Na een hartinfarct voorspellen of de patiënt er opnieuw een zal krijgen? Laat een AI-model beelden analyseren en de resultaten zijn minstens zo goed als wanneer een arts ernaar kijkt, laat Nederlands onderzoek zien.

 

Als je het hart beschouwt als de motor van het lichaam, dan is er een serieus probleem wanneer er zand in die motor komt. Het hart pompt bloed – en daarmee zuurstof – door het lichaam, maar heeft zelf ook zuurstof nodig. Raakt één van de kransslagaders rond het hart verstopt, dan krijgt iemand een hartinfarct. Het hart krijgt dan te weinig zuurstof en een deel van de hartspier kan afsterven. Elke dag overlijden er in Nederland gemiddeld veertien mensen aan een hartinfarct.

Dotteren

De boosdoener is meestal een vernauwing in de kransslagader, die wordt veroorzaakt door aderverkalking. De behandeling voor het oplossen van die vernauwing is het bekende dotteren, waarbij een arts een ballonnetje in de kransslagader brengt en het opblaast. De slagader wordt daardoor opgerekt, waarna de arts vaak een buisje – een stent – plaatst. Deze behandeling vindt in Nederland ongeveer veertigduizend keer per jaar plaats.

Opnieuw een hartinfarct

Nog een flinke groep mensen, zo’n 15 procent van bovengenoemde groep patiënten, krijgt binnen twee jaar opnieuw een hartinfarct. ‘Zij hadden blijkbaar een vernauwing of zwakke plek op een andere locatie in een van de kransslagaders’, zegt Jos Thannhauser, technisch geneeskundige bij het Radboudumc in Nijmegen. Hij werkte mee aan een groot onderzoek naar de inzet van AI (kunstmatige intelligentie) voor het analyseren van beelden die worden gemaakt van een kransslagader.

Röntgenopname waarop, bijna exact in het midden, de minuscule camera te zien is. Foto: Jos Thannhauser

Camera

Om eventuele zwakke plekken in de vaatwand op te sporen, kunnen artsen nu al besluiten om een minuscuul cameraatje bij een patiënt - via de arm - in de bloedbaan te brengen. De camera maakt van binnenuit opnamen van het bloedvat, met nabij-infrarood licht; deze techniek heet optical coherence tomography (OCT). Op die beelden is de structuur van de vaatwanden te zien. Ook eventuele zwakke plekken komen in beeld. ‘Verschillende weefsels nemen het licht in verschillende mate op’, zegt Thannhauser. ‘Zo is op de beelden duidelijk het verschil te zien tussen een gezonde vaatwand en brokjes kalk of vet die een probleem kunnen worden.’

Honderden beelden

Probleem is alleen dat de inzet van het cameraatje al snel honderden beelden oplevert die allemaal door een mens moeten worden beoordeeld. Dat doen nu enkel nog gespecialiseerde laboratoria, zegt Thannhauser. ‘Maar zij bekijken ook niet alles. Voor een klein deel van een bloedvat is iemand daar al uren bezig.’

Paar minuten

Daar komt AI om de hoek kijken. Kunstmatige intelligentie is namelijk bij uitstek geschikt voor het analyseren van grote aantallen beelden. Waar een mens een paar uur nodig heeft om een bloedvat-scan te bekijken, doet de AI dat in een paar minuten, zegt Thannhauser. ‘En dát heeft weer als pluspunt dat we een groter deel van het te onderzoeken bloedvat kunnen meenemen in de analyse. AI is immers toch razendsnel.’

Vet

Thannhauser en zijn team ontwikkelden een AI-model dat op OCT-beelden verschillende weefsels kan aanwijzen; en dus bijvoorbeeld gezonde vaatwand kan onderscheiden van kalkafzettingen en vet. ‘Om daar te komen, moesten we het model eerst trainen met voorbeelden uit de praktijk. Dat betekent dat onze artsen op duizenden beelden intekenden wat gezonde vaatwand was, wat kalk, wat vet, enzovoort.’

AI is veel sneller

Vervolgens ging het getrainde model aan de slag met beelden van 438 patiënten. Uit dat onderzoek, deze week gepubliceerd in European Heart Journal ,  blijkt dat het AI-model even betrouwbaar is als een gespecialiseerd laboratorium, en veel sneller. De onderzoekers analyseerden de kransslagaders van deze groep patiënten met het cameraatje én beeldanalyse door AI, en hielden daarna twee jaar lang bij hoe het met deze mensen ging. Kregen ze opnieuw een hartinfarct of bleven ze gezond?

Daaruit bleek dat AI net zo goed is in het opsporen van zwakke plekken in de wand van een kransslagader als de mensen die dat doen in een gespecialiseerd lab van achter een beeldscherm. Waar de nieuwe methode zelfs beter in is, is voorspellen of iemand binnen twee jaar opnieuw een hartinfarct zal krijgen, of zelfs zal overlijden. ‘Dat is te danken aan het feit dat het hele vat kan worden bekeken’, zegt Thannhauser.

 

Thannhauser leidt het CARA-lab, dat AI-modellen ontwikkelt om OCT-beelden te beoordelen. Samen met Niels van Royen (Radboudumc) en Ivana Išgum (Amsterdam UMC) ontving zijn team hiervoor een subsidie van NWO. De huidige studie is hier een resultaat van.
 

Ziekenhuis

Vooralsnog kan de AI-analyse van kransslagaders alleen in een onderzoekssetting worden toegepast. Op termijn kunnen deze resultaten waarschijnlijk ook in het ziekenhuis tot betere behandelresultaten leiden. Maar voor het zover is, moeten de onderzoekers nog allerlei studies doorlopen om te checken of de AI goed reproduceerbaar is, of het veilig werkt en of een AI-model bij twijfel dat ook goed aangeeft. Thannhauser: ‘Het introduceren van een AI-model bij het behandelen van patiënten is te vergelijken met het invoeren van een nieuw type hartklep. Je moet een heel traject door, dat enkele jaren kan duren.’

 

RTL Nieuws had dinsdag 2 september dit item (kijken vanaf 10:50) over het onderzoek.
 

Openingsbeeld: OCT-opname, met daarop door het AI-model ingetekend twee kalkstukjes. Beeldmateriaal: Jos Thannhauser, Radboudumc / CARA Lab