Aangezien ioniserende straling schadelijk is, dient bij elke röntgenopname een afweging tussen stralingsdosis en de diagnostische waarde gemaakt te worden. Elk jaar studeren een aantal studenten aan de opleiding Medisch Beeldvormende en Radiotherapeutische Technieken (MBRT) af op dit thema. Een van de problemen daarbij is vaststelling van de diagnostische waarde ofwel beeldkwaliteit. Een manier is meting van ruis of contrast, maar dit geeft geen directe informatie over de diagnostische waarde. Beoordeling van beelden door radiologen en MBB’ers komt het meest overeen met de radiologische praktijk, maar die methode is subjectief, tijdrovend en minder nauwkeurig.
Deep learning (AI) algoritmen blijken vergelijkbaar of beter te presteren in interpretatie van röntgenbeelden in vergelijking met ervaren radiologen. Dit suggereert dat dergelijke algoritmen ook gebruikt kunnen worden voor beoordeling van beeldkwaliteit ten behoeve van bijvoorbeeld dosisoptimalisatie. Het doel van dit onderzoek is daarom reeds ontwikkelde deep learning algoritmen valideren als vervanger van de menselijke beoordelaar ten behoeve van beoordeling van beeldkwaliteit door MBB’ers.
Het nut van een dergelijk algoritme is snellere en meer betrouwbare vaststelling van kwaliteit van medische beelden enerzijds als ondersteuning van MBB’ers in de praktijk en anderzijds bij optimalisatie-onderzoeken waarbij veel MBB’ers en radiologen de kwaliteit van een grote hoeveelheid beelden dienen te beoordelen.
Deze studie is een PhD-project dat in samenwerking met de vakgroep Diagnostic Imaging van de University of Salford, UK en de opleiding MBRT van de Hanzehogeschool wordt uitgevoerd. Bij de uitvoering van het onderzoek maken we gebruik van beschikbare AI-algoritmen, beeldvormende apparatuur en zogenaamde fantomen (testobjecten) bij de deelnemende partners. Geert de Vries, hoofdonderzoeker en PhD-kandidaat, voert eigen onderzoek uit en coördineert dat van diverse MBRT-afstudeerders. De verslaglegging hiervan vindt plaats in een proefschrift.
Kunstmatige intelligentie (deep learning) is een relatief nieuwe ontwikkeling binnen de radiodiagnostiek. Dit project geeft studenten MBRT de mogelijkheid onderzoek te doen in bepaling van diagnostische beeldkwaliteit en toepassing van kunstmatige intelligentie in hun vakgebied. Daarnaast doet de PhD-kandidaat zelf (die tevens docent is bij MBRT) heel veel kennis en kunde op. Opgedane kennis en onderzoeksresultaten worden in het curriculum van de opleiding MBRT opgenomen.
Medisch beeldvormende en bestralingsdeskundigen, klinisch fysici en radiologen streven naar de meest optimale wijze waarop een röntgenbeeld wordt vervaardigd. Dit onderzoek levert een hieraan een bijdrage. De onderzoeksresultaten worden via publicaties en presentaties gedeeld met het werkveld.
Het verwachte resultaat bestaat uit diverse wetenschappelijke artikelen en presentaties over de waarde van AI voor dosisoptimalisatie, een proefschrift over dit onderwerp, een kennisinjectie over toepassing van AI in het MBRT werkveld en zeer concreet een deep learning algoritme dat de diagnostische waarde van röntgenbeelden kan beoordelen ter ondersteuning van MBB’ers.
