Betere informatie halen uit medische beelden

0
845
Der High-End-CT Somatom Force bietet sich besonders bei sensiblen Patientengruppen wie etwa sehr jungen Patienten, solchen mit Niereninsuffizienz sowie Schwerkranken und Adipösen als Instrument der individualisierten Diagnostik an. So profitieren Patienten mit Niereninsuffizienz von der deutlich reduzierten Kontrastmittelgabe. Früherkennungsuntersuchungen und funktionale 4-D-Bildgebung lassen sich mit bis zu 50 Prozent weniger Röntgendosis durchführen. Damit kann dieses Verfahren routinemäßig eingesetzt werden und die Ärzte können schneller und fundierter über individuell geeignete Tumortherapien entscheiden. The high-end CT Somatom Force offers individualized diagnoses now especially also for challenging patients, e.g. for very young patients or people suffering from renal insufficiency, the seriously ill, and obese patients. Patients suffering from renal insufficiency will benefit from the significant reduction in contrast medium. Early detection examinations and functional 4D imaging can be conducted using up to 50 percent lower radiation dose. This means that this procedure can now be used on a routine basis and physicians can make quicker and more well-founded decisions as to which tumor therapy to use for the individual in question.

Het combineren van medische beelden van een patiënt kan belangrijke informatie opleveren. Omdat de huidige software waarmee je dat doet, minder geschikt is voor gebruik in de kliniek, gaan de afdeling Radiotherapie en het Centrum Wiskunde & Informatica in Amsterdam zelf een beeldregistratiemethode ontwikkelen. Zij hebben hiervoor 1,4 miljoen euro gekregen.

De subsidie van 1,4 miljoen eur komt van het Open Technology Programme van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO-domein Toegepaste en Technische Wetenschappen) en van de bedrijven Elekta en Xomnia.

Wat is het probleem?

Stel je hebt meerdere CT- en/of MRI-beelden van een patiënt, op verschillende tijdstippen gemaakt. Je wil ze met elkaar vergelijken, bijvoorbeeld om te kijken hoe een bepaalde afwijking zich na verloop van tijd ontwikkelt. Maar die patiënt ligt niet altijd op precies dezelfde manier in de scanner, waardoor de beelden er sowieso nooit exact hetzelfde uitzien. Zeker als ze met verschillende beeldvormende methoden verkregen zijn, wordt het ingewikkeld. Hoe kun je dan beoordelen wat er precies is veranderd?

Radiotherapie

Met de huidige beschikbare software is dat erg lastig, zeker in complexe situaties. Neem bijvoorbeeld patiënten met borstkanker, bij wie grote verschillen in beelden kunnen ontstaan. Er worden MRI-beelden gemaakt van de borst met de tumor terwijl ze op hun buik liggen omdat op die manier foto’s met de beste kwaliteit worden verkregen. Tijdens de behandeling liggen ze echter op hun rug. De borst heeft dan een andere vorm. “In dat geval kan beeldregistratie een belangrijke rol spelen om de informatie in de beelden mee te kunnen nemen in de planning en uitvoering van de behandeling”, zegt hoofdonderzoeker Tanja Alderliesten (Radiotherapie).

Zo is bij de behandeling van borstkanker de standaard aanpak om een borstsparende operatie uit te voeren en enkele weken later de patiënt te bestralen om eventuele achtergebleven tumorcellen aan te pakken. Studies wijzen uit dat het beter is als er naast het bestralen van de hele borst een extra dosis straling wordt afgeleverd in het gebied waar de tumor zat. Daarvoor moet de radiotherapeut in het beeld dat na de operatie is gemaakt, aangeven waar de tumor zat. In dat beeld is die plek echter moeilijk aan te wijzen. “Het zou daarom handig zijn als je de beelden van voor en na de operatie met elkaar kunt vergelijken om dat gebied te vinden”, zegt Alderliesten. “De huidige beeldregistratiemethoden gaan daar nu niet goed mee om. Ze zoeken naar overeenkomsten tussen de beelden, maar kunnen niet goed omgaan met het tumorweefsel dat is weggehaald en dat dus alleen maar op één van de twee beelden zichtbaar is.”

Hoe kan beeldregistratie helpen?

Met behulp van de juiste software kunnen artsen achterhalen welke veranderingen er zijn opgetreden en hoe dat is gebeurd (bijvoorbeeld door, in een extreem geval, chirurgie). Dergelijke software bestaat voor beelden waar kleine verschillen tussen zitten, maar in de kliniek is die niet goed bruikbaar. “Zo’n programma is gebaseerd op algoritmen”, legt Alderliesten uit. “Die voeren een berekening uit op basis van bepaalde instellingen of waarden. Maar de waarden die nodig zijn voor het juiste resultaat, verschillen per patiënt. Fabrikanten van de software proberen een soort standaard instelling te vinden waardoor de gebruiker niet steeds andere waarden hoeft in te vullen. Maar de beeldanalyses die daaruit voortkomen, zijn niet robuust genoeg. Op dit moment is het bijvoorbeeld zo dat een algoritme dat goed werkt bij hersenscans, niet even goed werkt bij beelden van de darmen.”

Wat betekent dat concreet?

Er zijn twee grote uitdagingen. Zo moeten de algoritmen voor grote vervormingen verbeterd worden. Daarnaast is het nodig om de software zodanig in te richten, dat de gebruiker intuïtief tot de gewenste resultaten kan komen voor specifieke patiënten. Daar gaan de onderzoekers van het AMC en het CWI samen met Elekta en Xomnia aan werken. Alderliesten: “We hebben al laten zien dat je op een andere manier naar het probleem van de beeldregistratie moet kijken. Want zeker voor complexe gevallen zijn er geen standaard instellingen te vinden in de bestaande software die altijd tot een goed resultaat leiden.” Ook stelden de onderzoekers een nieuw model voor dat beter met erg grote vervormingen omgaat, zoals bij de borstkankerpatiënten bij wie in totaal verschillende lichaamsposities beelden van de borst worden gemaakt.

Op basis van bestaande scans van patiënten gaan de onderzoekers aan de slag met het verder ontwikkelen van de nieuwe beeldregistratiemodellen en algoritmen. Door steeds meer informatie in te voeren, kan de software getraind en gevalideerd worden. De focus ligt daarbij op beeldregistratie voor radiotherapie, maar “de methode zal ook buiten dat vakgebied bruikbaar zijn”.

Bron: AMC

Vorig artikel200 jonge kankerpatiënten racen over TT-Circuit
Volgend artikelAantal digitale verpleegkundige overdrachten stijgen
Ik heb mij gespecialiseerd in interactief nieuws voor zorgverleners, zodat zorgverleners elke dag weer op de hoogte zijn van het nieuws wat voor hen relevant kan zijn. Zowel lekennieuws als nieuws specifiek voor zorgverleners en voorschrijvers. Social Media, Womens Health, Patient advocacy, patient empowerment, personalized medicine & Zorg2.0 zijn voor mij speerpunten om extra aandacht aan te besteden. Ik studeerde Fysiotherapie en Health Care bedrijfskunde. Ik heb veel ervaring in diverse functies in de medische- , farmaceutische industrie en de gezondheidszorg. En heb brede medische kennis van de meeste specialismen in de zorg. Ik ga jaarlijk naar de meeste toonaangevende medisch congressen in Europa en Amerika om mijn kennis up-to-date te houden en bij te blijven op de laatste ontwikkelingen en innovaties De berichten van mij op deze weblog vormen geen afspiegeling van strategie, beleid of richting van een werkgever noch zijn het werkzaamheden van of voor een opdrachtgever of werkgever.