Onderzoekers van de University of Southern California (USC) hebben een AI-model ontwikkeld dat ontbrekende informatie in MRI-scans van de hersenen kan reconstrueren. De technologie richt zich op hersengebieden waar verstoringen van het magnetische veld het moeilijk maken om zenuwverbindingen nauwkeurig in beeld te brengen. Het model kan onderzoekers helpen om veranderingen in de hersenen door veroudering en neurologische aandoeningen beter te bestuderen.
Het onderzoek is uitgevoerd door het Mark and Mary Stevens Neuroimaging and Informatics Institute (Stevens INI), onderdeel van de Keck School of Medicine van USC. De onderzoekers ontwikkelden een generatief AI-model, FOD-Diffusion, dat ontbrekende gegevens in diffusie-MRI-scans kan aanvullen. Diffusie-MRI is een beeldvormingstechniek die de beweging van watermoleculen in hersenweefsel meet. Omdat water zich bij voorkeur langs zenuwvezels verplaatst, kunnen onderzoekers hiermee de richting en het verloop van zenuwbanen reconstrueren. Zo ontstaat een beeld van de verbindingen tussen verschillende hersengebieden.
Signaalverlies in kwetsbare hersengebieden
Bij diffusie-MRI kunnen bepaalde hersengebieden moeilijk betrouwbaar worden afgebeeld. Vooral de hersenstam en de orbitofrontale regio, direct boven de ogen, zijn gevoelig voor verstoringen van het magnetische veld. Hierdoor kan een deel van het MRI-signaal verloren gaan.Het probleem wordt veroorzaakt door de beeldvorming en betekent niet dat het onderliggende hersenweefsel beschadigd is. Bestaande correctiemethoden kunnen deze ontbrekende informatie niet altijd voldoende herstellen.
Dat is vooral problematisch bij het onderzoeken van belangrijke zenuwbanen. Door de hersenstam loopt bijvoorbeeld de corticospinale baan, die signalen vanuit de hersenen naar het ruggenmerg geleidt en een belangrijke rol speelt bij de aansturing van bewegingen. Wanneer delen van deze verbinding niet goed zichtbaar zijn, kunnen onderzoekers de zenuwbaan minder volledig reconstrueren. Dat bemoeilijkt onderzoek naar veranderingen in hersenverbindingen tijdens het ouder worden of bij neurologische aandoeningen.
Generatieve AI reconstrueert zenuwbanen
Om deze beperkingen aan te pakken, ontwikkelden de onderzoekers FOD-Diffusion. Het systeem maakt gebruik van een generatief diffusiemodel, een AI-techniek waarbij vanuit willekeurige ruis stapsgewijs nieuwe gegevens worden opgebouwd. Het model verwerkt zogenoemde fiber orientation distributions: gegevens die beschrijven in welke richtingen zenuwvezels door het hersenweefsel lopen. Per MRI-scan worden deze gegevens weergegeven in 45 onderling samenhangende driedimensionale kaarten.
De AI reconstrueert ontbrekende delen van iedere kaart afzonderlijk, maar houdt daarbij rekening met de informatie uit de overige kaarten en het omliggende hersenweefsel. Zo probeert het systeem een samenhangende reconstructie van de zenuwvezelrichtingen te maken. Voor de ontwikkeling en evaluatie gebruikten de onderzoekers MRI-gegevens van 1.315 deelnemers aan de UK Biobank en 679 deelnemers aan de Lifespan Human Connectome Project Aging-studie.
Nauwkeuriger dan andere AI-methoden
De onderzoekers testten de nauwkeurigheid door delen van relatief complete MRI-scans kunstmatig te verwijderen en vervolgens door het model te laten reconstrueren. Bij 43 testpersonen week de gereconstrueerde hoofdrichting van de zenuwvezels gemiddeld ongeveer 1,4 graden af van de oorspronkelijke gegevens. De beste van zes andere onderzochte AI-methoden liet een gemiddelde afwijking van ongeveer 4,5 graden zien.
Ook bij scans met daadwerkelijk signaalverlies leverde het model verbeteringen op. Bij 1.172 deelnemers aan de UK Biobank waren de met standaardmethoden gecorrigeerde zenuwvezelgegevens in de hersenstam duidelijk zwakker dan bij personen met minimaal signaalverlies. Na reconstructie met AI was dat verschil niet langer statistisch significant. Vergelijkbare resultaten werden gevonden in de orbitofrontale regio bij 981 deelnemers.
Daarnaast konden onderzoekers de corticospinale zenuwbaan bij ernstig signaalverlies vollediger reconstrueren. In een afzonderlijke analyse van MRI-gegevens uit de HCP-Aging-studie leverde de AI bij scans die vanuit één richting waren gemaakt zelfs betere reconstructies van deze bewegingsbaan op dan een correctiemethode die scans uit twee tegengestelde richtingen combineerde. Dit kan relevant zijn voor grootschalige hersenonderzoeken waarbij vanwege beperkte scantijd slechts één volledige scanrichting beschikbaar is.
Andere toepassingen van AI bij hersen-MRI
Het onderzoek van USC sluit aan bij andere ontwikkelingen waarbij AI wordt ingezet om meer informatie uit hersen-MRI's te halen. Zo ontwikkelden onderzoekers van de University of Michigan het AI-model Prima, dat hersenscans binnen enkele seconden kan analyseren. Zoals ICT&health eerder berichtte, werd het systeem getest op ruim 30.000 MRI-onderzoeken. Bij bepaalde neurologische aandoeningen behaalde het een nauwkeurigheid tot 97,5 procent. Prima kan bovendien helpen om patiënten op basis van de urgentie van hun aandoening te prioriteren.
Beide AI-systemen richten zich op verschillende onderdelen van medische beeldvorming. Prima analyseert bestaande MRI-beelden om afwijkingen te herkennen en de diagnostiek te ondersteunen. FOD-Diffusion probeert daarentegen ontbrekende meetinformatie over zenuwverbindingen te reconstrueren. Daarmee is het nieuwe model vooralsnog vooral bedoeld als hulpmiddel voor wetenschappelijk hersenonderzoek.
Verder onderzoek nodig
De onderzoekers benadrukken dat de aangevulde gegevens schattingen zijn en geen daadwerkelijk gemeten MRI-signalen. Bovendien is de technologie nog niet onderzocht voor gebruik in de patiëntenzorg. Vervolgonderzoek moet uitwijzen hoe goed het model presteert bij andere MRI-scanners en onderzoeksomstandigheden. Het team wil de methode onder meer toepassen op gegevens uit de Alzheimer's Disease Neuroimaging Initiative en de Health and Aging Brain Study-Health Disparities.
De softwarecode is openbaar beschikbaar via GitHub, zodat andere onderzoeksgroepen de methode kunnen evalueren en verder ontwikkelen.
Voeg ICT&health toe aan Google
Toon meer content van ICT&health in Google Zoeken.
