Dankzij een innovatieve samenwerking tussen Amsterdam UMC en het Italiaanse bedrijf Esaote zijn MRI-scans binnenkort tot 60 procent sneller uit te voeren. Deze doorbraak, gerealiseerd met behulp van AI, maakt het mogelijk om laagveld-MRI-scanners efficiënter en breder inzetbaar te maken. “Zo hoeft een patiënt per scan bijvoorbeeld niet vijf maar slechts twee minuten stil te liggen,” stelt onderzoeker Daisy van den Berg van het Amsterdam UMC.
Van oudsher domineren hoogveld-MRI-systemen, -met een sterkte van het magnetisch veld van 1,5 tot 3 Tesla-, de medische wereld vanwege hun hoge resolutie en betrouwbaarheid. Toch zit er een prijskaartje aan die technologie: hoge aanschafkosten, het gebruik van kostbaar helium, een grote fysieke voetafdruk en forse energieconsumptie. Laagveld-MRI (minder dan 1 Tesla magnetische sterkte) biedt hierin uitkomst, maar werd lange tijd gezien als inferieur in beeldkwaliteit. Dankzij recente technologische vooruitgang, waaronder het werk van Van den Berg en haar collega’s, keert dit beeld langzaam maar zeker.
“Laagveldscanners zijn goedkoper in aanschaf en gebruik,” vertelt Van den Berg, promovendus AI aan het Amsterdam UMC. “Ze hebben geen helium nodig, gebruiken minder stroom en zijn vaak open van structuur. Dat maakt ze ook patiëntvriendelijker, zeker voor mensen met claustrofobie.” Toch was de langere scantijd die nodig is voor acceptabele beeldkwaliteit een groot nadeel.
Deep learning
En precies daar komt AI in beeld. Samen met haar supervisor Matthan Caan werkte Van den Berg de afgelopen twee jaar aan een deep learning-model dat de scantijd van laagveld-MRI’s drastisch verkort. “De AI-module die we hebben ontwikkeld, leert hoe een volledig beeld eruit zou zien, ook al hebben we maar een deel van de informatie beschikbaar,” legt Caan uit. “Dat gebeurt op basis van de natuurkundige principes achter MRI én trainingsdata van langere scans.”
Het algoritme maakt het mogelijk om scans tot 60 procent sneller uit te voeren, zonder significante afbreuk te doen aan de beeldkwaliteit. In sommige gevallen wordt het beeld zelfs beter. “Voor orthopedische toepassingen -denk aan knieblessures of wervelkolomonderzoek- is dit ideaal,” aldus Van den Berg. “We zien dat ons model niet alleen versnelt, maar soms ook de beeldkwaliteit verbetert, bijvoorbeeld door artefacten te reduceren.”
Publiek-private samenwerking
De ontwikkeling van het AI-model gebeurde in nauwe samenwerking met Esaote, een Italiaanse producent van onder andere orthopedische laagveldscanners. Deze publiek-private samenwerking kwam tot stand via IXA, het innovatieplatform van Amsterdam UMC. De eerste bètaversie van de geïntegreerde software staat inmiddels op de planning voor release. Van den Berg: “We zijn nu bezig met de integratie van onze AI in hun softwareomgeving. We hebben net de eerste versie afgeleverd waarmee ze aan de slag kunnen.”
Meer toegankelijkheid
Een van de grootste voordelen van deze innovatie is het potentieel voor bredere beschikbaarheid van MRI. “Zo’n 70 procent van de wereldbevolking heeft nu geen toegang tot MRI-scans,” stelt Caan. “Hoogveldscanners zijn simpelweg te duur, te complex en vragen specialistische infrastructuur zoals een Faraday-kooi en koelinstallaties.”
Laagveld-MRI’s zijn eenvoudiger te installeren, hebben geen kooi nodig en zijn geschikt voor gebruik in kleinere klinieken. De recente versnelling maakt ze bovendien aantrekkelijker voor grootschalig klinisch gebruik. “Dit opent de deur naar snellere diagnoses, kortere wachttijden en bredere inzetbaarheid van beeldvorming in gebieden waar dat nu nog niet mogelijk is,” vult Van den Berg aan.
Gericht inzetten voor specifieke toepassingen
Hoewel laagveldscanners de traditionele hoogveld MRI-apparatuur niet volledig zullen vervangen, bieden ze unieke voordelen in bepaalde domeinen. “Voor musculoskeletale toepassingen zoals knieën, schouders en wervelkolom zijn deze scanners vaak goed genoeg,” aldus Caan. “En dankzij onze AI zijn ze nu ook nog eens veel efficiënter.”
Van den Berg gaat verder: “Een goed voorbeeld is de beeldvorming bij knieprotheses. Die kunnen op hoogveldscanners storingen geven in het magneetveld. Laagveld is daar minder gevoelig voor, waardoor je zelfs betere beelden kunt krijgen.”
Daarnaast wordt er in Nederland al geëxperimenteerd met mobiele laagveld-MRI’s voor acute hersendiagnostiek, bijvoorbeeld bij beroertes. “De systemen waar wij aan werken zijn niet mobiel, maar wel compact en makkelijk te installeren. Denk aan mogelijk gebruik in regionale gezondheidscentra of zelfstandige behandelklinieken,” aldus Caan.
Nieuwe standaard in beeldvorming
De AI-module van Amsterdam UMC is een voorbeeld van hoe AI in de zorg praktische medische problemen oplost. Door technologische en wetenschappelijke kennis slim te combineren met klinische toepassing, wordt de zorg efficiënter én toegankelijker. “We hebben geleerd dat we ook met minder data toch betrouwbare beelden kunnen genereren, dankzij AI en onze kennis van de natuurkunde achter MRI,” zegt Van den Berg. “Daarmee maken we de technologie niet alleen sneller, maar ook slimmer.”
Voor Caan is deze innovatie onderdeel van een bredere beweging. “We zitten nu in een nieuwe golf van AI-toepassingen. De ontwikkeling gaat razendsnel, en het is onze taak als wetenschappers om die vooruitgang op een verantwoorde manier naar de kliniek te brengen.”
Van den Berg is nog niet klaar met haar promotieonderzoek. Ze blijft zich inzetten voor de ontwikkeling van AI in medische beeldvorming. De hoop is dat deze technologie de komende jaren in steeds meer ziekenhuizen en klinieken wereldwijd beschikbaar komt. “Als we MRI toegankelijker kunnen maken voor meer mensen, dan is dat uiteindelijk waar we het voor doen,” besluit Caan.
Matthan Caan gaat tijdens zijn bijdrage op FMIR in op de voordelen van laagveld MRI. FMIR (Future of Medical Imaging and Radiotherapy) is een congres waar innovaties en de nieuwste inzichten op het vlak van radiologie, nucleaire geneeskunde en radiotherapie gedeeld worden. Het event vindt op 3 en 4 juni plaats bij Jaarbeurs in Utrecht. Meer informatie en inschrijven
