Onderzoekers van Johns Hopkins hebben een nieuwe ultrasound-technologie ontwikkeld die met zeer hoge nauwkeurigheid onderscheid kan maken tussen met vocht gevulde cysten en solide borstafwijkingen. Daarmee kan een belangrijk probleem in de borstkankerdiagnostiek worden aangepakt: het grote aantal fout-positieve uitslagen bij echo-onderzoek, met onnodige vervolgonderzoeken, biopsieën en onrust voor patiënten tot gevolg.
In eerste klinische tests bij echte patiënten bleek de nieuwe methode in 96 procent van de gevallen correct te bepalen of een massa vloeibaar of vast was. Met de huidige, conventionele, echotechnieken lag dat percentage op 67 procent bij dezelfde afwijkingen. De resultaten zijn gepubliceerd in Radiology Advances.
Volgens Muyinatu ‘Bisi’ Bell, hoogleraar biomedische en elektrotechniek aan Johns Hopkins en senior auteur van de studie, kan deze innovatie de manier waarop borstkanker wordt vastgesteld fundamenteel veranderen. “Het grootste probleem bij echografie is dat goedaardige cysten en mogelijk kwaadaardige solide tumoren er vaak hetzelfde uitzien. Met deze techniek kunnen radiologen veel sneller en met meer zekerheid een diagnose stellen, en worden patiënten minder vaak onnodig doorverwezen voor invasieve procedures.”
Uitdaging bij dicht borstweefsel
Voor vrouwen boven de 40 jaar is een mammografie de standaard voor vroege opsporing van borstkanker. Bij vrouwen met dicht borstweefsel levert een mammogram echter vaak onvoldoende duidelijkheid op. Zij krijgen dan aanvullend een echo, maar ook die techniek heeft juist bij dicht weefsel beperkingen.
Bij echografie worden geluidsgolven het borstweefsel ingestuurd. Die golven kaatsen terug tegen structuren zoals cysten of tumoren. In ideaal geval keert het signaal netjes terug naar de transducer, maar bij dicht borstweefsel verstrooien de golven zich. Dit zorgt voor zogenoemde ‘acoustic clutter’, waardoor een eenvoudige cyste, die normaal zwart zou moeten lijken, grijs wordt afgebeeld. Dat is precies het beeld dat ook bij kwaadaardige gezwellen kan voorkomen.
In eerder onderzoek werd al eens aangetoond dat AI de kwaliteit van borstkankerscreening aanzienlijk kan verbeteren door betere risicovoorspellingen mogelijk te maken. Met geavanceerde AI-technieken is mammografische dichtheid nauwkeuriger te bepalen. Vrouwen met relatief dicht borstweefsel hebben niet alleen een hoger risico op borstkanker, maar bij hen is kanker ook lastiger te detecteren met standaard mammografie. AI kan subtiele mammografische kenmerken identificeren die sterke voorspellers zijn van toekomstig kankerrisico en zo helpen bij gepersonaliseerde screeningstrategieën.
Slimmere signaalverwerking
De innovatie van Johns Hopkins zit niet in de hardware, maar in de manier waarop de echodata wordt verwerkt. Waar conventionele echo’s vooral kijken naar de sterkte (amplitude) van het terugkerende signaal, maakt de nieuwe methode gebruik van zogeheten coherentie. Daarbij wordt gekeken hoe sterk signalen lijken op die van omliggende punten.
Het resultaat is een schoner beeld én een extra hulpmiddel voor de radioloog: elke afwijking krijgt een numerieke score. Alleen als die score boven een bepaalde drempel uitkomt, wordt de massa als verdacht aangemerkt. Dat vermindert interpretatieverschillen en cognitieve belasting bij de beoordeling. “Het mooie is dat we exact dezelfde echo-data gebruiken,” zegt Bell. “Door de signalen anders te interpreteren, halen we er veel meer betrouwbare informatie uit. De combinatie van beeld én objectieve score helpt om besluitmoeheid bij artsen te verminderen.”
Klinische impact
In de studie werden 132 patiënten onderzocht. Met de nieuwe techniek konden radiologen in 96 procent van de gevallen de aard van een borstafwijking correct vaststellen. Dat betekent minder fout-positieve uitslagen en minder onnodige vervolgonderzoeken.
Diagnostisch radioloog Eniola Oluyemi van Johns Hopkins Medicine ziet grote klinische voordelen. “Deze techniek verbetert onze zekerheid bij het onderscheiden van solide tumoren en cysten die daarop lijken. Dat kan direct leiden tot minder biopsieën en meer geruststelling voor patiënten, al tijdens het eerste onderzoek.”
Combineren met AI-oplossingen
De onderzoekers zien ook kansen in combinatie met bestaande AI-oplossingen, die al worden ingezet om echo’s te analyseren. Samen zouden deze technieken radiologen kunnen helpen om bij het eerste consult niet alleen de aard van een afwijking te bepalen, maar ook direct de kans op maligniteit in te schatten.
Op langere termijn droomt Bell zelfs van toepassing buiten het ziekenhuis. “Als echo-apparatuur goedkoper en toegankelijker wordt, zou deze aanpak in de toekomst ook thuis gebruikt kunnen worden. Een eenvoudige scan met één duidelijke score zou mensen kunnen helpen om snel te bepalen of een voelbaar knobbeltje reden tot zorg is.”
Hoewel die toepassing nog toekomstmuziek is, laat deze innovatie zien hoe slimme signaalverwerking, eventueel dus in combinatie met AI, kan bijdragen aan meer nauwkeurige en patiëntvriendelijkere diagnostiek.
