AI-algoritme voorspelt risico op hart- en vaatziekten aan de hand van botscans.

Onderzoekers van Edith Cowan University (ECU) en de University of Manitoba hebben een geautomatiseerd programma ontwikkeld dat cardiovasculaire problemen en valrisico's kan opsporen aan de hand van routinematige botdichtheidsscans.
Dit zou het aanzienlijk gemakkelijker kunnen maken om ernstige gezondheidsproblemen op te sporen voordat ze levensbedreigend worden.
Het algoritme, ontwikkeld door ECU-onderzoeker Dr. Cassandra Smith en senior onderzoeker Dr. Marc Sim, werkt door beelden te analyseren van wervelfracturen die zijn gemaakt tijdens standaard botdichtheidsmetingen, die vaak onderdeel uitmaken van behandelplannen voor osteoporose.
Door de aanwezigheid en de mate van verkalking van de abdominale aorta (AAC) op deze scans te beoordelen, kan het programma snel patiënten signaleren die risico lopen op een hartaanval, beroerte en gevaarlijke valpartijen.
Wat echt indrukwekkend is, is de snelheid waarmee het algoritme werkt. Waar een ervaren menselijke lezer vijf tot zes minuten nodig heeft om een AAC-score te berekenen op basis van één enkele scan, kan het machine learning-programma scores voorspellen voor duizenden afbeeldingen in minder dan een minuut.
Een dergelijke efficiëntie kan een aanzienlijk voordeel opleveren voor zorgsystemen die grote populaties willen screenen op verborgen gezondheidsrisico's.
De noodzaak voor dergelijke screening is evident. In de onderzoek, Dr. Smith ontdekte dat maar liefst 58% van de oudere personen die routinematig een botdichtheidsscan ondergingen, matige tot hoge niveaus van AAC vertoonden.
Nog zorgwekkender is dat een kwart van deze patiënten zich totaal niet bewust was van hun verhoogde risico.
“"Het is algemeen bekend dat vrouwen ondergescreend en onderbehandeld worden voor hart- en vaatziekten", merkte dr. Smith op. "Deze studie toont aan dat we met behulp van algemeen verkrijgbare, stralingsarme botdichtheidsmeters vrouwen met een hoog risico op hart- en vaatziekten kunnen identificeren, waardoor ze zich kunnen laten behandelen."”
Maar de voorspellende kracht van het algoritme beperkt zich niet tot de gezondheid van het hart. Met behulp van hetzelfde programma ontdekte Dr. Sim dat patiënten met een matige tot hoge AAC-score ook een groter risico liepen op ziekenhuisopnames en botbreuken als gevolg van vallen, vergeleken met patiënten met een lage score.
“"Hoe hoger de verkalking in uw slagaders, hoe hoger het risico op vallen en botbreuken", legde dr. Sim uit. Hoewel traditionele risicofactoren voor vallen, zoals eerdere valpartijen en een lage botdichtheid, algemeen bekend zijn, wordt er zelden rekening gehouden met de gezondheid van de bloedvaten.
“"Onze analyse heeft aangetoond dat AAC een zeer sterke bijdrage levert aan het risico op vallen en zelfs belangrijker is dan andere factoren die klinisch als risicofactoren voor vallen worden aangemerkt."”
Zoals bij elke nieuwe technologie zijn er nog vragen te beantwoorden en uitdagingen te overwinnen voordat dit soort AI-ondersteunde screening de standaardpraktijk wordt.
Allereerst moet het algoritme worden gevalideerd in grotere, meer diverse patiëntenpopulaties en naadloos worden geïntegreerd in bestaande klinische werkprocessen.
Als die uitdagingen echter kunnen worden aangepakt, zou een eenvoudige botscan – iets wat miljoenen ouderen al regelmatig ondergaan – een vroegtijdig waarschuwingssysteem kunnen worden voor enkele van de meest voorkomende en verwoestende gezondheidsproblemen waarmee we te maken hebben.


