Een nieuw AI-model kan radiologen ondersteunen bij het opsporen van afwijkingen op hersen-MRI’s, variërend van beroertes en aneurysma’s tot multiple sclerose en tumoren. De technologie, ontwikkeld door onderzoekers van King’s College London en biedt een veelbelovend antwoord op de groeiende werkdruk binnen de radiologie door personeelstekorten en de jaarlijkse toename van MRI-aanvragen.
De oplopende achterstanden in MRI-beoordelingen leiden wereldwijd tot vertragingen in diagnose en behandeling. Snelle detectie van hersenafwijkingen is essentieel voor aandoeningen zoals CVA, MS of hersentumoren. Het nieuwe AI-model kan scans triëren en rapportagetijden verkorten, waardoor patiënten sneller de juiste behandeling kunnen krijgen. Het onderzoek is onlangs gepubliceerd in Radiology AI.
De werking van het model
Het AI-systeem leerde eerst onderscheid maken tussen normale en abnormale MRI-beelden. Vervolgens werd het getest op nieuwe scans van onder meer CVA’s, MS-laesies en tumoren. Allemaal afwijkingen die het model nauwkeurig herkende, vergelijkbaar met de expertise van ervaren neuroradiologen.
Een belangrijke innovatie is dat het model zonder handmatige labeling is getraind. In plaats daarvan analyseerde het meer dan 60.000 bestaande MRI-scans tegelijk met hun bijbehorende radiologierapporten. Door zowel beeld als taal te interpreteren, leert de AI hoe radiologen afwijkingen beschrijven en herkennen.
Ondersteuning bij diagnose en opleiding
Het systeem kan bovendien zoeken naar vergelijkbare casussen op basis van een scan of tekstzoekopdracht (“gliomen”), wat waardevol kan zijn bij diagnostiek, second opinions of onderwijsdoeleinden.
Volgens hoofdonderzoeker dr. Thomas Booth kan de technologie in de toekomst tijdens het scannen reeds afwijkingen signaleren, mogelijke fouten in rapportages markeren of relevante eerdere casussen ophalen. Dit versnelt het diagnostisch proces en kan de kwaliteit van besluitvorming verbeteren. "“Door het systeem te trainen met scans en de taal die radiologen gebruiken om deze te beschrijven, kunnen we het leren begrijpen hoe afwijkingen eruitzien", aldus de onderzoeker
In 2026 start een grootschalige, multicentrische trial in het Verenigd Koninkrijk om te onderzoeken hoe het AI-model in de praktijk de workflow van radiologen verbetert. Booth: “We verwachten dat vroege abnormaliteitsdetectie een directe impact heeft op doorlooptijden en patiëntuitkomsten.”
Meerwaarde AI bij hersenonderzoek
Er wordt veel onderzoek gedaan naar het inzetten, en de meerwaarde, van AI op het gebied van hersenonderzoek en de diagnose van neurologische aandoeningen. Vorig jaar presenteerde Philips nieuwe AI-gestuurde rapportagesoftware die het bedrijf samen met icometrix ontwikkelde. Die oplossing zorgt ervoor dat de diagnose en monitoring van de behandeling van neurologische aandoeningen zoals Alzheimer en multiple sclerose (MS) verbeterd wordt.
Begin dit jaar schreven wij over twee andere nieuwe AI-modellen, ontwikkeld in het laboratorium van Li Wang,Ph.D, waarmee de beeldkwaliteit van een hersen-MRI verbeterd kan worden. Het eerste van die nieuwe AI-modellen zorgt voor een verbetering van het ‘skull-striping’ proces. Hiermee kan niet-hersenweefsel nauwkeuriger verwijderd worden en veranderingen in hersenvolume tijdens de levensduur voorspeld worden. Het tweede AI-model, Brain MRI Enhancement foundation (BME-X) genaamd, werd gebouwd om de algehele beeldkwaliteit te verbeteren.
