SFMR:s företagsstipendier 2023: Neuro

Stipendium från Siemens Healthineers tilldelas Maria Correia de Verdier.

Titel: För utveckling av nya metoder inom bildgivande diagnostik inom det kardiovaskulära eller neurovaskulära området.

Hjärnmetastaser är den vanligaste tumören i centrala nervsystemet. Framsteg inom magnetkameraundersökning (MR) har resulterat i bättre och mer högupplösta sekvenser, vilket leder till lättare upptäckt av små metastaser. Tillsammans med effektivare systemisk och lokal onkologisk behandling lever patienter med hjärnmetastaser längre. Därmed löper de ökad risk att under sin livstid utveckla nya och små hjärnmetastaser. Att upptäcka små metastaser och karakterisera hur de förändras är en tidskrävande uppgift för radiologer som kräver hög sensitivitet och specificitet för att säkerhetsställa korrekt diagnos. I och med utvecklingen av artificiell intelligens (AI) har dess användbarhet för analys av radiologiska bilder ökat. En tillämpning av AI för automatisk upptäckt, kvantifiering och longitudinell bedömning av hjärnmetastaser har potential att förbättra och effektivisera bedömningen av MR-bilder och möjliggöra mer korrekt diagnos och effektivare behandling.

Specifika mål:

- Utveckla AI-tekniker för detektion och kvantifiering av hjärnmetastaser vid en tidpunkt samt för longitudinell bedömning av hjärnmetastaser.

- Kliniskt validera dessa metoder genom att testa om de kan förbättra radiologers noggrannhet och effektivitet för att upptäcka och longitudinellt bedöma hjärnmetastaser.

Slutligt mål:

- Minska mänsklig bias, öka arbetsflödeseffektiviteten och förbättra patientens kliniska utfall genom att implementera AI i radiologisk vardag.

Stipendium från Canon tilldelas Woosung Seo.

Titel: Estimating ventricular CSF volume pre and post shunt surgery using automatic and manual methods in iNPH patients

Background: Idiopathic normal pressure hydrocephalus (iNPH) is a condition that is frequently overlooked and insufficiently treated. Common symptoms include walking difficulties, cognitive decline and incontinence. INPH can be treated by inserting a shunt, preferably at an early stage to prevent permanent damage.

The aim of the study is to evaluate an AI program’s ability to automatically quantify the CSF volume of the lateral ventricles in CT brain scans, compared to manual segmentations performed in an online dicom interface. Secondly, a comparison will be made between preoperative CT brain image to the routine follow-up after 6 weeks.

Methods: 49 iNPH patients with documented postsurgical clinical improvement on the iNPH scale were included. CT brain were performed pre and post shunt surgery and analysed by radiologists. A deep-learning-based, AI software developed by collaborators in Gothenburg was used for the automated segmentation of ventricular CSF (VCSF) in a total of 98 CT brain images. This was compared to manually derived VCSF labels from iNPH patients at Uppsala university hospital.

Preliminary results: Both manual and automatic volumetry of lateral ventricles were successfully performed. Pearson correlation coefficient showed R=0.94. The median volume reduction post shunt surgery showed 12.1% decrease in ventricular volume in automatic measurement while in manual 12.2%.

Conclusion: Our results demonstrate strong correlation between automatic and manual CSF volumetric measurements on CT brain. Both excellent interrater reliability and positive relationship to clinical improvement. Hence, there is an evident potential of CT-derived volumetric measures to aid in the clinical diagnosis of iNPH.

Stipendium från Canon tilldelas Dimitrios Toumpanakis.

Titel: Development of algorithms for the automatic evaluation of iNPH using Deep Learning and quantitative image analysis methods on radiological imaging

Idiopathic normal pressure hydrocephalus (iNPH) is a form of communicating hydrocephalus accompanied often by the clinical triad of gait disturbance, cognitive impairment and urinary incontinence. Its incidence in various studies ranges from 1.8 to 7.3/100,000, while it is believed to be under-diagnosed and under-treated. Early diagnosis is of paramount importance since iNPH is a potentially reversible cause of dementia.

According to the international guidelines for iNPH, the diagnosis requires concrete clinical and imaging criteria. However, many of the individual imaging parameters described in various studies lack adequate sensitivity, specificity or interobserver agreement. In addition, the already high volume of dementia imaging examinations, a significant part of which concerns iNPH, are only going to increase as the population gets older.

By building upon the power of convolutional neural networks and deep learning, our team will synthesize different approaches into one clinically applicable automatic algorithm that can function as a decision support tool for more confident, accurate and faster iNPH diagnosis based on radiology. Specifically, our project aims first to develop a novel multi-modular algorithm for the automatic evaluation of currently established imaging biomarkers for iNPH by combining Deep Learning and quantitative image analysis methods. Furthermore, we will develop a convolutional neural network that predicts the radiological probability for iNPH and we will implement explainable AI methods on the above neural network to allow interpretability and potentially discover/extract novel imaging biomarkers for iNPH.

Stipendium från Bracco tilldelas Sara Shams.

Titel: Hur påverkar sjukdom av små kärl i hjärnan en frisk population.

Cerebral småkärlssjuka är sjukdom av mikroskopiska kärl i hjärnan. Småkärlssjuka är vanligt inom åldrande, kognitiv svikt, stroke, diabetes och njursvikt visat genom våra studier. Småkärlssjuka är samtidigt en av de vanligaste anledningarna bakom hemorragisk stroke och tros kunna leda till demenssjukdom. Ännu råder dock stor ovisshet kring cerebral småkärlssjuka och dess riktiga innebörd och implikationer.

I våra studier undersöker vi småkärlssjuka i tvärsnitt samt longitudinellt och följer friska populationer, patienter med diabetes och njursvikt samt patienter med demenssjukdom över tid på magnetkamera i relation till kliniska associationer, CSF-prover och andra labbvärden. Data analyseras för samband i multivariabla regressionsanalyser.

Hittills har vi visat att småkärlssjuka är associerat med högre amyloidinlagring i hjärnan i särskilda regioner av hjärnan, att sjukdomen är associerad med ökad morbiditet och mortalitet samt nedsatt kognition. Patienter med småkärlssjukdom och antikoagulans har 4 gånger ökad risk för hemorragisk stroke.  

Vi hoppas att våra vidare studier kan bringa fortsatt klarhet i vad småkärlsjuka faktiskt är för sjukdom och vad de enskilda markörerna i hjärnan på MR faktiskt betyder och vilka associationer som existerar. Denna kunskap hoppas vi bringar mer klarhet i vardaglig granskning av MR-bilder av hjärnan och bidrar till mer förståelse kring hur enskilda MR-markörer i hjärnan kommer att påverka patienterna vi ser på daglig basis.