Onderzoekers van de University of California San Francisco (UCSF) hebben een nieuwe AI-architectuur ontwikkeld die de diagnostische waarde van echocardiografie kan verbeteren. Het model combineert meerdere echobeelden van het hart tegelijk, waardoor complexe driedimensionale anatomie beter kan worden geanalyseerd.
Hart- en vaatziekten zijn wereldwijd de belangrijkste doodsoorzaak bij volwassenen. Echocardiografie, ofwel een hartecho, is een van de meest gebruikte beeldvormingstechnieken om hartziekten te diagnosticeren. Hoewel het hart een driedimensionale structuur heeft, leveren standaard echocardiogrammen meestal tweedimensionale (2D) beelden op. Tijdens een onderzoek worden vaak honderden afzonderlijke 2D-beelden van het kloppende hart vastgelegd, die artsen gebruiken om de structuur en functie van het hart te beoordelen.
AI die meerdere beelden tegelijk analyseert
De onderzoekers wilden onderzoeken of deep neural networks (DNN’s), een vorm van AI, beter kunnen omgaan met deze complexe informatie door meerdere beeldhoeken tegelijk te analyseren. Daarvoor ontwikkelden zij een zogenoemde multiview-architectuur, waarmee het AI-model gelijktijdig informatie uit verschillende echobeelden kan combineren.
Het model werd getraind om drie cardiovasculaire aandoeningen te herkennen: afwijkingen van de linker- en rechterhartkamer, diastolische disfunctie en lekkende hartkleppen (valvulaire regurgitatie). In de studie vergeleken de onderzoekers AI-modellen die één beeldhoek analyseren met modellen die meerdere echobeelden tegelijk verwerken. De analyse werd uitgevoerd met echocardiogrammen van UCSF en het Montreal Heart Institute. De resultaten van het onderzoek zijn gepubliceerd in Nature Cardiovascular Research.
Hogere diagnostische nauwkeurigheid
De resultaten laten zien dat AI-modellen die meerdere beeldhoeken combineren een hogere diagnostische nauwkeurigheid bereiken dan modellen die slechts één beeld analyseren. “Tot nu toe werd AI voornamelijk gebruikt om telkens één 2D-beeld te analyseren, afkomstig uit afbeeldingen of video’s, waardoor het vermogen van een AI-algoritme om tussen de beelden door ziektegerelateerde informatie te leren, beperkt blijft,” zegt Geoffrey Tison, cardioloog en mede-directeur van het UCSF Center for Biosignal Research.
“DNN-architecturen die informatie uit meerdere beelden met hoge resolutie kunnen integreren, vormen een belangrijke stap in de richting van het optimaliseren van AI-prestaties bij medische beeldvorming. Bij echocardiografie is het voor de meeste diagnoses noodzakelijk om informatie uit meer dan één beeld te betrekken, omdat de informatie uit één enkel beeld slechts een deel van het verhaal weergeeft.”
Belang van meerdere echobeelden
Bij het beoordelen van de functie van de linkerhartkamer is bijvoorbeeld vaak meer dan één beeld nodig. Sommige hartwanden zijn duidelijk zichtbaar in een vierkamerbeeld (A4c), terwijl andere delen beter zichtbaar zijn in een ander echobeeld (A2c). Een hartwand kan in het ene beeld normaal lijken, terwijl in een ander beeld duidelijke afwijkingen zichtbaar zijn.
Volgens de onderzoekers leert het multiview-model de onderlinge relaties tussen kenmerken uit verschillende beeldhoeken beter herkennen. Daardoor kan het systeem een vollediger beeld van de hartfunctie vormen.
“Onze neurale netwerkarchitectuur met meerdere weergaven is specifiek ontworpen om het model in staat te stellen complexe verbanden te leren tussen informatie in verschillende beeldweergaven,” zegt eerste auteur Joshua Barrios, assistent-hoogleraar cardiologie bij UCSF. “We constateren dat deze aanpak de prestaties bij diagnostische taken in de echocardiografie verbetert, maar deze nieuwe AI-architectuur kan ook worden toegepast op andere medische beeldvormingsmodaliteiten waarbij meerdere beelden aanvullende informatie bevatten.”
Balans tussen prestaties en rekenkracht
De onderzoekers testten ook een alternatieve aanpak waarbij drie afzonderlijke AI-modellen elk één beeld analyseren en hun voorspellingen worden gecombineerd. Deze methode verbeterde de prestaties ten opzichte van één enkel model en vergt minder rekenkracht dan een volledig multiview-model. Toch leverde de multiview-architectuur uiteindelijk de beste resultaten.
Volgens de onderzoekers kan deze aanpak niet alleen de analyse van echocardiografie verbeteren, maar mogelijk ook worden toegepast op andere vormen van medische beeldvorming waarin meerdere beeldhoeken samen een completer beeld van een aandoening geven.
Graphicflow
Vorig jaar zagen we een andere nieuwe echotechniek, blood speckle imaging of Graphicflow genaamd. Die innovatie is in staat de prenatale opsporing van aangeboren hartafwijkingen te verbeteren. Met deze methode, ontwikkeld door GE Healthcare, wordt de bloedstroom in het foetale hart zeer gedetailleerd zichtbaar doordat individuele bloeddeeltjes met gekleurde pijltjes worden gevolgd. Dit geeft meer inzicht dan traditionele echotechnieken die alleen de stroomrichting tonen.
Onderzoekers van het Erasmus MC Sophia onderzochten of de techniek helpt om afwijkingen zoals vernauwingen van de aorta of kleine septumdefecten eerder en nauwkeuriger te herkennen. Volgens de onderzoekers kan dit ouders tijdens de zwangerschap meer duidelijkheid geven en behandelteams helpen om tijdig in te grijpen wanneer dat nodig is. Verdere studies moeten uitwijzen of de techniek breed inzetbaar wordt in de prenatale zorg.
