Prognostische Aussagekraft der Baseline-HRCT-Muster in der auf die Lungenfunktionsparameter im Verlauf fibrosierender interstitieller Lungenerkrankungen

Activity: Talk or presentationContributed talkscience-to-science

Description

Zielsetzung Evaluierung der Assoziation von pathologischen Mustern in der Baseline high-resolution Computertomographie (HRCT) mit dem Verlauf der Atemfunktionsparameter nach 6, 12 und 24 Monaten bei PatientInnen mit fibrosierender interstitieller Lungenerkrankung (ILD). Material und Methoden Die HRCT von insgesamt 106 konsekutiven PatientInnen unseres ILD-Boards wurden semiquantitativ standardisiert ausgewertet: Sechs verschiedene Lungenregionen wurden hinsichtlich Noduli, Retikulationen, Honeycombing, Traktionsbronchiektasen, Konsolidierungen, Michglasverdichtungen und Emphysem bewertet. Die forcierte Vitalkapazität (FVC) und Kohlenmonoxid-Diffusionskapazität (DLCO) wurden zum Zeitpunkt der Baseline-HRCT, nach 6, 12 und 24 Monaten erhoben. Die Assoziation zwischen den HRCT-Scores in der baseline HRCT-Untersuchung und der Veränderung der Atemfunktionsparameter wurden mittels Spearman Correlation und graphischer Präsentation evaluiert. Ergebnisse Das Ausmaß an Noduli, Milchglasverdichtungen und Konsolidierungen in der initialen Bildgebung korreliert mit einer Verbesserung der FVC und DLCO, während das Ausmaß an Retikulationen, Traktionsbronchiektasen und Honeycombing mit einer Verschlechterung der Atemfunktionsparameter vergesellschaftet ist (Abbildung 1). Schlußfolgerungen Das Ausmaß der fibrosetypischen Muster wie Retikulation, Traktionsbronchiektasen und Honeycombing in der initialen HRCT deutet auf einen progredient fibrosierenden Phänotyp hin, während inflammatorische Muster wie Milchglasverdichtungen und Konsolidierungen mit einer Verbesserung der Atemfunktionsparameter im Verlauf vergesellschaftet sind.
Period26 May 2022
Event title103. Deutscher Röntgenkongress
Event typeConference
LocationGermanyShow on map

Fields of science

  • 301102 Anatomy
  • 301103 Medical diagnostics
  • 301115 Sonoanatomy
  • 301111 Radiologic anatomy
  • 302013 Medical diagnostics
  • 301409 Neuroanatomy
  • 102026 Virtual reality
  • 102037 Visualisation
  • 302071 Radiology
  • 102003 Image processing

JKU Focus areas

  • Digital Transformation