Deep learning for cardiac imaging

Kalk in hartvaten opsporen met kunstmatige intelligentie

Hart- en vaatziekten (HVZ) komen in Europa veel voor en zijn een flinke belasting op de gezondheidszorg. Deze belasting en de bijbehorende kosten dreigen de komende jaren verder te stijgen, en daarom zoeken onderzoekers naar manieren om mensen met een verhoogd risico op hartziekten te screenen en eerder te behandelen. Een mogelijke methode hiervoor is het scoren van de hoeveelheid kalk in de hartvaten met behulp van CT-scans, maar dit kan tijdrovend werk zijn voor radiologen. In dit proefschrift onderzocht Van den Oever daarom of het mogelijk is om dit proces te automatiseren met behulp van kunstmatige intelligentie, en hoe deze automatisering goed getoetst kan worden.

Van den Oever ontwikkelde tijdens zijn onderzoek een neuraal netwerk dat hij trainde met deelnemers uit een studie naar kalk in hartvaten. Het systeem bleek tussen de 62 en 86 procent van de tijd de juiste score te geven, en gaf geen vals negatieven. Het systeem was echter nog niet goed genoeg voor klinische toepassing, en daarom werkte Van den Oever aan een manier om dergelijke systemen te evalueren en de scores te toetsen om betrouwbaarheid te verhogen. Uiteindelijk concludeert Van den Oever dat kunstmatige intelligentie in de toekomst zeker een bijdrage kan leveren voor dit soort screening, maar dan moet wel worden aangetoond dat deze systemen veilig kunnen worden geïmplementeerd.

Curriculum Vitae

Daan van den Oever (1989) studeerde Technische Geneeskunde aan de Universiteit Twente. Hij deed zijn promotieonderzoek bij de afdeling Radiotherapie van het Kolff instituut van het Universitair Medisch Centrum Groningen. Inmiddels is hij werkzaam als postdoctoraal onderzoeker bij het RadboudUMC. De titel van zijn proefschrift luidt: “Deep learning for cardiac imaging.”

Proefschrift: http://hdl.handle.net/11370/5655fe90-d301-43b7-b1cd-664ebb316d29