In de ‘fastMRI challenge’, uitgeschreven door het Facebook AI-onderzoekslab en New York University, kregen AI-specialisten de uitdaging om MRI-scans sneller en efficiënter te maken. De 34 deelnemende teams kregen een ruwe dataset van een paar honderd MRI-scans van knieën, evenals een aantal incomplete datasets. Op basis hiervan moesten ze een zelflerend algoritme te ontwikkelen, waarmee uit de incomplete datasets alsnog het complete MRI-beeld kan worden teruggerekend. Het opnemen van minder data tijdens de MRI-scan betekent een korte scantijd.
Zelflerend algoritme
Het team van Philips en LUMC eindigde bovenaan bij het moeilijkste deel van de wedstrijd: een bijna intact plaatje terugrekenen uit slechts een achtste van de data. Een behoorlijke groep onderzoekers heeft volgens het LUMC maandenlang fulltime gewerkt aan het zelflerende algoritme. AI-expert Marius Staring en MRI-specialist Thijs van Osch (beiden afdeling Radiologie) waren de teamleiders vanuit LUMC.
Staring noemt als sleutel tot het succes de nauwe samenwerking tussen AI-experts, MRI-technici en clinici, van zowel het LUMC als Philips. “De samenwerking met Philips was zeer intensief, waardoor we snel allerlei ideeën konden uittesten. Ik ben trots op de LUMC-onderzoekers Sahar Yousefi en Mohamed Elmahdy die samen met collega’s bij Philips een topprestatie hebben geleverd.”
Belofte AI voor imaging-wereld
De onderzoekers benadrukken de grote belofte die AI-technologie inhoudt voor de imaging-wereld. “Momenteel duurt een MRI-scan al gauw een kwartier tot een half uur. Als we dat kunnen terugbrengen tot een paar minuten is dat winst voor zowel de patiënt als de behandelaar”, stelt Van Osch uit. “We kijken ernaar uit de samenwerking met Philips voort te zetten, zowel om verder onderzoek te doen, maar ook om deze winst snel naar de patiënt te brengen.”
