Implementatie van geavanceerde beeldverwerking en kunstmatige intelligentie in de klinische besluitvorming bij patiënten met brughoektumoren

Achtergrond en probleemstelling

Brughoektumoren (vestibularis schwannomen) ontstaan uit de evenwichtszenuw, in de ruimte tussen de hersenstam, kleine hersenen en inwendige gehoorgang. Ze groeien meestal langzaam, maar kunnen ernstige problemen veroorzaken zoals gehoorverlies, evenwichtsverlies en gevoelsstoornis of verlamming van het gezicht. Als de tumoren ongecontroleerd blijven doorgroeien kan levensbedreigende verhoogde druk in het hoofd of verdrukking van de hersenstam ontstaan. Bestaande behandelingen zijn chirurgie (opereren) en radiotherapie (bestraling). Deze behandelingen hebben echter belangrijke nadelen en risico’s.
Niet alle tumoren blijven na ontdekking doorgroeien, en daarom hoeven niet alle patiënten te worden behandeld (uiteindelijk ca. 40% van de patiënten wel). De uitdaging is om tumorgroei betrouwbaar en tijdig vast te stellen, zodat enerzijds patiënten niet onnodig behandeld worden, maar er anderzijds ook niet te laat wordt ingegrepen als dit wel nodig is.

Op dit moment wordt tumorgroei handmatig gemeten op opeenvolgende MRI-scans, in diameters (tweedimensionaal). Het meten van tumorvolume (3 dimensionaal) is bewezen nauwkeuriger en gevoeliger voor tumorgroei, maar erg tijdrovend en arbeidsintensief. Toch zijn tumorvolumemetingen bij álle patiënten gewenst (kwaliteitsslag) en tegelijkertijd maken een jaarlijks groeiend patiëntenaantal en beperkte financiële middelen in de gezondheidszorg het besparen van kosten en tijdsinvestering noodzakelijk. 

Onderzoeksrichting/voorgestelde oplossing

Het Leids Universitair Medisch Centrum (LUMC), een landelijk expertisecentrum waar jaarlijks naar schatting 50% van alle Nederlandse brughoektumor patiënten worden gezien, heeft een computermodel op basis van artificiële intelligentie (AI) ontwikkeld. Het model kan automatisch 2D diameters én 3D volumemetingen verrichten op MRI-scans afkomstig van verschillende scanners en van verschillende ziekenhuizen. Met dit computermodel kan meer en nauwkeurigere informatie voor alle patiënten met een brughoektumor beschikbaar komen, telkens als er weer een scan wordt gemaakt. En hoewel de automatische meetresultaten altijd door een arts gecontroleerd zullen worden, zorgt het model daarbij ook voor tijdwinst. 

Relevantie

Implementatie van dit model in de klinische praktijk is van groot belang voor patiënten met een brughoektumor, zowel op het moment van diagnose als gedurende het beloop van de ziekte, ook na behandeling. MRI scans gemaakt in de regio van de patiënt kunnen zo allemaal met dezelfde nauwkeurigheid worden beoordeeld en voorzien van passend behandeladvies vanuit het expertisecentrum. Dat maakt de beoordeling nauwkeuriger, met minder verschillen tussen ziekenhuizen, terwijl de patiënt toch in de eigen regio gescand kan worden.

Omschrijving stappen nodig om resultaat te implementeren 

Het computermodel is reeds gemaakt en bewezen nauwkeurig. Voordat het in de praktijk gebruikt kan worden moeten echter nog stappen doorlopen worden: inpassen in de ICT-omgeving van het ziekenhuis, gebruiksvriendelijk maken, klinische testfase, aanpassen werkprocessen, evaluatie en verbreiden van de opgedane kennis binnen en buiten het LUMC.

Verwachte uitkomsten

Na klinische implementatie komen nauwkeurige automatische metingen (zowel 2 als 3 dimensionaal) beschikbaar voor alle brughoektumor patiënten in het zorgpad, op elk controlemoment, en deze vormen de basis voor het samen beslissen over de behandeling. Het groeiend aantal patiënten kan worden voorzien van meer en betere informatie terwijl de tijd en menskracht nodig voor deze beeldverwerking wordt beperkt. Implementatie levert op deze manier een kwaliteits- én efficiëntieslag op.