AI kan vroege fasen van RA helpen voorspellen

Een van de best beoordeelde abstracts van EULAR 2023 is dat van Yanli Li en zijn collega’s van het LUMC. Hun onderzoek wijst uit dat RA goed voorspeld kan worden wanneer MRI-scans geïnterpreteerd worden met kunstmatige intelligentie, ofwel AI. AI beoordeelde de MRI’s bijna even goed als menselijke experts.¹

Door vroege fasen van RA te voorspellen op basis van MRI-scans van de extremiteiten kan behandeling vroegtijdig worden ingezet en chroniciteit mogelijk worden voorkomen. De Leidse onderzoekers zochten uit of AI een rol kan spelen bij deze voorspelling. 

Ze verzamelden daarvoor scans van de handen en voeten van 1.974 patiënten. 1.247 patiënten hadden een vroege fase van artritis (EAC), van wie 538 RA ontwikkelden binnen 2 jaar. De overige 727 patiënten hadden clinically suspect arthralgia (CSA) en van hen ontwikkelden 113 patiënten RA. Vervolgens werden MRI-scans voorbewerkt en werd een ‘deep learning’ model ontwikkeld waarmee de AI-methode als het ware getraind werd om (voortekenen van) RA te herkennen. Daarna werd het model geëvalueerd met 5-voudige crossvalidatie in een testset met gegevens van 132 EAC- en 146 CSA-patiënten. 

In deze testset was de accuratesse van het voorgestelde model – uitgedrukt als ‘area under the receiver operator curve’ (AUC) – gemiddeld 0,683 in de EAC-groep en 0,727 in de CSA-groep, op basis van MRI’s van de handen (pols en MCP-gewrichten). Opvallend is dat de accuratesse heel dicht in de buurt ligt van AUC’s die experts behaalden wanneer zij scans beoordeelden met RAMRIS, namelijk 0,74 en 0,69 voor het voorspellen van RA bij patiënten met CSA.² 

Li verwacht dat het model, en dus de AI-voorspelling, nog verder verbeterd kan worden met MRI-data over gezonde personen. De ontwikkelde methode kan in de toekomst mogelijk leiden tot nieuwe beeldvorming-gerelateerde biomarkers en zo het begrip van RA vergroten.

Bronnen:

1. Li Y, Hassanzadeh T, Reijnierse M, et al. Exploring the Use of Artificial Intelligence in Predicting Rheumatoid Arthritis, Based on Extremity MR Scans in Early Arthritis and Clinically Suspect Arthralgia patients. EULAR 2023, abstract OP0002. 
2. Matthijssen, XME, Wouters F, Boeters DM, et al. A search to the target tissue in which RA-specific inflammation starts: a detailed MRI study to improve identification of RA-specific features in the phase of clinically suspect arthralgia. Arthritis Res Ther. 2019;21:249