Tijdswinst met AI: snellere diagnose van een beroerte

Bij een beroerte is het noodzaak om zo snel mogelijk te diagnosticeren en te behandelen. Met het verstrijken van tijd treedt weefselverval in de hersenen op. Hoe kan kunstmatig intelligente software helpen om de tijd tot een accurate diagnose te verkorten?

“In 2013 startte een grootschalig medisch onderzoek die de aanpak van beroerte zou veranderen. In dit onderzoek moesten veel CT-scans met de hand beoordeeld worden, met het blote oog. Dat kostte niet alleen enorm veel tijd, maar was mogelijk ook niet erg nauwkeurig”, aldus Robert Kuipers, CEO van Nico.lab. Startup Nico.lab komt voor uit dit onderzoek aan het Amsterdam UMC.

Een groep PHD studenten ontwikkelde modellen om een computer de CT-scans te laten beoordelen. Die ontwikkelde software werden zo succesvol dat er commerciële vraag naar ontstond. Een academisch medisch centrum kan geen eigen commerciële activiteiten verrichten, dus zo ontstond Nico.lab in 2015.

Machine learning

Nico.lab gebruikt machine learning om netwerken te trainen om CT-scans van hersenen te analyseren. De software herkent, in lekentermen, afwijkingen van de hersenen op een CT-scan. Die biomarkers zeggen iets over het optreden van en beroerte en de mogelijke hersenschade als gevolg daarvan.

De eerste grote klant was farmagigant Bayer, die in een retrospectieve studie wilde onderzoeken was er met hersenen van beroertepatiënten gebeurde. “Deze groep patiënten had al een behandeling gehad. Wij wilden met behulp van beeldanalyse kijken: wat was er aan de hand met deze patiënten? Hoe verliep de beroerte en welke schade trad op?”

Time = brain

Maar volgens CEO Kuipers ligt de potentie van Nico.labs software niet alleen in retrospectieve studies maar juist in acute situaties. “Tijd is cruciaal bij een beroerte. Time = brain, zeggen wij. Iedere minuut dat je een behandeling uitstelt, verliest een beroerte-patiënt bijna een gezonde maand in leven” zegt Kuipers. Nico.lab ontwikkelt slimme algoritmes om een beroerte sneller te herkennen met behulp van AI.

Daarnaast wil Nico.lab software inzetten om een ander bekend probleem in de beroertezorg te challengen: de accuraatheid van de beoordeling van neurologische scans door grove onnauwkeurige scores. Kuipers: “Als je dezelfde scan van de hersenen aan tien radiologen laat zien, komen voor sommige scores maar vijf radiologen tot dezelfde conclusie.”

Contrastvloeistof

Hoe werkt het AI-product van Nico.lab, genaamd StrokeViewer? Daarvoor is het nodig om eerst te weten hoe de zorg bij een beroerte of herseninfarct in grote lijnen werkt. Aan de buitenkant is niet te zien of iemand een herseninfarct of hersenbloeding heeft. Daarom wordt bij het vermoeden van een infarct, na een kort onderzoek, direct een CT-scan van de hersenen gemaakt.

Ook wordt mogelijk een CT Angiografie (CTA) gemaakt, een CT-scan van de bloedvaten. Door het inspuiten van contrastvloeistof kan je op deze scan zien of er een stolsel in een grote hersenslagader zit. In lekentermen: als een plekje in de hersenen zich niet vult met contrastvloeistof, zit hier waarschijnlijk een trombus, ofwel een stop.

StrokeViewer is gebouwd op drie algoritmes om deze CT- en CTA-scans te analyseren. De software visualiseert of er op de eerste CT-scan bloed in de hersenen is herkend, en waar dit zit. Daarna gaan twee andere algoritmes aan het werk: met behulp van deep learning worden de CTA-beelden geanalyseerd. Wat is de locatie van de bloedprop in de hersenen? En is het hersenweefsel nog de redden? Nico.lab kwantificeert die laatste als een score met een percentage. Kuipers: “Wat StrokeViewer doet is visualiseren waar de afwijkingen zich bevinden. De software geeft geen behandeladvies, maar visualiseert op basis waarvan een radioloog en neuroloog een behandelbeslissing kan maken.”

In de cloud

StrokeViewer werd in 2017 gebouwd en gevalideerd in klinische testen. De CT-scans vanuit de ziekenhuizen stuurt Nico.lab naar de cloud, waar ze razendsnel worden geanalyseerd. In vijf minuten krijgt de behandeld arts de belangrijkste biomarkers getoond in StrokeViewer. Nico.lab levert een cloudoplossing: ziekenhuizen hoeven geen hardware aan te schaffen het te gebruiken.

“Vanuit de radiologie en kwaliteit van leven van patiënten zijn er alleen maar argumenten om dit in de cloud te doen. AI algoritmes hebben zware processorkracht nodig. Met een lokale computer zou je behoorlijke kosten moeten maken, en die zou bovendien niet snel genoeg zijn.” StrokeViewer werkt voor cloud-hosting samen met Google Cloud Platform. “Google Cloud Platform heeft, na vergelijking met andere aanbieders, de kortste opstarttijden. Dat betekent dat wanneer een CT-scan wordt gemaakt, er al een signaal naar de servers van Google wordt gestuurd. Tijd is cruciaal.”

StrokeViewer van Nico.lab

Snellere diagnostiek

De klinische sensitiviteit van het algortime zijn aangetoond. De volgende stap is aantonen dat de software ook tot snellere diagnostiek en tijdsbesparing leidt in de praktijk. “Behandelcentra zoals ziekenhuizen of interventiecentra weten hoe lang het duurt ‘van deur tot behandeling’, dus van moment waarop een patiënt binnenkomt tot moment van behandeling. Die door to treatment time is cruciaal bij een beroerte. We willen de inzet van Nico.lab vergelijken met de historische data. We geloven dat we de door to treatment time met minimaal 10 minuten kunnen verminderen.”

Ziekenhuizen in de regio Noord-Holland Flevoland, waaronder de Noordwest Ziekenhuisgroep, zetten StrokeViewer op dit moment in voor beelduitwisseling en analyse. “Met 12 ziekenhuizen zijn we bezig om StrokeViewer te implementeren, en met nog een aantal zijn we in gesprek. Er is ook interesse vanuit het buitenland, maar we willen ons eerst richten op Nederland en bewijzen wat de impact is.”