ACR 2020: Accurate bepaling van radiografische sacroiliitis met AI

Het beoordelen van röntgenfoto's van sacro-iliacale gewrichten is soms erg lastig, zelfs voor deskundigen, en kunstmatige intelligentie kan hierbij mogelijk helpen. Door de complexe anatomie van de SI-gewrichten en overlap met andere anatomische structuren is het op basis van röntgenfoto's niet altijd eenvoudig vast te stellen of sprake is van axiale spondyloartritis (SpA), en ook de gradering kan onderhevig zijn aan subjectiviteit. Om te bepalen of AI kan helpen bij het beoordelen van röntgenfoto's bij axiale SpA, is een kunstmatig neuraal netwerk ontwikkeld en gevalideerd voor het detecteren van definitieve radiografische sacroiliitis.

Hiervoor werden röntgenfoto's van SI-gewrichten van twee onafhankelijke cohorten gebruikt: PROOF (1.553 foto's) en GESPIC (458 foto's). Ongeveer 85% van de PROOF-foto's werd gebruikt voor training van het neurale netwerk en de overige 15% voor validatie; de GESPIC-foto's dienden als onafhankelijke testset. Het neurale netwerk leverde een zeer goede prestatie bij het herkennen van definitieve radiografische sacroiliitis, met een area under the receiver operating characteristic (AUROC) van 0,97 voor de validatieset en 0,96 voor de testset.

De overeenstemming tussen het neurale netwerk en de classificatie door menselijke beoordelaars was eveneens goed, met een absolute overeenstemming van 90% in de validatieset en 88% in de onafhankelijke testset. Volgens de onderzoekers is het accuraat bepalen van sacroiliitis op röntgenfoto's met behulp van AI dan ook mogelijk.