Philips werkt samen met Quibim om geavanceerde AI-oplossingen voor MRI-onderzoeken van de prostaat te ontwikkelen
- Nov 24, 2023
- 3 minuten leestijd
Prostaatkanker heeft overal ter wereld een grote impact. Volgens cijfers van het IKNL krijgen jaarlijks ruim meer dan 14.000 Nederlandse mannen de diagnose prostaatkanker [1]. Vroege detectie is nu afhankelijk van een bloedtest voor prostaatspecifiek antigeen (PSA), die kan helpen om prostaatkanker vroegtijdig op te sporen. PSA-screeningtests hebben echter ook een slechte specificiteit voor klinisch significante kanker, wat kan leiden tot veel valse positieven en overdiagnose van prostaatkanker. Dit resulteert vaak in pijnlijke, maar uiteindelijk onnodige biopsieën, die voor patiënten veel stress veroorzaken. Dit probleem wordt verder gecompliceerd door een hoge werkdruk onder pathologen die vermeden kan worden.
Hoewel MRI-onderzoeken over het algemeen duurder en tijdrovender zijn dan PSA-tests, blijkt uit recent onderzoek dat MRI waardevol kan zijn als een triage-instrument om biopsiebeslissingen te begeleiden, evenals een waardevol diagnostisch hulpmiddel om de behandelplanning en gepersonaliseerde therapie te helpen bepalen, onafhankelijk van PSA-testen. [2]. Door het aantal onnodig uitgevoerde biopsieën te verminderen en een beter gerichte therapie mogelijk te maken voor prostaatkanker die wél behandeling nodig heeft, kunnen MRI-onderzoeken mogelijk resulteren in algemene kostenbesparingen en snellere, nauwkeurigere diagnoses voor patiënten.
Philips maakt al gebruik van door AI-technologie in MRI scanners zoals MR SmartSpeed-beeldreconstructie software, die helpt bij het opbouwen van klinisch vertrouwen met een tot 65% hogere resolutie van beelden [3]. Philips en Quibim gaan nu werken aan een geïntegreerde oplossing met de op AI gebaseerde QP-Prostate-software van Quibim [4], om real-time prostaatsegmentatie in MR-beelden te automatiseren [5], betekenisvolle kwantitatieve inzichten te genereren en de rapportage van MRI-prostaatonderzoeken te standaardiseren. Gecombineerd met de op AI gebaseerde MR-beeldvormingstechnieken van Philips is de oplossing bedoeld om artsen te voorzien van de snelheid en precisie die nodig zijn om zorg te bieden aan het groeiend aantal patiënten dat MRI-onderzoeken nodig heeft. Zo kan het diagnostische vertrouwen worden vergroot, de gepersonaliseerde behandeling verbeterd en kunnen betere resultaten worden bereikt.
“Deze samenwerking met Quibim is een voorbeeld van onze inspanningen om een AI-ecosysteem te bouwen voor ons portfolio van beeldvormende systemen om aandoeningen zoals kanker eerder te helpen detecteren, het aantal nauwkeurige ‘first-time-right’-diagnoses te verbeteren en de verrichtingen in het ziekenhuis te stroomlijnen om betere zorg te kunnen bieden tegen lagere kosten”, zegt Ruud Zwerink, General Manager MR bij Philips. "De samenwerking met Quibim zal uiteindelijk worden uitgebreid om andere vormen van kanker dan alleen prostaatkanker aan te pakken."
"De samenwerking, waaronder de snelle MR-beeldvorming van Philips en de QP-Prostate-software van Quibim, heeft tot doel de snelheid en het diagnostische vertrouwen te bieden om alle verschillende stappen in een geïntegreerde workflow voor diagnose, behandeling en therapiebeoordeling te ondersteunen. De komende versie van ons laesiedetectie-algoritme zal de mogelijkheden van MRI als gamechanger bij de screening op prostaatkanker verder uitbreiden [6]”, aldus Angel Alberich-Bayarri, CEO van Quibim. "Deze geïntegreerde aanpak, gecombineerd met functies die de workflow verbeteren, is erop gericht personeelstekorten, het hoge aantal gevallen van burn-out, en kostenbeperkingen het hoofd te bieden, kwesties waar veel radiologie- en oncologieafdelingen momenteel mee worden geconfronteerd. Patiënten zullen ook enorm profiteren van veel minder complexe en pijnlijke biopsieprocedures [7] en een meer gepersonaliseerde behandeling."
"Vanwege de sterke sensitiviteit voor agressieve tumoren is MRI de hoeksteen geworden van het diagnostische traject voor prostaatkanker. We moeten nu de specificiteit ervan verbeteren om onnodige biopsieën te voorkomen, en de reproduceerbaarheid tussen lezers om betrouwbare diagnoses buiten expertcentra mogelijk te maken”, aldus prof. Oliver Rouvière, hoofd van de afdeling Radiologie, Hôpital Edouard Herriot in Lyon. "De twee grootste uitdagingen waarmee AI-software voor prostaat-MRI wordt geconfronteerd, zijn het vermogen om goede specificiteit te bieden met behoud van een hoog niveau van sensitiviteit. Bovenal moeten we robuuste diagnostische resultaten leveren voor verschillende beeldvormingsprotocollen, magnetische veldsterktes en leveranciers."
De MR-oplossingen van Philips en de QP-Prostate-software van Quibim worden gedemonstreerd in de Philips-stand (#6730) en de Quibim-stand (#6336) tijdens de jaarlijkse bijeenkomst van de Radiological Society of North America (RSNA 2023, 26-29 november, Chicago, VS). Voor meer informatie, bezoek Philips op RSNA 2023.
Bronnen
- Nederland IK. Incidentie prostaatkanker 2022. 2022. https://www.iknl.nl/nkr-cijfers
- https://bmjoncology.bmj.com/content/2/1/e000057
- 36690774. https://pubmed.ncbi.nlm.nih.gov/36690774/
- Compared to Philips SENSE
- QP-Prostate is an FDA 510k cleared solution and a UKCA and CE mark (Class IIb) cleared solution under MDR.
- Jimenez-Pastor A, Lopez-Gonzalez R, Fos-Guarinos B, et al. Automated prostate multi-regional segmentation in magnetic resonance using fully convolutional neural networks. Eur Radiol. 2023 Jul;33(7):5087-5096. doi: 10.1007/s00330-023-09410-9. Epub 2023 Jan 24. PMID: 36690774. https://pubmed.ncbi.nlm.nih.gov/36690774/
- Automated lesion detection is pending regulatory clearance and is currently only available as a research-only solution.
- Elwenspoek MMC, Sheppard AL, McInnes MDF, et al. Comparison of Multiparametric Magnetic Resonance Imaging and Targeted Biopsy With Systematic Biopsy Alone for the Diagnosis of Prostate Cancer: A Systematic Review and Meta-analysis. JAMA Netw Open. 2019;2(8):e198427. doi:10.1001/jamanetworkopen.2019.8427 https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2747475
