Ga direct naar de inhoud Ga direct naar het hoofdmenu Ga direct naar het zoekveld
 
Lerende software kan MRI-beelden beter beoordelen

Vroege herkenning Alzheimer dankzij machine learning

Informaticus Alle Meije Wink ontwikkelde software die patronen herkent in MRI-scans van hersenen. Het werkt zo goed, dat neurologen mogelijk in de toekomst de ziekte van Alzheimer kunnen herkennen vóórdat er symptomen zijn.

Bij de ziekte van Alzheimer stapelt het eiwit amyloïd zich op in bepaalde hersengebieden. Dit eiwit is al in een vroeg stadium zichtbaar te maken met een PET-scan. Maar PET-scans zijn kostbaar en omslachtig in het gebruik. Daarom wordt een gemakkelijke en goedkope anatomische MRI-techniek gebruikt om de ziekte van Alzheimer in de hersenen zichtbaar te maken. Deze techniek maakt geen eiwit zichtbaar, maar meet de hersenkrimp die het gevolg is van de ziekte. ‘Het nadeel van deze methode is dat je er vooral patiënten mee herkent bij wie de hersenziekte al in een vergevorderd stadium is’, zegt informaticus Alle Meije Wink (VUmc). ‘Jammer, want als je het probleem vroeg signaleert, kun je wellicht het beloop van de ziekte verbeteren en misschien zelfs vertragen.’ 

Magnetisch gelabeld

Behalve een anatomische MRI die de structuur – en dus hersenkrimp – toont, kan de radioloog ook een MRI-scanmethode toepassen die de zuurstofopname meet. Dat gebeurt met ASL-techniek (Arterial Spin Labeling). Het water in het bloed wordt magnetisch gelabeld, waardoor in de hersencellen de zuurstofopname – oftewel de perfusie – zichtbaar wordt. Bij gezonde mensen kleurt het MRI-beeld licht op, bij patiënten met een vergevorderd stadium van de hersenziekte blijft het donker in de Alzheimer-gerelateerde hersengebieden.

Te subtiel

Moderne scanners worden al geleverd met ASL. ‘Maar de traditionele ASL-techniek heeft maar een beperkte meerwaarde’, zegt Wink. ‘De signaalverschillen tussen veel en weinig zuurstofopname zijn te subtiel voor een betrouwbare diagnose per individu. Je kunt er uitsluitend groepen mee onderscheiden.’ Met een subsidie van ZonMw (vanuit Memorabel) maakte Wink voor de scanner van het VUMC daarom nieuwe ASL-software. Zijn publicatie verschijnt binnenkort in de papieren versie van Radiology. Het ‘lerende’ programma (machine learning) is veel nauwkeuriger dan de traditionele software, en kan wél betrouwbare uitspraken doen op individueel niveau. Het herkent de ziekte van Alzheimer zelfs nog vóórdat de eerste symptomen zich openbaren.

Het hele scanbeeld

Waarin verschilt het programma van Wink met het standaardprogramma? Ieder scanbeeld bestaat uit maximaal 100.000 beeldpuntjes. Bij de bestaande software worden al die duizenden puntjes van de patiënt vergeleken met de beeldpuntjes van gezonde controles. Wink vergelijkt niet de afzonderlijke beeldpuntjes, maar het héle scanbeeld van elke patiënt met de beelden van de controlegroep. Zijn controlegroep bestaat bovendien uit drie categorieën: ernstig zieke patiënten, patiënten met milde klachten en proefpersonen zonder de ziekte. Hij liet het programma voor elke groep een patroon uitrekenen: een driedimensionaal beeld van het gemiddelde van de hersenbeelden per categorie.

‘Ons ideaal is dat elk ziekenhuis het machine-learning-programma introduceert’

In die drie afzonderlijke patronen leerde het programma de Alzheimer-gerelateerde beeldeigenschappen te herkennen. Wink: ‘Uit ons onderzoek is gebleken dat dit programma inderdaad veel krachtiger werkt dan bestaande programma’s. In de eerste plaats doordat ‘de controlepatiënt’ is samengesteld uit de hersenscans van een heleboel patiënten. In de tweede plaats doordat we voor de diagnose niet meer naar de zuurstofopname per beeldpuntje kijken, maar naar een patroon in een wolk beeldpuntjes. Dat lijkt op wat een radioloog met het blote oog doet als hij een scan beoordeelt.’

Voorspellen

Hoe meer ASL-scans Wink gebruikt om een model van gemiddelden te maken, hoe preciezer het programma wordt. Scanbeelden van mensen zonder symptomen worden in een later stadium in de juiste categorie geplaatst, zodra bekend is of de ziekte zich wel of niet heeft ontwikkeld. Wink: ‘Op deze wijze kan het systeem gaan “voorspellen” tot welke categorie iemand in de toekomst zal behoren. Het herkent immers of de patiënt in de categorie past die later ziek geworden of die gezond gebleven is.’ In de media wordt zijn programma wel een vorm van kunstmatige intelligentie genoemd. Maar Wink houdt niet van die term. ‘Het is een breed begrip’, zegt hij, ‘dat beelden oproept van een sprekende robot naast het ziekenhuisbed. Machine learning is slechts een vorm van kunstmatige intelligentie. Een onderdeel ervan.’

In elk ziekenhuis

In een vervolgonderzoek zal hij het systeem blijven trainen, zodat het steeds preciezer wordt. Wink: ‘Ons ideaal is dat elk ziekenhuis het machine-learning-programma introduceert, en dat ook de scanbeelden van hún patiënten worden toegevoegd. Dat kan centraal gecoördineerd worden, maar misschien is het veel betrouwbaarder als er bijvoorbeeld per provincie een eigen ASL-scan-set wordt gemaakt. Het kan best dat hersenen van Zeeuwen net iets anders zijn dan die van Limburgers. Of misschien moet je juist een scan-set verzamelen per merk MRI-scanner. Elk ziekenhuis heeft andere merken in huis: GE (General Electrics), Philips en Siemens. Ze zijn moeilijk aan elkaar te koppelen en meten net iets andere waardes.’

Zingen

Zoals burgers nu gescreend worden op borst- en darmkanker, zo worden burgers in de toekomst volgens Wink wellicht ook gescreend op het risico op de ziekte van Alzheimer. ‘Er zal een groep zijn die geen behoefte heeft aan zo’n screening’, zegt hij. ‘Zij vinden het een te beangstigend toekomstbeeld. Maar er zullen ook mensen zijn die wél graag weten of er in hun hersenen al sporen van amyloïd-opslag te vinden zijn. Het proces terugdraaien is onmogelijk, maar je kunt het ziekteproces misschien beïnvloeden met een aangepaste levensstijl: groenten en fruit, weinig vet en veel sporten. Ook zingen hoort in dat rijtje thuis, blijkt uit recent onderzoek. Reden te meer om vroeg een diagnose te krijgen. Althans voor wie graag zingt.’

Tekst: Riëtte Duynstee
Foto: Marijn van Zanten