
Multiple sclerose (MS) is een ernstige ontstekingsaandoening van het centrale zenuwstelsel (CZS) die wereldwijd ongeveer 2,5 miljoen mensen treft. Het komt vaker voor bij vrouwen, wordt meestal gediagnosticeerd in de leeftijd van 30 tot 40 jaar, en kan de levensverwachting met 5 tot 10 jaar verkorten. Hoewel MS zelden fataal is, kunnen de gevolgen voor iemands leven ingrijpend zijn, wat wijst op de noodzaak van uitgebreide behandeling en ondersteuning.
De meeste studies over MS richten zich op de rol van lymfocyten en andere immuuncellen bij de ziekte. Er is echter weinig aandacht besteed aan rode bloedcellen (erytrocyten), die mogelijk ook een belangrijke rol spelen in de ontwikkeling van MS.
Kunstmatige intelligentie (AI) heeft veel potentieel getoond in medische beeldvorming voor het analyseren van bloedcellen, waardoor een nauwkeurige en efficiënte diagnose van verschillende aandoeningen mogelijk wordt via geautomatiseerde beeldanalyse.
Met dit project hebben we als doel een AI-pijplijn te implementeren op basis van Deep Learning (DL)-algoritmen om MS-bloedcellen en gezonde bloedcellen te classificeren. Daarbij gebruiken we bijvoorbeeld de transfer learning-benadering.
We voeren het onderzoek uit binnen het lectoraat Data Driven Smart Society (DDSS) van Hogeschool Inholland, waarin we ons richten op het benutten van big data met behulp van geavanceerde software en rekenkracht. In dit project werken docent-onderzoekers en studenten uit AI-gerelateerde opleidingen samen aan het ontwikkelen van slimme modellen die microscoopbeelden van bloed kunnen analyseren.
We beginnen met een literatuurstudie om bestaande AI-modellen te vinden die geschikt zijn voor het classificeren van bloedcellen bij MS. Vervolgens trainen we bestaande (voorgeleerde) modellen via transfer learning en ontwikkelen we op maat gemaakte modellen. Hierbij worden hyperparameters afgestemd en datasets zorgvuldig gelabeld.
We betrekken studenten van Informatica, Information Technology en Applied Mathematics actief bij het formuleren van onderzoeksvragen, het bouwen van modellen en het evalueren van de prestaties. Ze leren hoe ze neurale netwerken kunnen toepassen op beelddata en hoe ze de resultaten kunnen interpreteren en vergelijken. Studenten werken via minors aan het vraagstuk en er is een afstudeerder betrokken.
Tot slot delen we de bevindingen via technische rapporten, wetenschappelijke artikelen en presentaties. Zo profiteert zowel het onderwijs als het werkveld van de opgedane kennis.
Het vraagstuk is afkomstig van RR Mechatronics, een bedrijf in Noord-Holland dat medische instrumenten ontwikkelt voor het analyseren van bloedcellen. Samen met hun medewerkers en studenten van Inholland onderzoeken we hoe MS in een vroeg stadium kan worden ontdekt in bloed. Hierbij maken we gebruik van hun eigen meetinstrument, de Lorrca, dat eigenschappen van bloedcellen analyseert.
RR Mechatronics verzamelt microscoopbeelden van bloed en zorgt voor de kwaliteit ervan. Deze beelden analyseren we met behulp van kunstmatige intelligentie (AI), om sneller en nauwkeuriger te bepalen of iemand MS heeft of gezond is.
Het bedrijf wil vooroplopen in de ontwikkeling van nieuwe analysetechnieken en ziet bloed als een belangrijke factor in het verloop en de behandeling van MS en andere hersenaandoeningen. Door AI te combineren met hun bestaande technologie hopen ze in de toekomst betere hulpmiddelen te bieden aan artsen en patiënten.
Daarnaast biedt dit project kansen voor nieuwe samenwerkingen en vervolgonderzoek, waarmee de kennis over MS en bloed verder wordt uitgebreid.
We integreren de resultaten van dit project in het curriculum van de opleidingen Informatica, Technische Informatica en de minor Kunstmatige Intelligentie (AI). Studenten krijgen de mogelijkheid om aan opdrachten te werken die verband houden met dit project. Ze leren geavanceerde AI-technieken en doen ervaring op met internationaal wetenschappelijk onderzoek, terwijl ze ook inzicht krijgen in hoe commerciële, onderzoeksgerichte bedrijven hun productontwikkelingsstrategie bepalen.
We delen de resultaten van dit project via een toonaangevende publicatie in een IEEE AI-tijdschrift of een neurologiegerelateerd tijdschrift. Daarnaast werken we aan een workshop of demonstratie voor collega’s van RRM, collega’s van Inholland en nationale en internationale vakgenoten tijdens een conferentie.