AI helpt bij de diagnose van artritis op basis van MRI-beelden
Een volledig geautomatiseerd machine learning-algoritme kan nu beenmergontsteking identificeren op MRI-scans.
Gent, 28 augustus 2023 – Een volledig geautomatiseerd machine learning-algoritme kan nu beenmergontsteking, bekend als beenmergoedeem, voorspellen in MRI-scans. Dit innovatieve algoritme, ontwikkeld door de teams van prof. Yvan Saeys en prof. Dirk Elewaut van het VIB-UGent Centrum voor Inflammatieonderzoek en collega's van het Universitair Ziekenhuis Gent (UZGent), biedt een objectieve en gestandaardiseerde manier om inflammatoire laesies te evalueren. Dit algoritme heeft het potentieel om de diagnose en behandeling van spondyloartritispatiënten aanzienlijk te verbeteren. Het werk verschijnt in het vakblad Arthritis & Rheumatology.
Ontstekingen detecteren
Traditioneel speelt de detectie van actieve sacro-iliitis (ontsteking van het sacro-iliacale gewricht dat onze heupen met onze wervelkolom verbindt) een cruciale rol bij de vroege diagnose en monitoring van ontstekingsaandoeningen zoals spondyloartritis. Het evalueren van MRI-scans van dit gewricht is echter een uitdaging vanwege de variabiliteit van inflammatoire laesies en de expertise die nodig is voor nauwkeurige interpretatie.
Hoewel het meeste nieuws zich zorgen maakt over chatbots, zorgt AI voor een revolutie in de medische beeldvorming. In deze nieuwe studie ontwikkelden onderzoekers van VIB-UGent en UZGent een computer vision-workflow om het hele proces te automatiseren, van het detecteren van het SI-gewricht en het segmenteren van de regio's tot het voorspellen van beenmergoedeem.
Dr. Joris Roels (VIB-UGent): "Ons algoritme werd getraind en getest met behulp van een diverse dataset van artritispatiënten, postpartumpatiënten, en gezonde proefpersonen. De voorspellingen werden verder gevalideerd met behulp van een onafhankelijke dataset van MRI-scans van artritispatiënten."
"Met die training", voegt Dr. Ann-Sophie De Craemer (UZGent) toe, "kregen we veelbelovende resultaten uit ons machine learning-model, met een nauwkeurigheid van ongeveer 70 tot 80% bij het detecteren van ontstekingen in het sacro-iliacale gewricht."
Assisteren bij diagnose
Het is een hele uitdaging om geautomatiseerde voorspellingen van ontstekingen te krijgen uit driedimensionale beelden van een complexe anatomische structuur, maar door het beeld in meer gedetailleerde secties te ‘segmenteren’ kan dit nieuwe algoritme de zoekruimte kleiner maken, wat tot betere voorspellingen leidt.
Prof. Dirk Elewaut (VIB-UGent): “We hebben een volledig geautomatiseerde machine learning-pijplijn ontwikkeld die een gestandaardiseerde evaluatie van sacro-iliacale ontstekingen op MRI-scans mogelijk maakt. Deze methode kan potentieel grote aantallen patiënten met vermoedelijke artritis screenen en brengt ons een stap dichter bij het gebruik van kunstmatige intelligentie voor diagnose en follow-up."
Prof. Yvan Saeys (VIB-UGent) voegt hieraan toe: “Met verdere verfijning en validatie zou deze technologie een revolutie teweeg kunnen brengen in de gezondheidszorgpraktijken en de resultaten voor patiënten kunnen verbeteren. De rol van AI hier is niet om menselijke specialisten te vervangen, maar om ze te assisteren, zodat ze tijd winnen voor de interactie met hun patiënten. Met behulp van de verklaarbare AI-kenmerken van ons model kunnen medische experts nu ook inzicht krijgen in waar het AI-model in het beeld naar kijkt, waardoor onze AI-modellen betrouwbaarder en verklaarbaarder worden."
Publicatie
A machine learning pipeline for predicting bone marrow oedema along the sacroiliac joints on magnetic resonance imaging. Roels, De Craemer, et al. Arthritis & Rheumatology. 2023.
Gunnar De Winter
