Naar een robuuste voorspelling van invaliditeit bij multiple sclerose op basis van magnetische resonantie hersenscans.

Multiple Sclerose (MS) is een auto-immuunziekte van het centrale zenuwstelsel. Men kan niet genezen van MSn, maar er zijn wel tal van behandelingen ontwikkeld om de progressie te vertragen. Het volgen van de progressie van de ziekte en het nemen van klinische beslissingen berusten vaak op de uitgebreide invaliditeitsschaal (EDSS). Helaas heeft de EDSS te lijden onder een slechte betrouwbaarheid, herhaalbaarheid en hoge interbeoordelaarsvariabiliteit. Een eerste doelstelling van dit project is het verminderen van de interbeoordelaarsvariabiliteit en het verhogen van de herhaalbaarheid bij het kwantificeren van het risico op invaliditeit van de patiënt door het ontwikkelen van een techniek voor machinaal leren op basis van anatomische magnetische resonantiebeelden (MRI) en diffusie-MRI (dMRI). Als eerste stap zullen we ons richten op de voorspelling van de EDSS-score, maar andere klinische scores zullen ook worden opgenomen. Om een geautomatiseerde EDSS scoring methode te ontwikkelen is een grote database nodig. Dergelijke databanken zijn typisch samengesteld uit beelden van meerdere centra, en zijn dus afhankelijk van scannerhardware, reconstructiealgoritmes en acquisitieprotocols. Deze factoren leiden tot een hoge intra- en intersite variabiliteit in structurele MRI data, en nog meer in parameters afgeleid uit dMRI data. Een tweede doel is het ontwikkelen, implementeren en valideren van harmonisatiemethoden voor structurele en dMRI-gegevens, om ongewenste variabiliteit te verminderen terwijl de biologische variabiliteit behouden blijft. Om dit doel te bereiken ben ik co-auteur van een review paper over dMRI harmonisatie methoden [Pinto, et al. 2020]. Een volgende stap is het valideren van een recent voorgestelde diffusie harmonisatiemethode "Method of Moments" [Huynh, et al. 2019] op in vivo dMRI data. Ten slotte is het uiteindelijke doel van het project, als onderdeel van het initiële opleidingsnetwerk B-Q MINDED van Horizon 2020, de integratie van de harmonisatie- en EDSS-scoringsalgoritmen in een product dat kan worden gebruikt in klinische trials en, in een later stadium, in de dagelijkse kliniek. Planning • September 2021 - oktober 2021: Afronding van de EDSS scoring applicatie gebaseerd op anatomische MRI. Indiening van een manuscript in een tijdschrift "Prediction of EDSS scores in MS patients from MRI" tegen eind oktober 2021. • November 2021 - december 2021: Afronding van implementatie en validatie van deep-learning benaderingen voor de harmonisatie van anatomische en diffusie MR-beelden. • Januari 2022 - februari 2022: geautomatiseerde EDSS-scoring op basis van geharmoniseerde structurele en dMRI-gegevens. • Maart 2022 - juli 2022: voorbereiding van het doctoraatsthesis. Referenties Pinto, M.S., Paolella, R.,…..et al. "Harmonization of brain diffusion MRI: Concepts and methods." Frontiers in Neuroscience 14 (2020). Huynh, Khoi Minh, et al. "Multi-site harmonization of diffusion MRI data via method of moments." IEEE transactions on medical imaging 38.7 (2019): 1599-1609.

Trefwoorden:MAGNETISCHE RESONANTIE BEELDVORMING (MRI)

Disciplines:Medische informatica