Development of an optimization method for implementation in the computation of kinetic modeling in nuclear medicine

Abstract

Hintergrund: Auf Basis der Kinetischen Modellierung wurde ein Algorithmus entwickelt, welcher die Quantifizierung physiologischer Vorgänge im Körper erleichtert. Dafür werden mit Positron-Emissions-Tomographie (PET) aufgenommene Zeitaktivitätskurven (TAC) eingelesen und auf verschiedene mathematischen Charakteristika untersucht. Hierdurch bekommt man eine erste Einschätzung der Zeitkonstanten, welche für einen weiteren Kurvenfit verwendet werden können. Methoden: Um Korrelationen zwischen den Zeitkonstanten und den mathematischen Eigenschaften der TACs zu finden, wurden mit dem Programm Excel etwa 1200 TACs simuliert. Ein Python Skript diente dabei der mathematischen Analyse der TACs. Um verschiedene Modelltypen miteinander vergleichen zu können, wurde ein t-Test durchgeführt. Ergebnisse: Signifikante Korrelationen konnten nur für die ersten beiden Zeitkonstanten gefunden werden (r1 > 0.954, r2 > 0.799). Die restlichen Zeitkonstanten wurden daher über Konfidenzintervalle zum Niveau 95% geschätzt. Schlussfolgerungen: Durch eine erste Abschätzung der Zeitkonstanten wird einerseits die Zuverlässigkeit von Programmen zum Fitten von Kurven erhöht, andererseits können dadurch auch neue Tracer in der Nuklearmedizin einfacher studiert und ihr Verhalten im Körper analysiert werden.

Background: An algorithm was programed to facilitate the quantification of physiological processes in kinetic modeling. In order to do so, it reads in a measured time activity curve (TAC) acquired via positron emission tomography (PET), analyzes it for various mathematical characteristics and outputs values for the rate constants, which can be used for further curve fitting tools. Methods: Around 1200 TACs with different rate constants and model types have been simulated via Excel. These TACs were used to find correlations between their rate constants and mathematical properties, which were calculated by a Python script. Plus, a t-test was performed to see if there is a connection between different compartment model types. The obtained information can then be used for the analysis of real measured TACs, which yields good initial values for the rate constants. Results: Useful correlations were found for the first two rate constants only (r1 > 0.954, r2 > 0.799). The assessment of the remaining rate constants was done by providing two-sided 95% confidence intervals. Conclusion: By assessing the rate constants, both the reliability of curve fitting programs can be increased and new tracers in nuclear medicine can be studied more precisely.