Beeldvormingstechnologie helpt om hart- en vaatziekten veel eerder op te sporen; echter, nauwkeurige onderzoeken zijn nog steeds erg tijdrovend. Onderzoekers van ETH en de Universiteit van Zürich hebben nu een methode gepresenteerd die dynamische magnetische resonantiebeeldvorming van de bloedstroom aanzienlijk zou kunnen versnellen.

“Dankzij deze innovatie kwantitatieve magnetische resonantiebeeldvorming zou enorme vooruitgang kunnen boeken, " zegt Sebastian Kozerke, Hoogleraar biomedische beeldvorming aan de ETH en de Universiteit van Zürich. Hij werkte samen met Valery Vishnevskiy en Jonas Walheim om een ​​methode te ontwikkelen die de zogenaamde 4-D flow-MRI's enorm versnelt.

"Momenteel, de opname en daaropvolgende verwerking van een 4-D flow-MRI duurt maximaal 30 minuten. Onze resultaten laten zien dat dit in de toekomst binnen vijf minuten mogelijk zou kunnen zijn." Het onderliggende onderzoek stond in het tijdschrift Natuur Machine Intelligentie eerder deze week als artikel en omslag van het aprilnummer.

Magnetische resonantietomografie (MRT of MRI) is een belangrijke modaliteit bij klinische diagnose. Het levert geen gezondheidsrisico's op en geeft nauwkeurige beelden van het inwendige van het lichaam. Deze methode kan worden gebruikt om zachte lichaamsdelen zoals weefsel en organen in 3D en met hoog contrast weer te geven. Verder, speciale opnametechnieken leveren informatie over de dynamiek van het cardiovasculaire systeem.

Vooral, 4-D flow-MRI-metingen maken de kwantificering van dynamische veranderingen van de bloedstroom mogelijk. Dergelijke dynamische beelden zijn zeer nuttig, vooral als het gaat om het opsporen van hart- en vaatziekten.

Echter, conventionele 4-D flow-MRI heeft een belangrijk nadeel:de methode is erg tijdrovend. Vandaag de dag, de gegevensregistratie kan binnen vier minuten in de MRI-scanner worden voltooid. Echter, de vereiste gecomprimeerde detectiebenadering heeft een prijs:de daaropvolgende beeldreconstructie is iteratief en duurt dus erg lang. Artsen moeten 25 minuten of langer wachten voordat de beelden op hun computer verschijnen.

Dus, de resultaten van de meting komen pas lang nadat de arts het onderzoek heeft afgerond beschikbaar. Daarom is 4-D flow MRI nog niet ingeburgerd in de dagelijkse medische praktijk. Veranderingen in de bloedstroom worden momenteel voornamelijk gediagnosticeerd via echografie - een methode die sneller maar minder nauwkeurig is in vergelijking met MRI.

Elegante en efficiënte algoritmen

In het onlangs verschenen artikel de onderzoekers van ETH en de Universiteit van Zürich illustreren een manier waarop beeldreconstructie voor 4-D flow-MRI sneller en dus praktischer kan worden gemaakt. "De oplossing bestaat uit elegante en efficiënte algoritmen op basis van neurale netwerken, ", legt Kozerke uit.

Vishnevskiy, Kozerke en Walheim noemen hun nieuwe aanpak FlowVN. Het is gebaseerd op machine learning, meer specifiek over wat bekend staat als deep learning; de software leert door middel van gegevens die tijdens een trainingsfase worden gepresenteerd. Wat FlowVN zo bijzonder maakt, is de efficiëntie:de methode combineert training met voorkennis van de meting.

Dit betekent dat generalisaties gemaakt kunnen worden op basis van weinig data in plaats van duizenden trainingsvoorbeelden. "Als resultaat, het netwerk heeft weinig training nodig om betrouwbare resultaten te leveren, " legt Vishnevskiy uit.

De onderzoekers konden aantonen dat deze methode werkt zoals beschreven in hun recent gepubliceerde paper. Ze trainden de software met 11 MRI-scans van gezonde proefpersonen. Deze gegevens waren voldoende om de pathologische bloedstroom in de aorta van een patiënt binnen slechts 21 seconden nauwkeurig te reproduceren op een gewone computer. De methode is dus vele malen sneller dan conventionele methoden - en, bovenop, levert betere resultaten op.

Vooruitgang in klinische diagnose

"We hopen dat FlowVN het gebruik van 4-D flow-MRI in klinische diagnostiek zal bevorderen, ", zegt Kozerke. De gegevens werden offline gereconstrueerd voor deze studie. De volgende stap voor het onderzoeksteam van Zürich zal zijn om de software op klinische MRI-machines te installeren. "We voorzien dan grotere klinische patiëntenstudies, ", zegt Kozerke. De onderzoekers profiteren van de langdurige samenwerking met de afdelingen radiologie en cardiologie van het Universitair Ziekenhuis Zürich.

Als de vervolgtesten de resultaten van Kozerke's team bevestigen, de methode zou ooit zijn weg kunnen vinden naar de dagelijkse medische praktijk. "Echter, het zal nog minstens vier of vijf jaar duren voordat dit gebeurt, " schat Kozerke. Om het wetenschappelijk onderzoeksproces te versnellen, zijn team maakte de uitvoerbare codes en datavoorbeelden open source beschikbaar, waardoor andere wetenschappers de methode kunnen testen en reproduceren.