Ouderdom komt met gebreken is een bekende uitspraak, maar zeker als we ouder worden is het voorkomen dat we iets breken van groot belang. Vooral ook omdat botbreuken op latere leeftijd minder snel herstellen en andere, vervelende, complicaties met zich mee kunnen brengen. Bij het Southwest Research Institute (SwRI) in Texas is een nieuwe AI-gedreven technologie ontwikkeld waarmee het risico op botbreuken bij ouderen beter voorspeld kan worden.
De door wetenschappers ontwikkelde technologie maakt gebruik van kunstmatige intelligentie (AI) om superresolutiebeelden te maken die de inwendige structuren van botten zeer gedetailleerd tonen om het risico op breuken beter te kunnen bepalen. Aan de basis van deze ontwikkeling lag het feit dat de wetenschappers ontdekten dat de met superresolutie (SR) versterkte beelden in bijna alle gevallen nauwkeuriger waren dan röntgenfoto's of CT-scans bij het kwantificeren van botkenmerken die indicatief zijn voor sterkte en fractuurrisico.
Risico van botbreuken op latere leeftijd
Osteoporotische breuken bij ouderen zijn een wijdverbreid probleem. De helft van de vrouwen boven de 55 jaar krijgt ooit te maken met een of andere fractuur. Van de miljoenen mensen die elk jaar een heup breken, kan de helft uiteindelijk nooit meer zelfstandig lopen en een op de vijf patiënten overlijdt binnen een jaar. Er wordt daarom steeds meer aandacht geschonken aan valpreventie, onder andere met slimme technologie in bedden en hulpmiddelen zoals de heupairbag.
“Ingenieurs en orthopedische artsen proberen mensen met een verhoogd risico te identificeren omdat er interventies zijn die botten sterker kunnen maken, maar het gaat erom vast te stellen wie een verhoogd risico loopt. Momenteel is de meest gebruikelijke methode om het risico op breuken vast te stellen een röntgenfoto of een CT-scan, maar de resolutie van beide beeldvormingstechnieken is te laag om echt de structurele sterkte van het bot te bepalen”, aldus Dr. Lance Frazer van SwRI.
Superresolutie AI-technologie
Voor dit onderzoek maakte SwRI gebruik van een type AI dat bekend staat als superresolutietechnologie, een set technieken die wordt gebruikt om beelden van lage kwaliteit scherper en gedetailleerder te maken. De deep learning SR-benadering van SwRI traint AI om complexe patronen en texturen in kaart te brengen door het te leren om details in meerdere voorbeelden waar te nemen. Hierdoor kan het gebruik maken van lage resolutie beeldgegevens van botten om te voorspellen hoe een afbeelding met een veel hogere resolutie van dat bot eruit zou zien.
“Zodra we die beeldgegevens met een hoge resolutie hebben, hebben we veel hulpmiddelen tot onze beschikking om te voorspellen hoe sterk het bot eigenlijk is. We kunnen zien of de botten gevoelig zijn voor breuken en of het nodig is om in te grijpen om dat te voorkomen. Botten kunnen zich immers aanpassen. Zodra een breukrisico is geïdentificeerd, kan een arts medicatie of oefeningen aanbevelen om kwetsbare botten te versterken en te voorkomen dat een blessure optreedt”, aldus Frazer.
SR-technologie
Frazer stelde voor om SR-technologie toe te passen op medische beeldvormingsapparatuur die normaliter alleen ruwe, lage resolutie röntgenbeelden van botten maakt. Met de SR-technologie werden deze beelden doormiddel van AI verbeterd. Dit resulteerde in scherpere en gedetailleerdere beelden die artsen helpen betere medische beslissingen te nemen.
“Iedereen valt. Iedereen boven de 55, en vooral die boven de 65, zal op een bepaald moment vallen, dus inzicht in botsterkte voor deze populatie is belangrijk. Er kan veel gedaan worden op het gebied van valpreventie. Maar de hamvraag blijft: als je valt, loop je dan risico op een fractuur? Het antwoord op die vraag is cruciaal”, aldus Frazer.
