Reijnierse werkt sinds 2008 intensief samen met Annette van der Helm, hoogleraar Reumatologie. “Op dat moment bestond het EAC vijftien jaar en werd MRI nog niet gebruikt. Het LUMC besloot om een klein MRI-apparaat aan te schaffen, speciaal om de handen en voeten mee te bekijken. De afdeling Reumatologie wilde namelijk meer weten over vroege afwijkingen bij RA. Met het apparaat konden we haarscherpe plaatjes maken van een hand of een voet. De scan duurde een uur, maar de MRI-beelden waren fantastisch scherp. Je kon alle pezen zien, alle gewrichten goed beoordelen en het bot goed bekijken. Promotieonderzoekers bekeken de resultaten van deze scans en beoordeelden of de afwijkingen die zij zagen, kenmerkend waren voor reuma”, vertelt Reijnierse.
Korter durende scan
Twee jaar geleden liep het onderhoudscontract van de kleine MRI-scanner af en sindsdien wordt er gescand op een ‘normale’ MRI. Reijnierse: “Omdat we toch zouden overstappen naar een nieuwe MRI, leek het mij een goed plan om te onderzoeken of we de MRI-scan voor reumapatiënten wat gebruikersvriendelijker zouden kunnen maken. Bijvoorbeeld sneller en zonder het gebruik van contrastvloeistof. Dat is gelukt. We kunnen een korte 3D-opname maken waarvoor mensen maar zes minuten in de MRI liggen. Ze moeten wel met hun hele lichaam in de MRI en de hand of voet wordt omgeven door een speciaal omhulsel om dat deel van het lichaam beter te kunnen bekijken. Uit deze beelden kunnen we dezelfde informatie halen als uit de eerdere lange scan.”
Ze vervolgt: “We proberen nu op verschillende locaties die snelle MRI te maken. Dat doen we bijvoorbeeld samen met het Erasmus MC. Het is niet zo eenvoudig, omdat medische centra met verschillende merken apparatuur werken. Ik hoop dat we erin slagen om de snelle MRI in verschillende centra in Nederland toe te passen. Zodat we MRI ook in de dagelijkse praktijk kunnen inzetten voor de vroege opsporing van RA.”
De toegevoegde waarde van de radioloog
Reumatologen hebben bepaalde methoden ontwikkeld om ontstekingen in kaart te brengen. Reijnierse: “Ze kijken bijvoorbeeld of de gewrichten, de pezen en het weefsel daaromheen (het synovium, red.) ontstoken zijn. Maar ik kijk als radioloog naar de hele afbeelding. Zo ontdekte ik dat plekken waar geen pezen zaten ook waren gekleurd. De bursa bijvoorbeeld. Dat is een slijmbeurs tussen de tenen. Dus als je last hebt van je voeten, kan dat komen door de gewrichten, door de pezen, maar ook door de slijmbeurs. Die ontdekking is de toegevoegde waarde van de radioloog, die met anatomische kennis naar de beelden kijkt. De bursa is nu ook een van de eerste plekken waarnaar wordt gekeken om uit te vinden of iemand RA heeft.”
Ze heeft net een subsidie ontvangen om een beeldenatlas te maken van gezonde mensen uit verschillende leeftijdscategorieën. “Die normaalbeelden gaan we vergelijken met de beelden die we hebben van mensen met RA. Op basis van alle gegevens hopen we dat we in de toekomst met een korte MRI automatisch kunnen bepalen of iemand reuma krijgt.”
Kunstmatige intelligentie
Hiervoor wordt gebruik gemaakt van technieken voor automatische beeldverwerking. “MRI-beelden worden nu nog uitsluitend beoordeeld door reumatologen of radiologen”, zegt Berend Stoel, informaticus bij het Laboratorium voor Klinische & Experimentele Beeldverwerking. “Wij wilden graag weten of we het beoordelen van die beelden ook aan een computer kunnen overlaten. Met het idee dat een computer dit beter kan dan mensenogen. Waardoor we subtiele veranderingen over de tijd beter kunnen meten.”
Deep learning
Hij vervolgt: “In die tijd kwamen de eerste deep learning-technieken om de hoek kijken, die wij ook graag wilden inzetten. Kan de computer veranderingen in MRI-beelden meten? Drie jaar geleden zijn we met het AIMIRA-project begonnen. Hierbij gebruiken we MRI-beelden van het TREAT EARLIER-onderzoek, waarin gekeken wordt of een bepaald reumamedicijn helpt in de vroege behandeling van RA. In deze studie vergelijken we een groep die reumamedicatie gebruikt met een controlegroep die een placebo krijgt. De deelnemers hebben gedurende twee jaar elke zes maanden een MRI gekregen. We hebben de MRI-beelden van deze twee groepen aan de computer aangeboden en laten de computer met behulp van AI-technieken zelf bepalen tot welke groep een deelnemer hoort. Daarmee zijn we nu een aardig eind op weg. We hebben al een automatisch leermodel dat kan uitvinden tot welke groep een patiënt behoort. Nu zijn we bezig om te onderzoeken waar dat model naar heeft gekeken bij het bepalen tot welke groep iemand behoort.”
Stoel hoopt allereerst dat het computermodel naar dezelfde dingen kijkt als de mens. “Tenosynovitis, ontsteking rondom de pezen, is bijvoorbeeld een belangrijke risicofactor voor RA. Als het leermodel daar ook naar gekeken heeft, ben ik heel blij. Want dat is iets wat wij zelf ook al weten. Het wordt pas echt interessant als blijkt dat de computer ook naar iets anders heeft gekeken, wat wij tot nu toe over het hoofd hebben gezien. Hopelijk kunnen we daar eind volgend jaar iets meer over vertellen”, aldus Berend Stoel.
