Routinematige CT-scans van borst, buik en wervelkolom, vaak gemaakt voor het opsporen van nierstenen of afwijkingen aan de longen, kunnen dankzij kunstmatige intelligentie (AI) ook worden ingezet om botontkalking (osteoporose) te detecteren. Dat blijkt uit nieuw onderzoek van NYU Langone Health in samenwerking met Visage.
Het team ontwikkelde een AI-tool die op basis van bestaande CT-beelden automatisch de botdichtheid berekent en kan waarschuwen bij tekenen van botverlies. Deze methode, ook wel “opportunistische screening” genoemd, maakt het mogelijk om osteoporose te ontdekken bij patiënten die om andere redenen een CT-scan ondergaan. Binnenkort start NYU Langone een klinische studie om de technologie op grote schaal te testen.
Ruim een half miljoen CT-scans
Het onderzoek, gepubliceerd in Radiology, analyseerde bijna 540.000 CT-scans van meer dan 283.000 patiënten, uitgevoerd op 43 verschillende CT-scanners. De AI berekende per wervel, van de borst tot de onderrug, de botmineraaldichtheid, rekening houdend met leeftijd, geslacht en etniciteit. Radiologen controleerden vervolgens de resultaten handmatig om de nauwkeurigheid te bevestigen.
De data onthulden duidelijke trends: jonge vrouwen (onder de 50) bleken gemiddeld een hogere botdichtheid te hebben dan mannen, maar na de menopauze nam deze sneller af, waardoor oudere mannen juist sterkere botten hadden. De hoogste botdichtheid werd gemeten bij zwarte patiënten, gevolgd door Aziatische en witte populaties.
Volgens prof. dr. Miriam Bredella, hoofdonderzoeker en hoogleraar radiologie aan de NYU Grossman School of Medicine, toont het onderzoek aan dat “bestaande medische beelden opnieuw kunnen worden gebruikt om betrouwbare diagnoses te stellen, zoals het vroegtijdig herkennen van osteoporose.”
Osteoporose
Osteoporose treft wereldwijd miljoenen mensen, en dan met name vrouwen boven de 50. Deze aandoening verhoogt het risico op botbreuken, met name in de heup. Dergelijke fracturen zijn vaak levensbedreigend, terwijl de aandoening meestal pas wordt ontdekt ná een breuk.
Met de AI-oplossing hopen onderzoekers dit patroon te doorbreken. “We willen de enorme hoeveelheid beelddata die al in ziekenhuizen beschikbaar is benutten om onderdiagnose van osteoporose te verminderen,” zegt medeonderzoeker prof. dr. Soterios Gyftopoulos. “Door vroegtijdige signalering kunnen we patiënten helpen hun botgezondheid te behouden en ernstige complicaties voorkomen.”
Eerder onderzoek van Gyftopoulos suggereerde dat opportunistische screening het aantal jaarlijks geteste patiënten meer dan kan verdubbelen, wat volgens schattingen meer dan 2,5 miljard dollar aan zorgkosten zou kunnen besparen.
Inzetten voor andere ziekten?
Volgens de onderzoekers hebben AI-modellen als deze het potentieel om de manier waarop chronische ziekten worden opgespoord fundamenteel te veranderen. Naast osteoporose onderzoekt het team nu of vergelijkbare CT-analyses kunnen worden ingezet om ook hart- en vaatziekten of spierafbraak vroegtijdig te detecteren.
“Veel mensen weten pas dat ze osteoporose hebben als ze een bot breken,” besluit Bredella. “Met AI kunnen we dat moment voor zijn en bijdragen aan een gezondere, sterkere toekomst.”
Ook bij prostaatkanker
Het (opnieuw) analyseren van CT-scans met behulp van AI-tools is al lang niet nieuw meer. Zo ontwikkelden Amerikaanse onderzoekers vorig jaar een AI-tool die helpt voorspellen welke prostaatkankerpatiënten een hoger risico lopen op snelle ziekteprogressie. De tool, PATHOMIQ_PRAD, gebruikt deep learning om microscopische beelden van biopten te analyseren en subtiele weefselkenmerken te herkennen die wijzen op een agressievere kanker.
Het model beoordeelt verschillende celtypen, zoals epitheel-, stroma- en immuuncellen, en genereert op basis daarvan een risicoscore die behandelbeslissingen kan ondersteunen. Daarmee biedt het artsen een krachtig hulpmiddel om gepersonaliseerde behandelplannen te ontwikkelen.
De AI presteerde beter dan bestaande prognostische methoden en onderscheidde betrouwbaar tussen patiënten met een hoog en laag risico op terugkeer of uitzaaiing van de ziekte. Volgens de onderzoekers kan de technologie helpen om tijdig te starten met gerichte therapieën, vooral bij patiënten met een gemiddeld risico, waar de grootste onzekerheid in behandeling nu nog bestaat.
