Artificial intelligence in MRI for the detection and surveillance of prostate cancer
Kunstmatige intelligentie in MRI voor de detectie en bewaking van prostaatkanker
Prostaatkanker (PCa) blijft een aanzienlijke wereldwijde gezondheidslast, met 1,4 miljoen nieuwe gevallen gemeld in 2020. Hoewel MRI een centrale rol speelt bij de detectie van PCa, is de diagnostische nauwkeurigheid sterk afhankelijk van de expertise van de radioloog, wat leidt tot variabiliteit in uitkomsten.
Deze thesis van Christian Roest onderzoekt het potentieel van op MRI gebaseerde kunstmatige intelligentie (AI) om zowel de diagnose als de opvolging van PCa te verbeteren. In het bijzonder wordt ingegaan op actieve surveillance, een terrein waarin AI-toepassingen nog beperkt zijn onderzocht. We presenteren nieuwe benaderingen, waaronder AI-modellen gebaseerd op sequentiële MRI-scans om ziekteprogressie in de tijd te volgen, en hybride modellen die MRI-informatie combineren met klinische parameters voor niet-invasieve monitoring en gepersonaliseerde risicostratificatie. Daarnaast worden technieken onderzocht voor het standaardiseren van multicenter MRI-data en introduceren we een transfer learning-techniek die detectie van klinisch significante PCa verbetert bij vervolgscans, zelfs bij beperkte datasets.
De resultaten laten zien dat AI een waardevolle rol kan spelen in het verbeteren van de nauwkeurigheid en het persoonlijker maken van de zorg voor prostaatkanker.