Een innovatief 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.
Het algoritme heeft het potentieel om de diagnose en behandeling van patiënten met spondylartritis aanzienlijk te verbeteren. De studie werd gepubliceerd in het vakblad Arthritis & Rheumatology.
Ontstekingen opsporen
Traditioneel speelt de detectie van actieve sacro-iliitis een cruciale rol bij de vroege diagnose en monitoring van ontstekingsaandoeningen zoals spondylartritis. Maar het evalueren van MRI-scans van dit gewricht is een uitdaging vanwege de variabiliteit van inflammatoire laesies en de expertise die nodig is voor nauwkeurige interpretatie.
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.
“Ons algoritme werd getraind en getest met behulp van een dataset van diverse artritispatiënten, postpartumpatiënten, en gezonde proefpersonen. De voorspellingen werden verder gevalideerd met behulp van een onafhankelijke dataset van MRI-scans van artritispatiënten”, zegt dr. Joris Roels (VIB-UGent).
"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."
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.
Artsen assisteren
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."
“Met verdere verfijning en validatie zou deze technologie een revolutie teweegbrengen 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”, aldus professor Yvan Saeys (VIB-UGent).
