Bevezetés: A tüdőtumorok 18-FDG PET/CT vizsgálatokkal meghatározott SUV-értéke diagnosztikai szempontból fontos adat a tumor karakterizálása, és a legújabb irodalmi adatok alapján a túlélés becslése szempontjából. A Nukleáris Medicina Intézet munkatársai olyan szakértői rendszert fejlesztenek a tüdőtumor diagnosztikájának támogatására, amely a leletezési idő lerövidítése mellett a prognózis felállításának is fontos eszköze lehet. Ehhez a fejlesztéshez szükség van a nyirokcsomó és a tumoros laesiok SUV-értékeinek minél pontosabb meghatározására, amelynek módját három ismert és egy, az intézetben kidolgozott eljárás közül lehet kiválasztani.

Célkitűzés: A TDK munka egy 48 fős populáció mellkasi 18-FDG PET/CT felvételeinek SUV- analízisére épült, célja annak megállapítása volt, hogy a négy SUV-számolási módszerrel meghatározott SUV-értékek mennyire használhatók a nyirokcsomó és tumor, esetleg különböző tumortípusok azonosítására.

Módszer: A laesiok SUV-értékeit a SUVmax, SUVmean, SUVpeak és SUVreg módszerekkel határoztuk meg. Az első három esetben 4, 8 és 12 mm-es sugarú gömböt alkalmaztunk, a SUVreg esetében a régiónövelést a máj átlagos SUV-értékének másfélszeresével korlátoztuk. A gömb VOI-k középpontjaként és a régiónövelés kiindulópontjának az előzőleg felrakott markereket használtuk. A számolási módszerek közötti eltérést variancia analízissel vizsgáltuk.

Eredmények: A statisztikai analízis eredményei alapján megállapítottuk, hogy a SUVreg módszerrel számolt értékek varianciája kisebb, mint a másik három módszeré, és a nyirokcsomó-tumor halmozásbeli különbséget is nagyobb valószínűséggel mutatja ki populáció szinten. A tumortípusok közötti SUV-különbségek statisztikailag nem bizonyultak szignifikánsnak, ami az alacsony vizsgálatszámmal is magyarázható.

Megbeszélés: A Nukleáris Medicina Intézetben kidolgozott SUVreg módszer a mellkasi halmozások karakterizálására alkalmasabbnak bizonyult, mint az irodalomból ismert eljárások. Ennek az analízisnek az eredményei, valamint a képfeldolgozás során nyert tapasztalatok nagymértékben hozzájárulnak az automatikus halmozás-karakterizálást célzó módszertani fejlesztések sikeres lezárásához.