Deze website maakt gebruik van cookies. We gebruiken cookies om instellingen te onthouden en je bezoek soepeler te laten verlopen. Daarnaast gebruiken we ook cookies voor de verbetering van de website en het verzamelen en analyseren van statistieken. Lees meer over cookies

AI-radiotherapietool maakt sneller en consistenter aftekenen van organen mogelijk

Een nieuwe AI-tool helpt radiotherapeuten bij het automatisch herkennen van organen in de buik van kinderen op CT-scans. Het doel is om de veel tijd kostende voorbereiding op radiotherapie bij kinderen met een tumor in de bovenbuik te versnellen en verschillen tussen centra met minder ervaring te verkleinen.

Jaarlijks krijgen ongeveer 35 kinderen in Nederland de diagnose niertumor. De behandeling bestaat meestal uit chemotherapie, een operatie en soms ook radiotherapie. Radiotherapie is belangrijk om achtergebleven kankercellen te bestrijden, maar kan ook schade toebrengen aan gezonde organen dichtbij de kankercellen.

Veiliger behandeling voor kinderen

Sinds 2015 wordt in Utrecht flankbestraling toegepast met zeer nauwkeurige doelgebieden. Deze methode houdt rekening met de verschuiving van organen na de operatie, wat zorgt voor preciezere bestraling. Dr. Geert Janssens, radiotherapeut in het Prinses Máxima Centrum en UMC Utrecht: ‘Om dit goed te doen, moeten we op elke CT-slice de organen en structuren rondom het bestralingsgebied – het doelgebied – intekenen. Handmatig kost dat veel tijd, en de kwaliteit hangt sterk af van de ervaring van het team.’

AI-model afgestemd op de anatomie van kinderen

Bestaande AI-tools voor het intekenen van risicostructuren zoals lever, milt, hart en darmen werken goed bij volwassenen, maar schieten tekort bij kinderen. Kinderorganen verschillen in grootte en vorm, en er zit minder vetweefsel omheen. Een AI-model speciaal voor kinderen is daarom nodig.

Promovendus Mianyong Ding uit de onderzoeksgroep van prof. Marry van den Heuvel-Eibrink ontwikkelde zo’n deep learning-model voor kinderen met tumoren in de bovenbuik. Hij werkte onder begeleiding van Dr. Janssens, Dr. Matteo Maspero, universitair docent bij de groep computationele beeldvorming en arts-assistent medische fysica in het UMC Utrecht, en prof. Marry van den Heuvel-Eibrink, onderzoekgroepsleider en kinderoncoloog in het Máxima Centrum.

Ding trainde het model met 189 CT-scans van kinderen uit het Máxima en UMC Utrecht en 189 scans uit openbare databronnen. Het resultaat: het model herkent en segmenteert automatisch 17 verschillende buikorganen en structuren, zoals de lever, alvleesklier en milt.

‘Ons model levert nauwkeurige resultaten op zowel onze eigen data als een openbare dataset,’ zegt Ding. Van den Heuvel-Eibrink voegt toe: ‘We testten het model ook in een workshop, waarin we een panel van internationale pediatrisch radiotherapeuten vroegen om de door het model gegenereerde orgaancontouren te beoordelen op een schaal van 1 tot 5, waarbij de meeste beoordelingen wezen op klinische toepasbaarheid.’

De onderzoekers concluderen dat het model klaar is om klinische toepassingen te ondersteunen. De resultaten van het onderzoek zijn gepubliceerd in Radiotherapy and Oncology. Het model zal worden geïmplementeerd binnen het systeem van het UMC Utrecht, zodat het ingezet kan worden in de klinische praktijk waar kinderen uit het Máxima Centrum radiotherapie krijgen.

Verbetering kwaliteit radiotherapie wereldwijd

Door het intekenen van risicovolle organen en structuren te automatiseren, bespaart het AI-model tijd en vermindert het de variatie tussen artsen, op basis van bevindingen uit een eerdere vervolgworkshop.

‘Deze tool zorgt voor meer consistentie en kwaliteit in de pediatrische radiotherapie, vooral voor centra met minder ervaring,’ zegt Janssens. ‘En omdat we het model open source hebben gemaakt, kunnen andere ziekenhuizen er ook van profiteren.’

Het Prinses Máxima Centrum werkt nu samen met KiTZ Heidelberg om de robuustheid van het model te valideren en de betrouwbaarheid ervan te waarborgen in verschillende ziekenhuizen die gebruikmaken van verschillende scanners en scanmethodes. Als volgende stap richten de onderzoekers zich op de ontwikkeling van een tool voor het automatisch intekenen van het flank-doelgebied bij kinderen met een Wilms-tumor.

Het onderzoek is mogelijk gemaakt dankzij de samenwerking tussen het Máxima en het Hopp-KiTZ kinderoncologisch centrum in Heidelberg, Duitsland. De financiering kwam deels tot stand via de Stichting Prinses Máxima Centrum, het Horizon Europe/Marie Sklodowska-Curie COFUND-project nummer 101081481, het Prinses Máxima Centrum, de deelnemende onderzoeksgroepen en het UMC Utrecht.