Het onderscheid tussen tumorprogressie en stralingsnecrose is één van de grootste diagnostische uitdagingen na bestraling van hersentumoren. Op standaard MRI-beelden lijken beide afwijkingen sterk op elkaar, terwijl de benodigde behandeling totaal verschillend is. Een nieuw onderzoek, geleid door York University, laat zien dat een innovatieve AI-methode dit verschil veel nauwkeuriger kan vaststellen dan het menselijk oog.
Volgens senior auteur en York Research Chair Ali Sadeghi-Naini kan de nieuwe attention-guided AI-techniek, gecombineerd met geavanceerde MRI-opnames, met meer dan 85 procent nauwkeurigheid onderscheid maken tussen tumorprogressie en stralingsnecrose bij patiënten die stereotactische radiochirurgie (SRS) hebben ondergaan. Ter vergelijking: standaard MRI haalt gemiddeld slechts 60 procent nauwkeurigheid; geavanceerde MRI zonder AI komt uit rond 70 procent.
Grote klinische relevantie
Het onderzoek werd uitgevoerd in samenwerking met imaging-experts, neuro-oncologen en neuroradiologen van Sunnybrook Health Sciences Centre en gepubliceerd in het International Journal of Radiation Oncology Biology PhysicsDe dataset omvatte ruim 90 patiënten met hersenmetastasen. Door verbeterde kankerbehandelingen neemt het aantal patiënten met uitzaaiingen naar de hersenen toe, waardoor snelle en betrouwbare diagnose steeds belangrijker wordt.
Hoewel SRS vaak effectief is, kan het omliggende gezonde weefsel ernstig beschadigd raken, wat leidt tot stralingsnecrose. Bij ongeveer 30% van de patiënten groeit de tumor echter door, wat aanvullende intensieve behandeling vereist. Beide situaties vereisen totaal verschillende zorgpaden: van aanvullende bestraling of chirurgie tot juist anti-inflammatoire medicatie en monitoring.
AI als beslisondersteuning
De onderzoekers ontwikkelden een 3D-deep-learningmodel met twee geavanceerde attention-mechanismen. Het model analyseert beelden verkregen via CEST-MRI, een techniek die subtiele biochemische veranderingen beter zichtbaar maakt. De AI blijkt in staat patronen te herkennen die voor radiologen moeilijk te onderscheiden zijn.
“Het tijdig vaststellen of een letsel tumorprogressie of stralingsnecrose betreft, is cruciaal,” benadrukt Sadeghi-Naini. “De behandelstrategieën verschillen sterk. Deze AI-benadering kan artsen helpen sneller en gerichter te handelen, wat directe impact heeft op de uitkomst voor patiënten.”
Met deze doorbraak wordt de weg vrijgemaakt voor slimmere, datagedreven besluitvorming binnen de neuro-oncologie, en kan AI uitgroeien tot een belangrijke klinische partner bij complexe diagnostiek.
Behandeluitkomsten met AI voorspellen
Medio dit jaar startte het Elisabeth-Tweesteden Ziekenhuis (ETZ) een driejarig onderzoeksproject om met behulp van AI de behandeluitkomsten van patiënten met hersentumoren beter te kunnen voorspellen. Het project, uitgevoerd door de afdeling Neurochirurgie en gefinancierd via de ZonMw MedZO-regeling, beschikt over een budget van 3 miljoen euro en wordt ondersteund door meerdere ziekenhuizen en kennisinstellingen.
Doel van het project is het ontwikkelen van AI-modellen die kunnen voorspellen hoe operaties en andere behandelingen de hersenfunctie beïnvloeden bij aandoeningen zoals gliomen en vestibulair schwannoom. Hiervoor wordt een unieke dataset gebruikt met 15 jaar aan ETZ-gegevens, waaronder MRI-scans, cognitieve testen en klinische uitkomsten. Ook andere ziekenhuizen zullen vergelijkbare gegevens verzamelen om de modellen verder te versterken.
Samen met TU Eindhoven worden voorspelmodellen ontwikkeld die de individuele anatomische en functionele hersennetwerken van patiënten in kaart brengen. Door ook de voorkeuren en doelen van patiënten mee te nemen, in samenwerking met Tilburg University, moet de technologie artsen ondersteunen bij het maken van behandelkeuzes die optimaal aansluiten bij de wensen van de patiënt.
