Tijdens een onderzoek naar AI-toepassingen op MRI-scans is een detectiemodel ontwikkeld voor hersenmetastasen op T1-gewogen contrastversterkte MRI-scans, in samenwerking met de afdeling Radiologie van Isala. Metastasen in de hersenen zijn vaak klein en talrijk. Voor een radioloog is het een tijdrovende en foutgevoelige taak om ze stuk voor stuk handmatig te markeren. Dit onderzoek richtte zich op de vraag of een getraind model daarbij kan ondersteunen.
De aanpak
Het model is gebouwd met nnDetection, een self-configuring detectieframework dat specifiek ontwikkeld is voor medische beeldvorming. In plaats van handmatig een architectuur en trainingsinstellingen te kiezen, bepaalt nnDetection dit automatisch op basis van de eigenschappen van de dataset. Dat maakt het model robuuster tegen de variatie die in echte klinische scans voorkomt.
Resultaat
Op de validatieset behaalde het model een sensitiviteit van 93,6%. Het mist dus zeer weinig daadwerkelijke metastasen, bij gemiddeld 4 false positives per scan. Voor een detectietaak in de radiologie, waar het missen van een laesie zwaarder weegt dan een extra controle van een vals-positieve bevinding, is dat een sterk resultaat.
Wat dit voor u betekent
Medische beeldherkenning is een specialistische en streng gereguleerde toepassing van AI. De onderliggende aanpak is echter breder toepasbaar: data grondig begrijpen, een passend model kiezen en eerlijk rapporteren over wat het wel en niet goed doet. Diezelfde aanpak vormt de basis van data-analyse en AI-oplossingen voor het MKB.