Bij ongeveer 20% van de patiënten die een CT-scan ondergaan, komen metalen implantaten voor, bijvoorbeeld een knieprothese, heupprothese of hartkleppen. Door deze implantaten ontstaan ‘metaalartefacten’ op een CT-scan. Hierdoor is de scan minder goed te beoordelen. Een onderzoeksgroep van Isala is echter dichtbij een oplossing, ze hebben een AI-algoritme ontwikkeld waardoor de beeldkwaliteit verhoogd wordt. 5 vragen aan wetenschappelijk onderzoeker Mark Selles.
Wat is precies een metaalartefact?
‘Dat is een vertekend beeld op een CT-scan, het bestaat uit donkere en heldere strepen wat ontstaat door metaal in het lichaam. Hierdoor kun je het beeld niet goed beoordelen en omliggend weefsel niet goed zien. Het gevolg is dat er complicaties en diagnoses gemist worden zoals bijvoorbeeld spierscheuringen, infecties, dislocaties en tumoren. De huidige beschikbare technieken blijken in de praktijk nog ontoereikend te zijn.’
Wat hebben jullie ontwikkeld?
‘Wij hebben een AI (artificial intelligence)-algoritme ontwikkeld. Dit algoritme is in staat om metaalartefacten fors te verminderen en hiermee de beeldkwaliteit te verhogen. We hebben dit getest met patiënten van Isala, het liet veelbelovende resultaten zien. Metaalartefacten werden door het AI-algoritme verminderd, waardoor omliggend weefsel zoals botten en spieren beter zichtbaar werden.’
Hoe werkt het precies?
‘Voor de ontwikkeling van het AI-algoritme hebben we een grote dataset met meer dan 100.000 beelden gebruikt. In deze dataset zitten beelden met en zonder metaalartefacten. Aan de hand van deze beelden is het algoritme getraind, en heeft het geleerd wanneer er een artefact in het beeld zit en wanneer niet. Het herkent als het ware de donkere en heldere strepen en haalt deze eruit. Kort gezegd corrigeert het algoritme het beeld, waardoor het metaalartefact een stuk minder is. Het omliggende weefsel is hierdoor beter zichtbaar.’
Hoelang zijn jullie hier al mee bezig?
‘We zijn hier ongeveer twee jaar geleden mee gestart. In die tijd zijn we bezig geweest met het aanleggen van een database, het ontwikkelen en het trainen van het algoritme. Deze stappen zijn nodig voordat we resultaat kunnen zien. We hebben het inmiddels ook ‘getest’ bij echte patiënten, we kijken erg veel naar de praktijk. Werkt dit voor onze patiënt? Dat is en blijft de hoofdvraag.’
Hoe gaat het nu verder?
‘Inmiddels hebben we ons onderzoek gepubliceerd in een vooraanstaand radiologisch tijdschrift. Het heeft internationaal ook veel aandacht gekregen, zo heb ik bijvoorbeeld onze resultaten mogen presenteren bij een congres in Bilbao en bij de Nederlandse radiologendagen waarbij we de tweede prijs kregen voor het ‘beste abstract.’ Verder bekijken we hoe we dit algoritme nu in kunnen gaan zetten in de klinische praktijk waarbij we ook samenwerken met Philips. Hier gaat nog tijd overheen, maar voor nu zien we dat dit werkt.’