Referenzdichten nicht berücksichtigt wurden.

Bedeutung und Behauptungen
Die Autoren kommen zu dem Schluss, dass die AFM-phantomlose Kalibrierungsmethode eine vielversprechende, reproduzierbare und leicht implementierbare Alternative zur phantombasierten Kalibrierung zur Vorhersage der Femurfestigkeit bei Patienten mit Knochenmetastasen ist.

• Modellsensitivität: Die Studie stützt die Hypothese, dass Modelle mit linearen Stoffgesetzen (wie das Lyon-Modell) weniger empfindlich gegenüber Fehlern in der Dichtekalibrierung sind als nicht-lineare Modelle. Folglich kann ein lineares Modell für klinische Anwendungen, bei denen eine phantomlose Kalibrierung eingesetzt wird, besser geeignet sein, da es engere Übereinstimmungsgrenzen liefert.
• Klinischer Nutzen: Die AFM-Methode ermöglicht die Verarbeitung von CT-Scans, die ohne Phantom durchgeführt wurden, was die routinemäßige Anwendung numerischer Simulationen der Knochenfestigkeit in der Onkologie erweitern kann.
• Einschränkungen (Caveats): Die Autoren merken an, dass die Präzision der AFM-Methode durch Fettinfiltration in den Muskeln (was die Unterscheidung zwischen Fett- und Muskel-Peaks beeinflusst) und Änderungen in den Bildgebungsprotokollen (z. B. Spitzenspannung) beeinträchtigt werden kann. Darüber hinaus, obwohl das lineare Modell eine bessere Übereinstimmung zwischen den Kalibrierungsmethoden zeigte, betonen die Autoren, dass die klinische Fähigkeit des Lyon-Modells, das Frakturrisiko im Vergleich zum nicht-linearen Leuven-Modell genau vorherzusagen, einer weiteren In-vivo-Validierung bedarf.

Das Papier behauptet nicht, dass die AFM-Methode perfekt oder das lineare Modell definitiv für alle klinischen Szenarien überlegen ist; vielmehr positioniert es das lineare Modell als einen potenziell robusteren Kandidaten für die Verwendung mit phantomloser Kalibrierung, da es eine geringere Sensitivität gegenüber Dichtevariationen aufweist.