Programma

Nieuws
Tip hier de redactie
Bekijk overzicht
29 november 2021
Artikel delen

MS-diagnostiek verbeteren met big data en AI

Om een doorbraak op het gebied van MS te bereiken moet bij MRI-onderzoeken meer en beter gebruik gemaakt worden van big data en kunstmatige intelligentie. Dat schrijft een groep wetenschappers in een gezamenlijk artikel. Daarin worden een aantal concrete mogelijkheden voorgesteld die moeten leiden tot het verbeteren van MRI-metingen bij MS: crowdsourcing, databescherming en challenges.

Tags

Deel dit artikel

Wilt u belangrijke informatie delen met de redactie?

Tip hier de redactie

Bij MS-diagnostiek wordt al sinds begin jaren 90 gebruik gemaakt van MRI-onderzoek. Sindsdien zijn een verschillende manieren ontwikkeld om MRI-beelden te maken en interpreteren. Het consensus artikel van de wetenschappers geeft adviezen over de mogelijkheden die de grote hoeveelheden verzamelde MRI-data kunnen bieden.

Om MS met behulp van MRI beter te gaan begrijpen en veranderingen van de ziekte in de kliniek beter te kunnen mete is de inzet van big data en kunstmatige intelligentie (AI) een reële optie. Om dat te realiseren zullen op drie deelgebieden uitdagingen overwonnen moeten worden.

Verbeteren MS-diagnostiek

De wetenschappers benoemen in hun artikel drie concrete mogelijkheden waarmee MRI-metingen bij MS, en daarmee de MS-diagnostiek, verbeterd kunnen worden. Verbeteringen op zowel klinisch gebied, voor gepersonaliseerde behandelingen, als in fundamenteel onderzoek, voor het begrijpen van ziekteprocessen. De aanbevelingen die gedaan worden hebben betrekking op drie gebieden: crowdsourcing, databescherming en challenges.

Crowdsourcing is het online benutten van de kennis, kunde of creativiteit van een grote groep mensen. Voor MRI zou crowdsourcing gebruikt kunnen worden door het publiek te vragen te helpen met het intekenen van bepaalde hersengebieden op MRI-scans. Die gegevens kunnen vervolgens gebruikt worden voor de automatisering van het intekenen.

De tweede aanbeveling betreft het goed regelen van databescherming. Een noodzaak om samenwerkingen mogelijk te maken Echter, doordat het veel tijd kost, wordt het niet altijd gedaan. Eenmaal goed geregeld maakt databescherming het doen van gezamenlijk onderzoek eenvoudiger en zorgt het voor een grote hoeveelheid mogelijkheden. Tot slot benoemen de wetenschappers de voordelen van zogenoemde analyse challenges. Door software ontwikkelaars in een competitie methoden te laten ontwikkelen voor een bepaalde taak, kan je zorgen dat een klein onderzoeksgebied als MS onder de aandacht komt van ontwikkelaars.

Samenwerkingsverband wetenschappers

Het artikel is een productie van de MAGNIMS groep. MAGNIMS is een Europees samenwerkingsverband van wetenschappers waarin sinds 1990 onderzoek gedaan wordt naar het gebruik van MRI bij MS-onderzoek. In 2018 zijn de MAGNIMS leden in Amsterdam bij elkaar geweest voor een workshop over big data. De drie gebieden zijn daar gekozen en vervolgens is er in groepen aan de stukken tekst gewerkt om later samengevoegd te worden tot een consensus stuk.

Vanuit Amsterdam UMC heeft een aantal wetenschappers meegewerkt, waaronder eerste auteur Hugo Vrenken en hoogleraar Frederik Barkhof. Het artikel ‘Opportunities for Understanding MS Mechanisms and Progression With MRI Using Large-Scale Data Sharing and Artificial Intelligence’ is onlangs gepubliceerd in Neurology 2021.

ICT&health congres 2023
Op 30 januari 2023 trapt ICT&health het nieuwe zorgjaar af met het jaarlijks groot en invloedrijk zorgcongres over de zorgtransformatie.
Ook aanwezig zijn? Reserveer dan snel uw entreeticket

Tags

Deel dit artikel

Wilt u belangrijke informatie delen met de redactie?

Tip hier de redactie

Mis niks en ontvang de spannendste ontwikkelingen