Kunstmatige automatische generatie van beroerte hersenscans

Nico.lab B.V. is een spin-off van het AMC en legt zich toe op de ontwikkeling van een platform om artsen bij te staan met de automatische beoordeling van scans van de hersenen bij beroertes. Deze scans, gemaakt met een CT-scanner, bevatten informatie (biomarkers), die de arts kan gebruiken bij het maken van beslissingen. Momenteel worden de scans visueel beoordeeld door neurologen/radiologen of door dienstdoende artsen. Echter kan de “manuele” beoordeling van scans verschillen of worden er be-paalde biomarkers over het hoofd gezien. De algoritmes die Nico-lab ontwikkelt, identi-ficeren alle relevante ‘biomarkers’ in deze scans. Door middel van een cloud-platform met snelle hardware, ontstaat hierdoor de mogelijkheid om de arts binnen enkele minu-ten te voorzien van een gedetailleerd biomarker rapport, dat kan worden gebruik bij het maken van behandelbeslissingen. Kunstmatige intelligentie bij de beoordeling van medische scans hebben een uitzonder-lijke potentie. Accurate patroonherkenning, echter, kan alleen worden bewerkstelligd indien de algoritmes zijn getraind met een significante hoeveelheid scans uit een gecon-troleerde database. Deze scans worden momenteel aangeboden door het AMC, maar dit zijn er momenteel 270 en dat zijn er te weinig om het algoritme zó in te leren dat het uiteindelijk boven de 95% zekerheid kan bieden in de beoordeling. Het opzetten van een gecontroleerde grote database, is vanwege privacy technische redenen alleen mogelijk voor patiënten die aan een onderzoek hebben meegedaan. Daarnaast weten ziekenhuizen dat deze database waardevol is, en doen deze niet zomaar van de hand. Het verzamelen van voldoende scans blijft daarom een grote uitdaging. Met dit project onderzoekt Nico.lab of het mogelijk is om doormiddel van fundamentele beeldbewerkingstechnieken deze database te laten groeien. Nico.lab zal hierbij onder-zoeken of er gebruik kan worden gemaakt van bestaande technieken - zoals beeld-transformatie, rotatie, toevoegen van ruis, filtering et cetera. Ook wordt onderzocht of er gebruik moet worden gemaakt van nieuw te ontwikkelen technieken, waarbij ge-dacht wordt aan technieken gestoeld op kunstmatige intelligentie (AI). Op grond van “semi-unsupervised learning” onderzoekt Nico.lab of het in staat is anatomische correc-te, unieke scans te creëren uit bestaande scans. Deze technieken zullen worden gebun-deld in een algoritme dat in staat is om een database met hersenscans van beroerte patiënten te vergroten, die overeenkomt met anatomische correcte situaties. Daarmee ontstaat een grotere en unieke database, die kan worden gebruikt om algoritmes ster-ker te maken. In het kort stelt Nico.lab voor om de haalbaarheid van het creëren van “data uit data” mogelijk is. Jaarlijks wordt er in de EU € 38,4 miljard aan zorgkosten betaald beroertes. Wanneer er een beroerte optreedt is het van cruciaal belang dat er snel gehandeld wordt, omdat er per uur 120 miljoen neuronen in de hersenen afsterven. Hierdoor versnelt de verou-dering van het brein met 3,6 jaar/uur. Het is daarnaast eveneens van belang dat de scans trefzeker worden beoordeeld, hierdoor kan meteen de meest geschikte behande-ling worden gekozen en dus cruciale tijd gewonnen worden. Ten derde geldt over het algemeen: hoe sneller er kan worden ingegrepen, des te lichter is de benodigde nazorg, waardoor er op de zorgkosten bespaard kan worden. Nico.lab B.V. hanteert een voorlopige berekening (die o.a. in dit onderzoek in detail zal worden gemaakt) waarmee er op korte termijn € 1,7 miljard aan zorgkosten in de EU bespaard kan worden. Dit is voorlopig gebaseerd op een verhoging van de snelheid en trefzekerheid van de behandeling, wat resulteert in een verhoging van de klinische uitkomst met 10%. Daarnaast resulteert dit ook in een 25% besparing op de zorgkosten van de behandeling.