Dagelijks verschijnen er op de Nederlandse en internationale websites van ICT&health berichten over innovatieve internationale studies, nieuwe behandelmethodes en geavanceerde diagnostiek. Vaak nog aan het begin van een lang traject, maar zeker ook veelbelovend. Elke editie lichten we een aantal van deze berichten toe om u ‘food for thought’ te bieden.
Nieuw model spoort verborgen oogschade na COVID op
Onderzoekers van de Zweedse Linköping University hebben een diagnostisch model ontwikkeld waarmee langdurige oogklachten na een milde COVID-19-infectie objectief kunnen worden opgespoord. Standaard oogonderzoeken detecteren de gevonden afwijkingen vaak niet. De onderzoekers spreken van een mogelijk post-COVID-oogsyndroom, waarbij langdurige ontsteking en zenuwschade een rol spelen.
Aanleiding waren patiënten die na een relatief milde infectie langdurig last hielden van onder meer lichtgevoeligheid, oogpijn, lees- en scherpstelproblemen en vermoeide ogen. Reguliere oogonderzoeken leverden bij hen vaak geen verklaring op.
De onderzoekers bestudeerden 100 patiënten die tijdens hun COVID-19-infectie niet in het ziekenhuis waren opgenomen, maar drie maanden tot drie jaar later nog oogklachten hadden. Ongeveer een derde was volledig of gedeeltelijk arbeidsongeschikt. De resultaten werden vergeleken met die van 32 mensen die eveneens een milde infectie hadden doorgemaakt, maar geen oogklachten ontwikkelden.
Ontsteking en zenuwen
Met gespecialiseerde onderzoekstechnieken werden wel afwijkingen gevonden. Via proteomics analyseerden de onderzoekers eiwitten in het traanvocht. Patiënten met langdurige klachten vertoonden een afwijkend patroon van eiwitten die betrokken zijn bij de regulering van zenuwen en T-cellen van het immuunsysteem.
Geavanceerde oogmicroscopie bracht daarnaast veranderingen in ontstekingscellen en zenuwvezels aan het licht. Volgens de onderzoekers wijzen de bevindingen erop dat bij sommige patiënten na een milde COVID-infectie een langdurige ontstekingsreactie ontstaat die zenuwen aantast die verschillende oogfuncties regelen.
Zo vertoonden patiënten onder meer een verstoorde pupilreactie, waardoor te veel licht het oog binnenkomt. Ook werkten beide ogen bij sommige patiënten minder goed samen. De onderzoekers vonden daarbij afwijkingen die kunnen wijzen op beschadiging van zenuwen die de oogspieren aansturen.
Op basis van de bevindingen ontwikkelde het team twee diagnostische modellen. Het eerste gebruikt meetinstrumenten die in grotere oogheelkundige centra beschikbaar zijn. Het tweede combineert deze metingen met een beperkt aantal eiwitbepalingen in traanvocht en verhoogt daarmee de diagnostische nauwkeurigheid.
Vervolgonderzoek moet de bevindingen bevestigen en uitwijzen welke behandelingen de ontsteking en mogelijke zenuwschade kunnen verminderen.
(Link)
Panoramische beeldvorming koppelt hartlittekens aan ritmestoornissen
Nieuwe beeldvormingstechnologie brengt de structuur en elektrische activiteit van het hart gelijktijdig over vrijwel het volledige hartoppervlak in kaart. De techniek kan meer inzicht geven in de manier waarop littekenweefsel na een hartinfarct hartritmestoornissen veroorzaakt en mogelijk bijdragen aan gerichtere behandelingen, zo stellen onderzoekers van de George Washington University.
Na een hartinfarct wordt beschadigd hartspierweefsel vervangen door collageenrijk littekenweefsel. Dit kan de elektrische geleiding verstoren en zo het risico op hartritmestoornissen vergroten. Bestaande beeldvormingstechnieken brengen doorgaans óf elektrische activiteit óf littekenweefsel in beeld. De onderzoekers ontwikkelden daarom een platform dat hyperspectrale beeldvorming combineert met optische mapping.
Hyperspectrale beeldvorming onderscheidt verschillende typen hartweefsel aan de hand van hun optische eigenschappen. Optische mapping maakt tegelijkertijd de verspreiding van elektrische signalen zichtbaar. Zes gesynchroniseerde camera's verzamelen de gegevens: vier registreren elektrische activiteit, één brengt gezond weefsel, littekens en overgangszones in kaart en één reconstrueert een driedimensionaal model van het hart. Software voegt de informatie samen tot één panoramisch beeld.
Elektrische verstoring
In een preklinische studie onderzochten de wetenschappers rattenharten vier weken na een experimenteel opgewekt hartinfarct. De hyperspectrale techniek herkende littekenweefsel nauwkeurig aan karakteristieke collageensignalen. Door deze gegevens te koppelen aan de elektrische activiteit werd zichtbaar hoe littekens de geleiding beïnvloeden.
Elektrische signalen bleken vaak om littekenweefsel heen te lopen, maar vertraagden of blokkeerden wanneer zij beschadigd weefsel bereikten. Afwijkende elektrische impulsen ontstonden bovendien regelmatig in de overgangszone tussen gezond en beschadigd weefsel. Dit gebied geldt al langer als een belangrijke bron van hartritmestoornissen.
De techniek bevindt zich nog in de preklinische onderzoeksfase. Volgens de onderzoekers levert de combinatie van anatomische en functionele informatie een completer beeld op van de gevolgen van structurele hartschade dan beide technieken afzonderlijk. Uiteindelijk kan dit helpen om gebieden die hartritmestoornissen veroorzaken nauwkeuriger te identificeren en behandelingen gerichter uit te voeren.
(Link)
Flexibele biosensor blijft betrouwbaar tijdens beweging
Een hydrogel die draagbare biosensoren beter op de huid moet laten functioneren tijdens beweging en transpiratie. Dat is waar onderzoekers van Drexel University en Penn State University aan werken. Het flexibele materiaal blijft stevig zitten en kan biologische signalen daardoor stabieler registreren. De resultaten zijn gepubliceerd in Science Advances.
Wearables voor bijvoorbeeld hartslag- en glucosemonitoring zijn afhankelijk van langdurig en stabiel huidcontact. Zweten, lichaamsbeharing, huidvet en beweging kunnen ervoor zorgen dat sensoren losraken of minder nauwkeurige signalen registreren. De onderzoekers richtten zich daarom niet op de sensoren zelf, maar op het materiaal waarmee deze contact maken met de huid.
De nieuwe hydrogel is zacht, sterk rekbaar en goed hechtend. Tijdens de productie bepaalt de zuurgraad wanneer het materiaal uithardt. Daardoor kan de gel vanuit een spuit of printer in verschillende vormen worden aangebracht en zich vervolgens aanpassen aan de contouren van bijvoorbeeld pols, borstkas of gezicht.
Sterk en geleidend
Grafeenvlokken vormen in de hydrogel een poreus netwerk dat elektrische signalen geleidt en tegelijkertijd zweet doorlaat. Hierdoor hoopt vocht zich minder gemakkelijk tussen huid en sensor op. Daarnaast bevat de gel polydopamine, een polymeer dat natuurlijke kleefeiwitten nabootst en ervoor zorgt dat het materiaal ook op vochtige of behaarde huid blijft zitten.
In laboratoriumtests bleek de hydrogel ongeveer even zacht als menselijk weefsel en tot tachtig keer zijn oorspronkelijke lengte uitrekbaar. Het materiaal kon bovendien tientallen keren worden verwijderd en opnieuw aangebracht zonder merkbaar prestatieverlies.
De onderzoekers testten onder meer ECG-sensoren op borst en pols. Deze bleven tijdens beweging stabiele hartsignalen registreren. Ook sensoren voor het meten van oogbewegingen en knipperen bleven betrouwbaar functioneren.
In een andere proef werden gelijktijdig hartslag, transpiratie en knipperfrequentie geregistreerd terwijl proefpersonen aan verschillende prikkels werden blootgesteld. De sensoren bleven functioneren en registreerden fysiologische veranderingen die samenhingen met stress en angst.
De technologie bevindt zich nog in de proof-of-conceptfase. Mogelijke toekomstige toepassingen liggen onder meer bij langdurige thuismonitoring en revalidatie, waarbij betrouwbare metingen tijdens dagelijkse beweging belangrijk zijn.
(Link)
AI leert kijken en beoordelen als een ervaren neurochirurg
Ervaren neurochirurgen kijken aantoonbaar anders naar medische beelden dan beginners. Onderzoekers van Macquarie University in Australië hebben die verschillen in oogbewegingen gekwantificeerd en met AI het ervaringsniveau van artsen herkend. De inzichten kunnen bijdragen aan medische AI die leert hoe experts beelden beoordelen én aan de opleiding van artsen.
In twee studies registreerden onderzoekers van het Computational NeuroSurgery Lab oogbewegingen tijdens het beoordelen van onder meer CT- en MRI-scans. Met fractale wiskunde analyseerden ze niet alleen waar en hoe lang deelnemers keken, maar ook hoe georganiseerd hun volledige kijkpatroon was.
Beginners bleken vooral te reageren op opvallende visuele kenmerken. Naarmate de expertise toeneemt, wordt het kijkpatroon gestructureerder en verschuift de aandacht sneller naar diagnostisch relevante gebieden.
Expertise meten
In de eerste studie werden dertien geneeskundestudenten gedurende drie opeenvolgende semesters gevolgd. De onderzoekers verwerkten hun oogbewegingen in de zogenoemde Fractal Eye-Gaze Expertise Index (FEI). Naarmate studenten verder kwamen in hun opleiding, werden hun oogbewegingen minder grillig en gingen ze meer lijken op die van ervaren specialisten. Daarmee kon de ontwikkeling van visuele expertise objectief worden gekwantificeerd.
Aan de tweede studie namen 69 mensen deel: deelnemers zonder medische ervaring, neurochirurgen in opleiding en ervaren neurochirurgen. Zij beoordeelden normale en afwijkende MRI-scans van de hersenen. Ervaren specialisten navigeerden efficiënter door de beelden, keken langer naar afwijkende gebieden en pasten hun kijkstrategie aan het type pathologie aan.
Een AI-model analyseerde vervolgens zowel de duur van blikfixaties als driedimensionale fractale kenmerken van de oogbewegingen. Daarmee kon het met een nauwkeurigheid van meer dan 93 procent onderscheid maken tussen beginners, artsen in opleiding en experts.
Volgens de onderzoekers laten de studies zien dat medische expertise niet alleen bestaat uit kennis, maar ook uit een aangeleerde manier van kijken. Die patronen zouden gebruikt kunnen worden om de ontwikkeling van artsen in opleiding te volgen. Daarnaast kunnen ze mogelijk dienen als trainingsdata voor AI-systemen, zodat deze niet alleen leren welke afwijkingen relevant zijn, maar ook hoe experts hun aandacht tijdens diagnostiek verdelen.
Weefselaandoeningen thuis monitoren met draadloze huidsensor
Een nieuwe, draadloze huidsensor kan de elasticiteit van huid en onderliggend weefsel meten bij patiënten met aandoeningen zoals lymfoedeem en systemische sclerodermie. De technologie kan veranderingen thuis volgen en de meetgegevens draadloos delen met zorgverleners, aldus de betrokken onderzoekers van Northwestern University.
Bij lymfoedeem hoopt vocht zich op in het weefsel als gevolg van beschadigde lymfevaten, bijvoorbeeld na een kankerbehandeling. Regelmatige monitoring is belangrijk om achteruitgang en complicaties tijdig te signaleren. Bij systemische sclerodermie zorgt overmatige collageenproductie voor verharding van de huid.
Voor het beoordelen van dergelijke aandoeningen zijn verschillende meetmethoden beschikbaar, maar die vereisen vaak gespecialiseerde apparatuur en onderzoek in de kliniek. De nieuwe flexibele sensor is juist ontworpen voor langdurig gebruik buiten het ziekenhuis.
Dieper weefsel
De sensor bevat een geïntegreerde versnellingssensor die kleine trillingen opwekt en vervolgens meet hoe huid en onderliggend weefsel daarop reageren. Analyse van de frequentie en amplitude van deze trillingen levert informatie op over onder meer stijfheid, elasticiteit en weerstand tegen druk. De gegevens kunnen vervolgens draadloos naar een zorgverlener worden gestuurd.
De onderzoekers testten de sensor bij patiënten met kankergerelateerd lymfoedeem en systemische sclerodermie. Dankzij het relatief grote contactoppervlak kon het apparaat niet alleen eigenschappen van de huid meten, maar ook veranderingen in dieper gelegen weefsel detecteren.
Bij patiënten met lymfoedeem vertoonden de metingen een sterkere samenhang met ziekteverschijnselen dan commerciële systemen die gebruikmaken van bio-impedantie of de zogenoemde tissue dielectric constant. De sensor bleek bovendien gevoelig genoeg om onderscheid te maken tussen drie verschillende stadia van lymfoedeem. Ook tijdens spierbewegingen bleef de meting van huidstijfheid betrouwbaar.
De onderzoekers benadrukken dat diagnose en stadiëring van lymfoedeem een taak van gespecialiseerde zorgverleners blijven. De sensor is vooral bedoeld om patiënten tussen ziekenhuisbezoeken door te volgen.
Vervolgonderzoek moet uitwijzen hoe goed patiënten de technologie thuis kunnen gebruiken en welke meetgegevens zorgverleners nodig hebben om behandeling en begeleiding op afstand te ondersteunen.
(Link)
VR-test brengt loopbalans nauwkeuriger in beeld
Met een zelf ontwikkelde virtual reality-toepassing kunnen wetenschappers van Clarkson University de balans tijdens het lopen beter in kaart brengen. De zogeheten Gait Sensory Interaction Test (GaitSIT) gebruikt een VR-headset en bewegingsregistratie om te analyseren hoe verschillende zintuigen samenwerken bij het bewaren van het evenwicht. De methode kan uiteindelijk helpen balansproblemen en een verhoogd valrisico eerder te herkennen.
Bestaande klinische balanstesten richten zich vooral op het vermogen om stil te staan. GaitSIT meet daarentegen de balans tijdens beweging, wanneer valincidenten zich in de praktijk vaak voordoen.
Voor het bewaren van het evenwicht combineert het lichaam onder meer informatie uit het gezichtsvermogen, het evenwichtsorgaan en prikkels uit voeten en benen. De onderzoekers wilden meten hoe deze zintuiglijke informatie tijdens het lopen op elkaar inwerkt.
Maat voor verandering
Aan de studie namen 29 gezonde jongvolwassenen deel. Zij liepen over een vaste en een zachte ondergrond terwijl ze een Meta Quest VR-headset droegen. Via de headset zagen zij afwisselend een stabiele, donkere of roterende virtuele omgeving. Het systeem registreerde ondertussen continu hun hoofdbewegingen als maat voor veranderingen in de loopbalans.
Zo ontstonden zes combinaties van visuele en fysieke omstandigheden. Naarmate deze uitdagender werden, detecteerde GaitSIT consequent veranderingen in de balans. Herhaalde metingen leverden bovendien vergelijkbare resultaten op, wat volgens de onderzoekers wijst op een goede betrouwbaarheid.
Omdat de methode een commercieel verkrijgbare VR-headset gebruikt, kan zij volgens de onderzoekers een relatief betaalbaar en draagbaar alternatief vormen voor gespecialiseerde meetsystemen. Mogelijke toepassingen zijn het vroegtijdig herkennen van balansproblemen, het inschatten van valrisico en het ontwikkelen van gepersonaliseerde revalidatie.
Eerste validatie
De huidige studie was pas een eerste validatie en omvatte uitsluitend gezonde jongvolwassenen. De onderzoekers willen GaitSIT nu verder testen bij onder anderen ouderen en mensen met een beroerte, de ziekte van Parkinson, multiple sclerose of aandoeningen van het evenwichtsorgaan. Daarmee moet duidelijk worden of de methode ook bruikbaar is voor balansdiagnostiek en valpreventie in de klinische praktijk.
(Link)
Nieuwe tool spoort verborgen bias in medische AI op
Samen met de Amerikaanse medische toezichthouder FDA hebben onderzoekers van Johns Hopkins University een analysetool ontwikkeld die verborgen vertekeningen in datasets voor medische AI kan opsporen. De methode moet voorkomen dat AI verkeerde verbanden uit trainingsdata leert en daardoor minder betrouwbare voorspellingen doet. De resultaten staan in npj Digital Medicine.
AI-modellen kunnen zeer nauwkeurige voorspellingen doen, maar daarbij onbedoeld kenmerken gebruiken die niets met een aandoening te maken hebben. De onderzoekers vergelijken dit met het zogenoemde Slimme Hans-effect. Dit paard leek begin vorige eeuw te kunnen rekenen, maar bleek in werkelijkheid subtiele signalen in de lichaamstaal van zijn begeleider te herkennen.
AI kan op vergelijkbare wijze de juiste voorspelling doen om de verkeerde reden. Welke kenmerken een model daarvoor gebruikt, is voor ontwikkelaars bovendien niet altijd duidelijk.
Trainingsdata controleren
De onderzoekers ontwikkelden daarom Generalized Attribute Utility and Detectability-Induced Bias Testing (G-AUDIT). Waar veel bestaande methoden een AI-model na ontwikkeling op vertekeningen controleren, analyseert G-AUDIT de trainingsdata zelf. De tool zoekt naar verborgen kenmerken die een model tot verkeerde conclusies kunnen verleiden en rangschikt deze op basis van het risico op bias.
G-AUDIT werd getest op verschillende medische datasets met onder meer beelden, tekst en spreadsheets. De methode identificeerde verschillen in dataverzameling, beeldvormingsapparatuur en andere contextuele kenmerken die geen directe relatie hebben met de gezondheid van patiënten, maar AI-voorspellingen wel kunnen beïnvloeden.
Een treffend voorbeeld was een dataset met huidkankerbeelden uit twee klinieken. De ene behandelde vooral patiënten met een hoog risico op huidkanker, terwijl de andere een algemene dermatologische praktijk was. Omdat de klinieken verschillende camera's gebruikten, kon een AI-model kenmerken van de camera gaan associëren met kanker. In één kliniek werden bovendien regelmatig linialen naast huidafwijkingen gefotografeerd. Ook de aanwezigheid daarvan zou het model ten onrechte als aanwijzing voor kanker kunnen gebruiken.
Dergelijke verbanden kunnen problemen veroorzaken wanneer een AI-systeem in een andere omgeving wordt ingezet. De onderzoekers willen G-AUDIT daarom verder ontwikkelen als instrument om mogelijke bias al tijdens de voorbereiding van trainingsdata te signaleren, in plaats van pas nadat een AI-model is gebouwd.
(Link)
