Tomosynthese van de borst
Borsttomosynthese, ook wel bekend als 3D-mammografie, is een uitbreiding van de traditionele 2D-mammografie en biedt een gedetailleerder beeld van het borstweefsel.
Bij conventionele mammografie, waarbij de borst wordt samengedrukt en er vanuit twee hoeken een opname wordt gemaakt, kan overlappend borstweefsel kleine afwijkingen verhullen of leiden tot vals positieven.
Bij een tomosynthese wordt de borst op eenzelfde manier gepositioneerd en samengedrukt. In plaats van één opname te maken, beweegt de röntgenbuis in een boog over de borst en maakt meerdere opnames vanuit verschillende hoeken met een lage dosis straling. Deze opnames worden vervolgens door de computer verwerkt tot een 3D-beeld. Dit stelt de radioloog in staat om het borstweefsel laag voor laag te onderzoeken, waardoor overlappend borstweefsel minder invloed heeft en mogelijke afwijkingen sneller en duidelijker zichtbaar worden.
De stralingsdosis van tomosynthese valt binnen de geldende dosislimieten die zijn vastgesteld voor medische beeldvorming.
Artificiële intelligentie
Het gebruik van artificiële intelligentie (AI) in de radiologie heeft het potentieel om het vakgebied ingrijpend te veranderen en de diagnostische mogelijkheden te verbeteren. AI-algoritmen kunnen medische beeldvorming analyseren met een uitzonderlijke nauwkeurigheid en snelheid, waardoor radiologen worden ondersteund bij het detecteren en interpreteren van afwijkingen.
Binnen onze praktijk maken we gebruik van geavanceerde AI-oplossingen. Voor de analyse van tomosynthesebeelden vertrouwen we op iCAD, terwijl BoneView ons ondersteunt bij het detecteren van fracturen, dislocaties en botletsels. Daarnaast zetten we ChestView in om longnodules, consolidaties, mediastinale massa’s, pleurale effusies en pneumothorax op te sporen. Door deze AI-tools te integreren in onze workflow kunnen we afwijkingen nauwkeuriger en sneller identificeren, wat leidt tot een verbeterde zorgkwaliteit voor de patiënt.
UGAP, een kwantitatieve methode voor het beoordelen van leversteatose
De prevalentie van niet-alchoholische leversteatose (NAFLD) neemt wereldwijd toe als gevolg van de groeiende obesitasproblematiek. Onder de verschillende vormen van NAFLD krijgt niet-alchoholische steatohepatitis (NASH) veel aandacht, omdat het kan leiden tot leverfibrose, levercirrose en de ontwikkeling van een hepatocellulair carcinoma. Preventie van NAFLD en vroegtijdige detectie van complicaties zijn van cruciaal belang.
Traditioneel werd een leverbiopsie beschouwd als de gouden standaard voor de diagnose en beoordeling van leversteatose. Deze methode heeft echter nadelen, zoals invasiviteit, een klein steekproefvolume en ongemak voor de patiënt. Meer recentelijk is MR-protonendichtheidsmeting (PDFF) geaccepteerd als een niet-invasieve referentiestandaard, maar beperkte toegang en hoge kosten belemmeren het wijdverspreid gebruik ervan, met name voor regelmatige vervolgonderzoeken.
| Steatosis Grade | Fatty Transformed Hepatocytes |
| 0 Normal liver | < 5% |
| 1 Mild | 5-33% |
| 2 Moderate | 33-66% |
| 3 Severe | > 66% |
De echogeniciteit van de lever op (B-mode) echografie wordt veel gebruikt voor de detectie van leververvetting. Deze techniek heeft echter enkele beperkingen zoals hoge interobservervariatie, lage gevoeligheid voor detectie van milde vetophoping (levervetgehalte <20%) en verminderde nauwkeurigheid bij patiënten met leverfibrose.
Er is dus een sterke behoefte aan de ontwikkeling van nieuwe, betaalbare en niet-invasieve technieken. UGAP (Ultrasound-Guided Attenuation Parameter) is een recent ontwikkelde kwantitatieve methode voor het beoordelen van leversteatose, die gebruikmaakt van de demping van geluidsgolven. Op basis van de verzamelde gegevens wordt een score toegekend die de mate van leververvetting aangeeft. Deze score varieert van S0 (geen leververvetting) tot 3 (ernstige leververvetting).