Medical Delta Programma 'Van mens naar machine – vroege detectie van reumatoïde artritis'

Reumatoïde artritis (RA) is een van de meest voorkomende auto-immuunziekten en veroorzaakt chronische ontstekingen aan gewrichten. Mensen met RA ervaren pijn; de ziektelast en maatschappelijke kosten door uitval zijn hoog. Vroegtijdige diagnose kan ervoor zorgen dat mensen met RA eerder het behandeltraject ingaan en daardoor minder last ervaren.

Vroegtijdige herkenning van gewrichtsontsteking is nu alleen mogelijk in het ziekenhuis (de ‘tweede lijn’) met een lichamelijk gewrichtsonderzoek door reumatologen. Dit is inefficiënt: er is dure mankracht nodig en wachtlijsten vertragen de diagnose. Medical Delta Programma ‘Van mens naar machine – vroege detectie van reumatoïde artritis' zoekt naar een manier om met behulp van technologie efficiënter en sneller tot een goede RA-diagnose te komen.

In het LUMC is de zogeheten ‘Early Arthritis Recognition Clinic’ opgezet. Wanneer een huisarts vermoedt dat iemand artritis heeft, wordt die persoon in vijf minuten door een reumatoloog met gewrichtsonderzoek onderzocht op de aan- of afwezigheid van gewrichtsontsteking. Hierna volgt terug-verwijzing naar de huisarts of verdere reumatologische analyse. Hoewel deze screenende aanpak efficiënt blijkt, kost het nog steeds medisch specialistische mankracht en is het niet toekomstbestendig.

Slimme technologie

Medical Delta Programma ‘Van mens naar machine – vroege detectie van reumatoïde artritis' onderzoekt hoe met slimme technologie mensen met ontstekingsreuma sneller een diagnose kunnen krijgen met minder inzet van artsen en tegen lagere kosten.

Met een korte MRI-scan is het mogelijk om specifieke ontstekingen in gewrichten te herkennen. Door machine learning en AI-algoritmen te ontwikkelen, kan een snelle diagnose worden gesteld met de inzet van minder zorgpersoneel.

In pilotstudies is al aangetoond dat deze AI technieken gewrichtsontstekingen accuraat kunnen herkennen in patiënten met bevestigde diagnoses. Als screening tool moet de accuraatheid van MRI nog worden onderzocht. Ter voorbereiding hierop  wil het programma de praktische en technische beperkingen in de implementatie alvast wegnemen. Hiervoor betrekt het programma alle stakeholders - van huisarts tot radiologisch laborant.

Doelen

Het overkoepelende doel is om met inzet van MRI en AI technologie dure en steeds minder beschikbare clinici te vervangen. Een belangrijke belemmering daarvoor is beeldinterpretatie: bij het afnemen van meer MRI-scans voor reuma-diagnostiek, zouden radiologen nóg meer belast worden. Omdat het getrainde oog van een radioloog nu nog niet direct vervangbaar is, onderzoekt het programma de mogelijkheden om:

  • met MRI-gegevens een machine learning methodiek te bouwen zodat computers MRI-scans kunnen interpreteren en een eerste versie te integreren in regulier gebruikte radiologische software
  • het triageproces vanuit de eerste- (zoals huisartsen) en tweedelijnszorg (reumatologen, radiologen, radiologisch laboranten) aan te passen aan deze technologie, zodat technologie en zorgpraktijk elkaar versterken.

Contact

Neem voor meer informatie of interesse voor deelname contact op met een van onze innovatiemanagers.

Programmaleiders

Prof. dr. Annette van der Helm

Reumatologie

LUMC, Erasmus MC


Prof. dr. Edwin Oei

Musculoskeletale beeldvorming

Erasmus MC


Dr. Berend Stoel

Medische beeldanalyse met behulp van AI

LUMC

Contactpersoon

Marina Bakker MSc

marina.bakker@medicaldelta.nl

+31 6 53 91 32 77

Consortium

LUMC; Erasmus MC; Reuma Nederland; EULAR Patiënt Research Partner

Kernteam

Prof. dr. Annette van der Helm-van Mil (LUMC); dr. Berend Stoel (LUMC); prof. dr. Edwin Oei (Erasmus MC); prof. dr. Mattijs Numans (LUMC Health Campus Den Haag); prof. dr. ir. Boudewijn Lelieveldt (LUMC); prof. dr. ir. Marcel Reinders (TU Delft); prof. dr. Andrew Webb (LUMC); prof. dr. Marius Staring (LUMC)

Cookie melding

Deze website maakt gebruik van cookies. Cookies zijn tekstbestanden die op de computer worden geplaatst wanneer websites worden bezocht. Ze worden veel gebruikt om websites efficiënt te laten werken en om informatie te verstrekken aan de eigenaren van de website. Hieronder kan aangegeven worden of u de cookies accepteert.