Slimme MRI van de borsten; selectie van het juiste protocol met behulp van kunstmatige intelligentie

Achtergrond:

MRI van de borsten is de meest gevoelige techniek voor het vroeg opsporen (screenen) van borstkanker. Recente studies laten een duidelijke winst zien in de vroege opsporing van borstkanker voor vrouwen die al eens borstkanker hebben gehad, vrouwen met een belaste familiegeschiedenis en vrouwen met zeer veel klierweefsel in de borsten. De huidige capaciteit van MRI scanners is echter onvoldoende om het state-of-art onderzoek met alle verschillende opnames aan te bieden aan alle vrouwen, ondanks het feit dat recente studies hebben laten zien dat veel meer vrouwen baat hebben bij MRI screening dan alleen de vrouwen met het hoogste risico. De laatste jaren is er daarom veel onderzoek gedaan naar zogenaamde verkorte MRI protocollen. Bij de meest simpele vorm van een verkort MRI protocol wordt alleen een opname gemaakt voor en na de toediening van contrast (via een infuus). Dit protocol duurt slechts 3 minuten (vergeleken met ±18 minuten voor een volledig protocol). De meeste studies laten zien dat er met zo’n verkort protocol vrijwel geen kankers worden gemist, maar het is wel moeilijker om afwijkingen goed te classificeren als goedaardig of kwaadaardig. Dit leidt in de praktijk tot situaties waarbij vrouwen terug moeten komen voor nadere analyse van een goedaardige afwijking, en vaak tot een biopt van de afwijking, terwijl dat soms voorkomen had kunnen worden wanneer het volledige protocol was gescand. Ook bij vrouwen waarbij op het screeningsonderzoek borstkanker wordt gedetecteerd is het van waarde om een volledig protocol te scannen: de aanvullende opnames bevatten nuttige informatie voor de selectie van therapie en het bepalen van de prognose.

Het onderzoeksplan:

Het doel van deze aanvraag is om een kunstmatig intelligentie algoritme te ontwikkelen dat al tijdens de scan kijkt of er afwijkingen in de borsten aanwezig zijn. Als het algoritme potentiële afwijkingen vindt, worden deze gepresenteerd aan de laboranten die het onderzoek uit voeren. Zij kunnen dan op basis van hun evaluatie van de gevonden afwijking besluiten het volledige protocol te scannen, terwijl het onderzoek vroegtijdig gestaakt kan worden wanneer er geen afwijkingen zijn. Bij succes leidt het onderzoek dus tot een betere beschikbaarheid van de techniek, en tegelijkertijd tot minder onnodige biopten voor goedaardige afwijkingen en completere diagnostische informatie voor optimalisatie van therapie bij vrouwen bij wie kanker wordt gedetecteerd.

In werkpakket 1 richten we ons op de snelle analyse van de door de scanner gegenereerde beelden. Voortbordurend op eerder werk, willen wij een kunstmatig intelligentie algoritme trainen om met heel hoge gevoeligheid potentiële afwijkingen in deze beelden te vinden. Omdat we werken met de data van 3 ziekenhuizen zijn er vele duizenden voorbeelden beschikbaar om het algoritme te trainen. Gebaseerd op onze huidige ervaring is het mogelijk om de analyse binnen 5 seconden na de opname beschikbaar te hebben. We zullen een prototype viewer ontwikkelen die eventuele gevonden afwijkingen direct zal laten zien aan de laboranten die de scan verrichten. Op basis hiervan kunnen de laboranten er vervolgens voor kiezen toch het gehele protocol te scannen. In tweede instantie zullen we kijken of we op basis van de karakteristieken van de gevonden afwijking de aanvullende opnames zo kunnen kiezen dat de diagnostische waarde wordt geoptimaliseerd, maar de scanduur toch zo kort mogelijk blijft. Uiteindelijk willen we het algoritme ook gebruik laten maken van de kennis uit voorgaande MRI onderzoeken, zodat voor stabiele goedaardige afwijkingen slechts eenmalig (alleen de eerste keer) een langere scan wordt verricht.

In werkpakket 2 gaan we verder naar de bron van de MRI beelden. Een MRI creëert namelijk primair geen plaatje, maar een map van radiogolven (k-space). Dit wordt vervolgens wiskundig omgezet naar het uiteindelijke plaatje. Hierbij gaat echter potentieel nuttige informatie (met name de fase informatie) verloren. Verder begint de omzetting pas nadat alle k-space data verzameld is en kost uiteraard tijd. In werkpakket 2 willen we de analyses dus direct op de k-space data toepassen. Aangezien de k-space data normaal gesproken niet wordt opgeslagen vereist dit werkpakket een prospectieve dataverzameling, waarbij vrouwen uiteraard om goedkeuring zal worden gevraagd voor het gebruik van hun data. Er is geen enkele extra belasting van het onderzoek voor patiënten omdat de data sowieso wordt gegenereerd. 

Bij MRI van de borsten gebruiken we voor de opsporing en classificatie van afwijkingen zogenaamde “ultrafast” opnames gedurende en direct na de toediening van contrast. Op deze opnames is de aankomst van contrastmiddel in de borst (en in eventuele afwijkingen) zichtbaar. Analyse hiervan verbeterd in de praktijk de classificatie van goedaardige en kwaadaardige afwijkingen. Deze opnames kunnen zo snel zijn omdat niet alle data van k-space wordt opgenomen. Dit leidt er echter toe dat het maken van beelden uit de data (veel) meer tijd kost. Door direct met k-space data te werken omzeilen we de beeldreconstructie, waardoor we gebruik kunnen maken van de betere classificatie mogelijkheden van deze opnames, terwijl we toch al aan kunnen geven of er relevante bevindingen zijn nog voordat de verkorte MRI scan is beëindigd. In principe is het zelfs mogelijk de scan te beëindigen zodra duidelijk is dat er geen relevante afwijkingen aanwezig zijn in de borst, waardoor de scanduur nog verder wordt verkort voor de meeste patiënten.

Wanneer dit onderzoek succesvol is, wat veranderd er dan voor een patiënte?

Wanneer een vrouw in de toekomst een MRI scan voor screening ondergaat zal die in principe zeer kort duren (maximaal 3 minuten). Bij een beperkte groep (maximaal 20%) is direct aanvullend onderzoek nodig, waardoor de scan langer duurt (tot ca 20 minuten). De kans hierop zal uiteraard reeds voorafgaand aan het onderzoek worden gecommuniceerd. Dit aanvullend onderzoek betekent zeker niet automatisch dat de patiënte ook borstkanker heeft, alleen dat er iets is gezien waarvoor uitgebreidere analyse noodzakelijk is. Dit kan enerzijds onnodige biopten voorkomen en levert anderzijds belangrijke informatie indien er wel sprake is van borstkanker. Op deze manier wordt gepersonaliseerde diagnostiek een realiteit; iedere vrouw krijgt het onderzoek dat het best gebruikt kan worden om de borsten te evalueren en borstkanker zo vroeg mogelijk op te sporen.