De placenta is een van de meest vitale organen als een vrouw zwanger is. Als het niet goed werkt, de gevolgen kunnen ernstig zijn:kinderen kunnen een groeiachterstand en neurologische aandoeningen krijgen, en hun moeders lopen een verhoogd risico op bloedaandoeningen zoals pre-eclampsie, die de nier- en leverfunctie kunnen aantasten.

Helaas, het beoordelen van de gezondheid van de placenta is moeilijk vanwege de beperkte informatie die kan worden verkregen uit beeldvorming. Traditionele echo's zijn goedkoop, draagbaar, en gemakkelijk uit te voeren, maar ze kunnen niet altijd genoeg details vastleggen. Dit heeft onderzoekers ertoe aangezet om het potentieel van magnetische resonantie beeldvorming (MRI) te onderzoeken. Zelfs met MRI's, Hoewel, het gebogen oppervlak van de baarmoeder maakt beelden moeilijk te interpreteren.

Dit probleem kreeg de aandacht van een team van onderzoekers van MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL), die zich afvroeg of de gekreukte vorm van de placenta kon worden afgevlakt met een of andere mooie geometrie.

Volgende maand publiceren ze een paper waaruit blijkt dat het kan. Hun nieuwe algoritme ontvouwt beelden van MRI-scans om het orgel beter te visualiseren. Bijvoorbeeld, hun afbeeldingen tonen duidelijker de "zaadlobben, " cirkelvormige structuren die de uitwisseling van voedingsstoffen tussen de moeder en haar zich ontwikkelende kind of kinderen mogelijk maken. Door dergelijke structuren te visualiseren, kunnen artsen veel eerder in de zwangerschap placentaire problemen diagnosticeren en behandelen.

"Het idee is om het beeld van de placenta te ontvouwen terwijl het in het lichaam is, zodat het lijkt op hoe artsen gewend zijn om het na de bevalling te zien, " zegt promovendus Mazdak Abulnaga, hoofdauteur van het nieuwe artikel met MIT-professoren Justin Solomon en Polina Golland. "Hoewel dit slechts een eerste stap is, we denken dat een dergelijke benadering de potentie heeft om een ​​standaard beeldvormingsmethode voor radiologen te worden."

Golland zegt dat het algoritme ook kan worden gebruikt in klinisch onderzoek om specifieke biomarkers te vinden die verband houden met een slechte gezondheid van de placenta. Dergelijk onderzoek kan radiologen helpen tijd te besparen en probleemgebieden nauwkeuriger te lokaliseren zonder veel verschillende plakjes van de placenta te hoeven onderzoeken.

Chris Kroenke, een universitair hoofddocent aan de Oregon Health and Science University, zegt dat het project veel nieuwe mogelijkheden opent voor het bewaken van de gezondheid van de placenta.

"De biologische processen die ten grondslag liggen aan zaadlobpatronen worden niet volledig begrepen, het is ook niet bekend of een standaardpatroon voor een bepaalde populatie moet worden verwacht, " zegt Kroenke, die niet bij de krant betrokken was. "De tools die door dit werk worden geboden, zullen onderzoekers zeker helpen om deze vragen in de toekomst aan te pakken."

Abulnaga, Solomon, en Golland schreven de paper samen met voormalig CSAIL-postdoc Mikhail Bessmeltsev en hun medewerkers, Esra Abaci Turk en P. Ellen Grant van het Boston Children's Hospital (BCH). Grant is de directeur van BCH's Fetal-Neonatal Neuroimaging and Development Science Center, en hoogleraar radiologie en kindergeneeskunde aan de Harvard Medical School. Het team werkte ook nauw samen met medewerkers van het Massachusetts General Hospital (MGH) en MIT-professor Elfar Adalsteinsson.

De paper wordt op 14 oktober gepresenteerd in Shenzhen, China, op de internationale conferentie over medische beeldverwerking en computerondersteunde interventie.

Het algoritme van het team modelleert eerst de vorm van de placenta door deze op te delen in duizenden kleine piramides, of tetraëders. Dit dient voor een efficiënte weergave voor computers om bewerkingen uit te voeren om de vorm te manipuleren. Het algoritme rangschikt die piramides vervolgens in een sjabloon dat lijkt op de afgeplatte vorm die een placenta vasthoudt zodra deze uit het lichaam is. (Het algoritme doet dit door in wezen de hoeken van de piramides op het oppervlak van de placenta te verplaatsen zodat ze overeenkomen met de twee parallelle vlakken van de sjabloon en de rest de nieuwe vorm te laten vullen.)

Het model moet een afweging maken tussen de piramides die overeenkomen met de vorm van de sjabloon en de hoeveelheid vervorming minimaliseren. Het team toonde aan dat het systeem uiteindelijk nauwkeurigheid kan bereiken op de schaal van minder dan één voxel (een 3D-pixel).

Het project is verre van het eerste gericht op het verbeteren van medische beeldvorming door deze beelden daadwerkelijk te manipuleren. Er zijn recente pogingen gedaan om scans van ribben te ontvouwen, en onderzoekers hebben ook vele jaren besteed aan het ontwikkelen van manieren om afbeeldingen van de hersenschors van de hersenen af ​​te vlakken om gebieden tussen de plooien beter te visualiseren.

In de tussentijd, werk met betrekking tot de baarmoeder is veel nieuwer. Eerdere benaderingen van dit probleem waren gericht op het afzonderlijk afvlakken van verschillende lagen van de placenta. Het team zegt dat ze van mening zijn dat de nieuwe volumetrische methode resulteert in meer consistentie en minder vervorming omdat het de hele 3D-placenta in één keer in kaart brengt. waardoor het het fysieke ontvouwingsproces nauwkeuriger kan modelleren.

"Het werk van het team biedt een zeer elegant hulpmiddel om het probleem aan te pakken dat de onregelmatige vorm van de placenta moeilijk in beeld te brengen is, ’ zegt Kroenke.

Als volgende stap, het team hoopt met MGH en BCH samen te werken om in-utero-afbeeldingen direct te vergelijken met die van dezelfde placenta na de geboorte. Omdat de placenta tijdens het geboorteproces vocht verliest en van vorm verandert, hiervoor is een speciale kamer nodig die is ontworpen door MGH en BCH, waar onderzoekers de placenta direct na de geboorte kunnen plaatsen.

De broncode voor het project is beschikbaar op github.

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.