Development of quality standards for multi-center, longitudinal magnetic resonance imaging studies in clinical neuroscience

Magnetic resonance imaging (MRI) data is generated by a complex procedure. Many possible sources of error exist which can lead to a worse signal. For example, hidden defective components of a MRI-scanner, changes in the static magnetic field caused by a person simply moving in the MRI scanner room a...

Full description

Saved in:
Bibliographic Details
Main Author: Vogelbacher, Christoph
Contributors: Jansen, Andreas (Prof. Dr.) (Thesis advisor)
Format: Doctoral Thesis
Language:English
Published: Philipps-Universität Marburg 2020
Subjects:
Online Access:PDF Full Text
Tags: Add Tag
No Tags, Be the first to tag this record!
Table of Contents: Magnetresonanztomographie (MRT)-Daten entstehen durch ein komplexes Verfahren. Es gibt dadurch viele mögliche Fehlerquellen, die zu einem schlechteren Signal führen können. Beispielsweise können defekte Bauteile des MRT-Scanners, Veränderungen des statischen Magnetfeldes (z.B. durch eine sich bewegende Person im MRT-Scannerraum) oder Veränderungen der Messsequenzen das Signal-zu-Rausch Verhältnis (SNR) negativ beeinflussen. Daher ist eine umfassende Qualitätssicherung (QS) nötig. Eine QS sollte sich neben der Qualität der MRT-Daten unter anderem mit dem Einhalten festgelegter Protokolle und der Dokumentation befassen. Um die Qualität der MRT-Daten zu untersuchen, gibt es zwei Möglichkeiten. Zum einen werden regelmäßig Wasser- oder Gel-gefüllte Behältnisse (sogenannte „Phantome“) gemessen. Anhand dieses Signals, welches im besten Fall immer stabil ist, kann die generelle Performanz des MRT-Scanners getestet werden. Zum anderen werden die eigentlich interessierenden Daten, meist Humandaten, direkt auf bestimmte Signalparameter (z.B. SNR, Bewegungen) geprüft. Die vorliegende Arbeit besteht aus zwei Teilen. Im ersten Teil wurde für eine große multizentrische MRT-Studie, FOR2107, ein studienspezifisches QS-Protokoll entwickelt. FOR2107 hat das Ziel, die Ursachen und den Verlauf von affektiven Störungen, unipolaren Depressionen und bipolaren Störungen unter der Berücksichtigung von klinischen und neurobiologischen Effekten zu untersuchen. Kern von FOR2107 ist die MRT-Messung von mehr als 2000 Probanden in einem longitudinalen Design (derzeit Wiederholungsmessung nach zwei Jahren; geplant sind weitere Messungen nach fünf Jahren). Um MRT-Daten und Krankheitsverlauf zusammenzubringen, müssen die MRT-Daten über den Verlauf der Studie stabile Ergebnisse liefern. Die Sicherstellung dieser Stabilität wird in diesem Teil der Arbeit behandelt. Hierzu wurde eine umfangreiche QS aufgesetzt, basierend auf Phantommessungen, Analyse der Humandaten, Prüfung der Einhaltung der Protokolle, usw. Neben der Entwicklung von Parametern für die Charakterisierung der MRT-Daten wurden die QS-Protokolle während der Studie verbessert. Die Unterschiede zwischen den Standorten und die Auswirkung dieser Unterschiede auf die Analyse der Humandaten wurden analysiert. Die umfassende Qualitätssicherung für die FOR2107 Studie zeigte, dass signifikante Unterschiede im MRT-Signal (für Human- und Phantomdaten) zwischen den beteiligten Zentren bestehen. Auftretende Probleme konnten somit entweder rechtzeitig erkannt und behoben werden oder müssen für aktuelle und zukünftige Auswertungen der Humandaten beachtet werden. Im zweiten Teil der Arbeit wurde ein QS-Protokoll (und die frei verfügbare zugehörige Software „LAB–QA2GO“) entwickelt und getestet, welches leicht für einzelne Studien oder zur Kontrolle der Qualität eines MRT-Scanners umsetzbar ist. Dies geschah vor dem Hintergrund, dass trotz der Existenz von geeigneter, frei verfügbarer QS-Software für MRT-Messungen an vielen Standorten und in vielen Studien keine explizite QS durchgeführt wird. Durch diese Software ist es möglich, ein QS-Protokoll ohne großen Aufwand und IT-Kenntnisse an einem MRT-Scanner oder in einer Studie aufzusetzen. Beide Teile der Arbeit beschäftigen sich mit der Durchführung von QS-Maßnahmen. Erst durch den Einsatz von geeigneten QS-Maßnahmen, wie in dieser Arbeit vorgestellt, können qualitativ hochwertige Daten und Studienergebnisse erzielt werden. Daher sollten QS-Maßnahmen auf allen Ebenen eines Projekts durchgeführt werden und permanent in Projekt- und Auswerteroutinen realisiert werden.