CLTI Select: AI & moderne scantechnieken voor doelmatige zorg in kritieke ischemie

Terug
Looptijd:
2025-2028
Fase:
Validatie / dataverzameling
Thema:
AI • Datagedreven zorg • Medische beeldvorming • Passende zorg • Vaatchirurgie
Status:
Lopend

Samenvatting

Bij patiënten met kritieke ischemie (Critical Limb Threatening Ischemia, CLTI) is de doorbloeding van het been ernstig verminderd. Hoewel een endovasculaire behandeling vaak de standaard is, levert deze niet voor iedere patiënt het gewenste resultaat op. Op dit moment is vooraf moeilijk te voorspellen wie daadwerkelijk baat heeft bij een ingreep.

Binnen dit MedZO-project ontwikkelt Haaglanden Medisch Centrum, samen met regionale en academische partners, nieuwe CT-technieken en AI-modellen die artsen ondersteunen bij deze beslissing. Door verbeterde beeldvorming te combineren met kunstmatige intelligentie willen de onderzoekers nauwkeuriger voorspellen welke patiënten voordeel hebben van een behandeling. Zo ontstaat meer ruimte voor gezamenlijke besluitvorming, worden onnodige ingrepen voorkomen en kan de zorg doelmatiger worden ingericht.

Doel van het onderzoek

Het project ontwikkelt AI-modellen en geoptimaliseerde CT-protocollen die artsen helpen om patiënten met kritieke ischemie beter te selecteren voor een endovasculaire behandeling.

De onderzoekers combineren dual-energy CT (DECT), photon-counting CT (PCCT) en kunstmatige intelligentie om de kans op een succesvolle behandeling beter te voorspellen. Het uiteindelijke doel is gepersonaliseerde zorg, minder onnodige invasieve procedures, betere behandeluitkomsten en een efficiëntere inzet van zorgmiddelen.

Aanpak

De onderzoekers optimaliseren eerst nieuwe CT-technieken waarmee de bloedvaten nauwkeuriger in beeld worden gebracht. Vervolgens ontwikkelen zij AI-modellen die deze beelden analyseren en ondersteunen bij het voorspellen van behandeluitkomsten.

Binnen het project worden onder andere ontwikkeld:

  • geoptimaliseerde DECT- en PCCT-scans;
  • AI-gegenereerde virtuele angiografie;
  • automatische GLASS-classificatie;
  • AI-modellen voor uitkomstvoorspelling.

De modellen worden extern gevalideerd binnen een prospectieve multicenterstudie. Daarnaast wordt gewerkt aan implementatie in PACS-systemen, zodat de technologie uiteindelijk beschikbaar komt in de dagelijkse zorgpraktijk.

Bijzonder aan dit project

Naast technologische innovatie besteedt het project veel aandacht aan patiëntenparticipatie en inclusiviteit. Er is een patiëntenadviesraad betrokken en de onderzoekers verzamelen patiëntgerichte uitkomsten met VascuQOL-vragenlijsten. Ook wordt specifiek gekeken naar de behoeften van kwetsbare patiëntengroepen.

De ontwikkelde AI wordt open source beschikbaar gesteld en onderzoeksdata worden volgens de FAIR-principes gedeeld. Hierdoor kunnen andere onderzoekers en zorgorganisaties de kennis verder benutten.

Belangrijkste lessen tot nu toe

  • Praktijkvragen vormen het vertrekpunt voor relevante innovatie.
  • Regionale samenwerking versnelt kennisontwikkeling en implementatie.
  • Goede beeldvorming en AI versterken elkaar bij het ondersteunen van behandelkeuzes.
  • Betrek patiënten vroeg in de ontwikkeling van nieuwe technologie.
  • Organiseer vanaf de start voldoende onderzoeksondersteuning en implementatie-expertise.

Hierover sparren wij graag

  • AI in de vaatzorg
  • Medische beeldvorming
  • Implementatie van AI in de klinische praktijk
  • Regionale samenwerking in onderzoek
  • Gezamenlijke besluitvorming met patiënten

Gerelateerde MedZO-projecten