EOS-Prijs 2017 voor algoritme hartritmestoornissen

19/12/17 om 14:04 - Bijgewerkt om 14:04

Céline Cuypers en Kobe Bamps hebben de EOS-Prijs voor beste masterproef in de harde wetenschappen gewonnen. De afgestudeerde UHasselt/KU Leuven-studenten industrieel ingenieur ontwikkelden, samen met dokter Pieter Koopman (Jessa Ziekenhuis/UHasselt), een algoritme dat de risico's bij de behandeling van hartritmestoornissen vermindert.

EOS-Prijs 2017 voor algoritme hartritmestoornissen

© BelgaImage

De twee winnaars ontwikkelden een nieuwe techniek om mogelijke beschadiging van de middenrifzenuw bij de invasieve behandeling van hartritmestoornissen béter te helpen voorkomen. Dat deden ze samen met dokter Pieter Koopman, cardioloog-ritmoloog aan het Hartcentrum Hasselt, Jessa Ziekenhuis en Limburg Clinical Research Program.

"Bij sommige patiënten kan voorkamerfibrilatie genezen worden door het wegnemen van uitlokkende 'stoorsignalen' die uit de longaders komen. Door een deeltje van het hartweefsel rondom de longaders lokaal te bevriezen of te verschroeien, worden die stoorsignalen opgesloten en elektrisch geïsoleerd van het hart. In ons centrum gebruiken wij klassieke technieken, maar ook de nieuwere laserablatie", legt dr. Koopman uit.

Een risico bij zulke ingrepen is wel dat een zenuw (nervus phrenicus) die het middenrif aanstuurt, tijdens de behandeling beschadigd kan worden - wat bij de patiënt kan leiden tot ademhalingsproblemen. De plaats van die zenuw ten opzichte van het hart verschilt van mens tot mens - bij sommige patiënten loopt die heel dicht langs de longaders. "Daarom stimuleren we de zenuw tijdens de operatie op zó een manier dat de patiënt de hik krijgt. Als de hik vermindert, zetten we de behandeling onmiddellijk stop. Maar dan kan het al te laat zijn en is de zenuw al (deels) beschadigd."

Algoritme

Céline Cuypers en Kobe Bamps dokterden voor hun masterproef een algoritme (EXSAC) uit om de locatie van die nervus phrenicus te bepalen vóór de ingreep. "Hiervoor maakten we gebruik van de beelden van een CT-scan van het hart - een drie-dimensionaal röntgenbeeld dat bestaat uit verschillende schijfjes", zeggen ze. "Enkele pixels met een hoge intensiteit die de zenuw voorstellen, kunnen gedetecteerd worden. Maar met het blote oog zijn die pixels zeer moeilijk te lezen. Het is als zoeken naar een speld in een hooiberg."

Het algoritme werd dan ook stap per stap opgebouwd. "Na het wegwerken van het grootste gedeelte van de ruis op de beelden werden enkele belangrijke delen van het hart gesegmenteerd - onder meer de linkervoorkamer en de aorta. Deze delen hebben - dankzij een contrastvloeistof die vóór het nemen van de CT-scan wordt ingespoten - een felle witte kleur op de CT-beelden. Ze zijn dus makkelijk te herkennen. Ook bepalen we de randen van het hart."

Na het verder segmenteren van de andere hartstructuren, konden ze dan een klein gebied van het CT-beeld afbakenen waarin ze op zoek konden naar de zenuw. "Onze hooiberg was dus al een heel stuk kleiner geworden. De nervus phrenicus valt te herkennen als een puntje met een iets hogere intensiteit. We gingen dus op zoek naar een zwak lichtpuntje in dit zenuwgebied. Niet elk lichtpuntje wordt bovendien door de zenuw veroorzaakt. Alle lichtpuntjes die we vonden, verzamelden we in een grote puntenwolk. Met ons zelfgeschreven algoritme konden we in die puntenwolk dan de nervus phrenicus identificeren."

3,5 millimeter

Het algoritme werd uitgetest op 27 patiënten. "Bij 89% van de patiënten kon EXSAC de zenuw detecteren met een accuraatheid van 3,51 millimeter. De dokter kan de ablatie uitvoeren met een nauwkeurigheid van 1 à 3 millimeter, dus dit is een zeer goed resultaat", aldus Kobe Bamps en Céline Cuypers. "Met het algoritme kan de arts de locatie van de zenuw vóór de ingreep weergeven. Zo weet hij ook precies waar de gevaarlijke punten zijn." Het algoritme wordt wel nog niet meteen in het operatiekwartier gebruikt: eerst moeten er nog medische validaties volgen.