AI detecteert botmergoedeem bij axSpA net zo goed als radioloog

Een studie ontwikkelde en valideerde een machine learning (ML)-systeem om botmergoedeem (bone marrow oedema, BMO) op MRI-scans van de wervelkolom bij axiale spondyloartritis (axSpA) automatisch op te sporen. De onderzoekers gebruikten 3483 MRI-scans van 686 patienten uit de MEASURE 1- en PREVENT-studies. Beide onderzoeken hanteerden een gestandaardiseerd MRI-protocol en de beelden werden door twee onafhankelijke experts beoordeeld volgens het Berlin-scoresysteem.

Het ML-systeem verwerkte de beelden in twee stappen: eerst werden de wervels herkend en gelabeld, daarna werden de tussenliggende segmenten geanalyseerd op BMO. Twee versies werden getest: een volledig geautomatiseerd model (Model 1) en een model met handmatige segmentatie van laesies (Model 2). Model 1 presteerde het best, met in de MEASURE 1-studie een AUC van 0,94, een accuraatheid van 75,8% en een kappa van 0,50, en in de PREVENT-studie respectievelijk 0,97, 74,6% en 0,52.

Dit is vergelijkbaar met de inter-lezer accuraatheid van menselijke experts (76,8% en 74,2%). Model 2 scoorde lager, met kappa-waarden van 0,31 en 0,27. De specificiteit van Model 1 was zeer hoog (0,99) en de sensitiviteit lag op 0,50-0,52, vergelijkbaar met experts.

Volgens de onderzoekers ondersteunen deze resultaten het gebruik van AI bij MRI-beoordeling in axSpA, vooral om tijd en kosten te besparen en variatie in beoordeling te verminderen, en kan het model worden ingezet in grootschalige studies of gestandaardiseerde beoordelingscampagnes.