Jaarlijks worden wereldwijd 60 miljoen mensen getroffen door hoofdletsel. Bij jongvolwassenen is het de nummer één doodsoorzaak. Bij veel patiënten met (ernstig) hoofdletsel wordt onder andere een CT-scan gemaakt. Daarmee kan bepaald worden of een operatie nodig is om hersenletsel te voorkomen of genezen. Denk bijvoorbeeld aan het verwijderen van bloedstolsels of het verlichten van de druk op de hersenen.
CT-scan bevat meer informatie
"De CT-scan is een zeer belangrijk diagnostisch middel, maar lang niet altijd wordt alle informatie die er in zit ook gebruikt. Daardoor wordt al te vaak belangrijke informatie gemist die wel uit de CT-scan af te leiden is. Daarnaast is informatie over het type, het volume en de locatie van een laesie in de hersenen erg belangrijk voor de behandeling en herstelkansen van een patiënt", aldus professor David Menon van het Cambridge Department of Medicine.
Het in detail beoordelen van een CT-scan met behulp van aantekeningen is een tijdrovend proces dat uren in beslag kan nemen. Tijd die er, zeker bij patiënten met ernstige hoofdwonden met potentieel hersenletsel tot gevolg, niet altijd is. "Daarom wilden we een tool ontwerpen en ontwikkelen die automatisch de verschillende soorten hersenlaesies kon identificeren en kwantificeren. Een tool die we vervolgens konden onderzoeken op geschiktheid voor gebruik in ziekenhuizen", zegt dr. Virginia Newcombe van het Cambridge Department of Medicine.
AI verbetert hersenletsel diagnose
Het resultaat is een machine learning tool die op basis van een kunstmatig neuraal netwerk ontwikkeld is; het zogenoemde AI-algoritme. De tool is vervolgens getest op meer dan 600 CT-scans. Die bevatten hersenletsels van verschillende groottes en typen. Het AI-algoritme werd vervolgens gevalideerd op een bestaande grote dataset van CT-scans.
Het AI-algoritme bleek in staat de afzonderlijke delen van elke afbeelding te classificeren en aan te geven wat al dan niet een normaal beeld was. Een belangrijke ontdekking die in de toekomst ertoe kan leiden dat we meer inzicht krijgen in het verloop van hersenletsel. AI is immers consistenter dan een mens als het gaat om het detecteren van subtiele veranderingen.
"Deze tool stelt ons in staat antwoorden op onderzoeksvragen te geven die we voorheen niet konden beantwoorden. We willen de tool nu gaan gebruiken op grote datasets zodat we leren te begrijpen wat de scans ons vertellen over de prognose voor patiënten met hersenletsel. Wanneer de tool ons in staat kan stellen laesies te identificeren die groter zullen worden, dan kunnen we voor die patiënten mogelijk een meer gepersonaliseerde behandeling ontwikkelen", aldus professor Menon.
De meerwaarde van deep learning en AI bij de medische beeldanalyse van CT-scans was ook onderwerp van een Nederlands promotieonderzoek. Daarbij werd onderzocht in hoeverre AI een bijdrage kon leveren aan chirurgische ingrepen die worden uitgevoerd op basis van MRI of CT-scans. Die hebben namelijk vaak te maken met de complicerende factor dat patiënten nooit helemaal stil, en bij het maken van vergelijkende scans nooit op exact dezelfde plek liggen.
Mogelijk klinische toepassing
Momenteel zijn de onderzoekers van plan het AI-algoritme alleen voor onderzoeksdoeleinden te gebruiken. Maar, zo stellen ze, met de juiste validatie behoort een klinische toepassing ook tot de mogelijkheden. Daarbij worden situaties genoemd op locaties waar beperkte middelen en/of weinig radiologen beschikbaar zijn.
Daarnaast zien de onderzoekers ook mogelijkheden voor het gebruik van de AI-tool op de SEH. Van alle patiënten met hoofdletsel heeft slechts tussen de 10 en 15% een laesie die te zien is op een CT-scan. Het AI-algoritme zou kunnen helpen bij het identificeren van deze patiënten die verdere behandeling nodig hebben, zodat degenen zonder hersenletsel naar huis kunnen worden gestuurd. De onderzoekers benadrukken wel dat klinisch gebruik van de AI-tool alleen mogelijk is na een grondige validatie.
Het onderzoek werd mede ondersteund door de Europese Unie, de European Research Council, de Engineering and Physical Sciences Research Council, Academy of Medical Sciences / The Health Foundation en het National Institute for Health Research. De onderzoekers van de universiteit van Cambridge en het Imperial College Londen hebben hun resultaten gepubliceerd in The Lancet Digital Health.
