Deep learning reconstruction of accelerated prostate MRI from image fidelity to diagnostic reliability
Reconstructie van versnelde prostaat-MRI met behulp van deep learning, van beeldkwaliteit tot diagnostische betrouwbaarheid
Prostaat-MRI duurt relatief lang, wat de capaciteit beperkt en wachttijden vergroot. In dit proefschrift van Quintin van Lohuizen is onderzocht of prostaat-MRI met deep learning reconstructie versneld kan worden zonder verlies van betrouwbare detectie van klinisch significante prostaatkanker.
In vier studies zijn versnelde scans beoordeeld met automatische detectiemodellen, regio-specifieke beeldanalyse, beoordeling door radiologen en onzekerheidskaarten voor kwaliteitscontrole. De resultaten laten zien dat visueel betere beelden niet automatisch diagnostisch betrouwbaar zijn en dat gemiddelde kwaliteitsmaten lokale kwaliteitsvermindering in diagnostisch relevante gebieden kunnen verhullen. Tegelijk bleef in een multi-reader studie met acht prostaatradiologen de detectie van klinisch significante prostaatkanker behouden tot zesvoudige versnelling, terwijl beoordelingen van scherpte, ruis en artefacten gelijk bleven of verbeterden. Daarnaast konden onzekerheidskaarten, scans aanwijzen die mogelijk minder betrouwbaar zijn en extra controle vereisen.
Deze bevindingen laten zien dat aanzienlijk kortere prostaat-MRI haalbaar is, maar dat diagnostische eindpunten, regio-specifieke evaluatie en automatische kwaliteitscontrole noodzakelijk blijven. Daarmee plaatst dit werk versnelde MRI in de bredere context van veilige toepassing van AI in de klinische praktijk, waarbij snellere scans mogelijk zijn zonder verlies van diagnostische betrouwbaarheid.