Kunstmatige intelligentie kan de kwaliteit van functionele MRI-beelden van de hersenen aanzienlijk verbeteren. Dat blijkt uit nieuw onderzoek van Boston College, waar wetenschappers een AI-ondersteunde methode hebben ontwikkeld om verstoringen in fMRI-data effectiever te verwijderen. Deze zogenoemde ‘ruis’ ontstaat onder meer door beweging van de patiënt, hartslag en andere fysiologische processen, en vormt al jaren een belangrijke beperking in hersenonderzoek.
Functionele MRI is een van de meest gebruikte niet-invasieve technieken in de neurowetenschappen. Alleen al in 2024 verschenen tienduizenden wetenschappelijke publicaties waarin fMRI werd ingezet om hersenactiviteit en -stoornissen te bestuderen. Tegelijkertijd blijft het onderscheiden van echte neurale signalen en storende ruis een grote uitdaging. Juist die vermenging beperkt de nauwkeurigheid van analyses en daarmee ook de interpretatie van hersenprocessen.
Nieuwe aanpak met gen-AI
Onder leiding van Stefano Anzellotti, universitair hoofddocent psychologie aan Boston College, ontwikkelde het onderzoeksteam een nieuwe aanpak, gepubliceerd in Nature, waarin generatieve AI wordt ingezet om deze ruis veel effectiever te onderdrukken. De methode, DeepCor genoemd, maakt gebruik van diepgaande patroonherkenning om onderscheid te leren tussen gebieden in de hersenen die neuronen bevatten en gebieden die dat niet doen, zoals de ventrikels. Omdat ruis beide typen gebieden op vergelijkbare wijze beïnvloedt, kan het AI-model de gedeelde patronen identificeren en verwijderen. Wat overblijft, zijn scherpere en betrouwbaardere signalen uit de neurale regio’s.
Volgens Anzellotti gaat het om een substantiële doorbraak. “Andere methoden probeerden dit probleem al aan te pakken, maar door generatieve AI te gebruiken hebben we een verbetering bereikt van meer dan 200 procent ten opzichte van bestaande technieken,” licht hij toe. In vergelijkingen met gangbare methoden zoals CompCor presteerde DeepCor aanzienlijk beter. Bij het analyseren van gezichtsresponsen in echte fMRI-data werd ruim twee keer zoveel ruis verwijderd, terwijl bij realistische synthetische datasets zelfs een verbetering van meer dan 300 procent werd gemeten.
Onderzoekers verrast
Die omvang van de winst kwam ook voor de onderzoekers zelf als verrassing. Waar zij rekenden op een verbetering van enkele tientallen procenten, bleek de AI-benadering veel krachtiger dan verwacht. Dat opent volgens het team nieuwe perspectieven voor hersenonderzoek, omdat subtielere patronen en verbanden beter zichtbaar worden.
De volgende stappen zijn inmiddels in voorbereiding. Het onderzoeksteam wil DeepCor breed toegankelijk maken voor andere onderzoekers en toepassen op grote publieke fMRI-datasets. Daarmee kan het veld sneller profiteren van schonere data, wat niet alleen fundamenteel hersenonderzoek versnelt, maar ook de studie naar neurologische en psychiatrische aandoeningen kan verdiepen. De studie onderstreept hoe AI steeds meer een sleutelrol speelt in het verbeteren van bestaande medische beeldvormingstechnieken en het vergroten van hun klinische en wetenschappelijke waarde.
AI-enhanced MRI
Vorig jaar ontwikkelden onderzoekers van de Universiteit van Waterloo een nieuwe, AI-gedreven MRI-technologie die de diagnose en behandeling van borstkanker aanzienlijk kan verbeteren. De techniek, synthetische gecorreleerde diffusiebeeldvorming (CDI), zorgt ervoor dat tumorweefsel op MRI-scans duidelijker zichtbaar wordt en beter te onderscheiden is van gezond borstweefsel. Hierdoor kunnen tumoren sneller en nauwkeuriger worden afgebakend, wat zowel de diagnostiek als de behandelplanning ten goede komt.
CDI was eerder al succesvol bij prostaatkanker en is nu geoptimaliseerd voor toepassing bij borstkanker met behulp van kunstmatige intelligentie. De technologie benut verschillen in weefselstructuur en watermolecuulbeweging tussen gezond en kwaadaardig weefsel. Volgens de onderzoekers bevat deze AI-MRI aanpak waardevolle voorspellende informatie die clinici kan ondersteunen bij het kiezen van een meer gepersonaliseerde en effectievere behandeling.
Auteur
