Snel en juist ingrijpen is cruciaal bij beroerte interventies. Hoe zou een betere beeldanalyse radiologen daarbij kunnen ondersteunen? Die vraag staat centraal in het onderzoek van Frank te Nijenhuis, promovendus bij de ICAI Stroke Lab van het Erasmus MC. Hij won hiervoor de Ziedses des Plantes-Philipsprijs 2026.

Na studies geneeskunde en computer science in Groningen, wilde Frank dolgraag stagelopen in het Erasmus MC, het ziekenhuis met de grootste afdeling radiologie van Nederland. Met zijn achtergrond als arts en computerwetenschapper is hij inmiddels ruim drie jaar uitstekend op zijn plek in de Biomedical Imaging Group Rotterdam. Hier doet hij onderzoek naar beeldanalyse bij behandeling van beroerte. 

Het idee voor het onderzoek naar de impact van betere beeldanalyse ontstond tijdens een vergadering van de supervisie commissie van het PhD-team. “In die commissie heeft een neuro-interventieradioloog zitting die veel beroerte interventies doet”, vertelt Frank. “We zaten te brainstormen over wat haar zou kunnen helpen bij haar werk. Zo ontstond het idee om de veranderingen in bloedvaten zichtbaar te maken op de DSA-beelden met behulp van een computerprogramma.” Met dit idee ging Marten Leenders, een MSc student van de TU Delft, onder begeleiding van Frank aan de slag.

Doorbloeding in beeld

DSA staat voor Digitale Subtractie Angiografie, een techniek die veel wordt gebruikt om de doorbloeding in de hersenen in beeld te brengen. Hierbij worden twee röntgenbeelden – een gemaakt voor en een gemaakt na toediening van contrastvloeistof – over elkaar heen gelegd om de bloedvaten zichtbaar te maken. “Bij beroerte interventies maakt de radioloog DSA-beelden voor en na een ingreep, om te checken of een prop volledig is verwijderd, alle bloedvaten open zijn en er geen nieuwe vernauwingen zijn. Bij het verwijderen van een stolsel kan een deel namelijk losraken en in een ander deel van de hersenen komen”, legt Frank uit. “De vergelijking van de beelden gebeurt meestal handmatig. Dat kan tijdrovend en foutgevoelig zijn. Bovendien is het subjectief – radiologen kunnen de beelden verschillend interpreteren. In het onderzoek bekeken we of inzet van een computer kan helpen bij deze drie aspecten.”

Meer vertrouwen in oordeel

Een computerprogramma dat ontwikkeld was door Marten Leenders, werd ingezet en beoordeelde DSA-beelden uit het archief van CONTRAST (een Nederlands consortium voor onderzoek naar beroerte) voor doorbloeding. Het programma gaf met behulp van kleuren aan waar bloedvaten verdwenen of verschenen. Met deze geannoteerde beelden deed het team een steekproef: “We lieten twee radiologen onafhankelijk van elkaar eerst de originele beelden en daarna de beelden met annotatie van de computer bekijken. Daarbij zagen we dat in het geval van uitersten – dus als een bloedprop volledig was weggehaald of als de behandeling juist niet voor verbetering had gezorgd – de computerbeelden de radioloog meer vertrouwen gaven in hun oordeel. In andere gevallen leek er ook meer overeenstemming te zijn tussen radiologen na het bekijken van de computerbeelden maar de verschillen waren te klein om significant te noemen.”

Een andere interessante uitkomst was dat radiologen na het bestuderen van de computerbeelden meer gemiste nieuwe gebieden herkenden. “De aandacht is vaak gericht op het deel van de hersenen waar de beroerte is ontstaan”, licht Frank toe. “Een klein propje in een ander deel kan dan over het hoofd worden gezien. Dat de computer aangedane vaten met een kleur aangeeft, maakt het makkelijker te zien. We zagen dat radiologen naarmate de steekproef vorderde, dit soort gebieden ook sneller in de originele beelden gingen herkennen.”

Interactie mens-machine

Het onderzoek is een belangrijke stap in een meerjarig project om vertrouwenskwesties rondom het gebruik van automatisering en kunstmatige intelligentie (AI) in het ziekenhuis op te lossen. “Automatisering en AI komen op allerlei manieren het ziekenhuis binnen”, zegt Frank. “Het is belangrijk dat mensen vertrouwen krijgen in deze tools en ze willen gebruiken ter ondersteuning van hun werk. Dit onderzoek combineert beeldvorming en beroertezorg, een vakgebied waarin snelheid van cruciaal belang is. Dat maakt het interessant qua interactie tussen mens en machine.”

Rapid and adequate intervention is crucial in stroke procedures. How can improved image analysis support radiologists in this process? This question lies at the heart of the research conducted by Frank te Nijenhuis, a PhD candidate at the ICAI Stroke Lab at Erasmus MC. For this work, he was awarded the Ziedses des Plantes Philips Prize 2026.

After studying medicine and computer science in Groningen, Frank was very keen to undertake an internship at Erasmus MC, the hospital with the largest radiology department in the Netherlands. With his background as a physician and computer scientist, he has now been working for over three years in the Biomedical Imaging Group Rotterdam, where he focuses on image analysis in stroke treatment.

The idea for the study on the impact of improved image analysis emerged during a meeting of the PhD supervision committee. “A neurointerventional radiologist who performs many stroke procedures is part of that committee,” Frank explains. “We were brainstorming about what could help her in her work. That is how the idea arose to make changes in blood vessels visible in DSA images using a computer program.” With this idea, Marten Leenders, an MSc student at TU Delft, began working under Frank’s supervision.

Visualizing blood flow

DSA stands for Digital Subtraction Angiography, a technique widely used to visualize cerebral blood flow. It involves overlaying two X-ray images, one taken before and one after the administration of contrast agent, to make blood vessels visible.

“In stroke interventions, the radiologist takes DSA images before and after a procedure to check whether a clot has been completely removed, whether all blood vessels are open, and whether no new narrowings have developed,” Frank explains. “When removing a clot, a fragment can break off and travel to another part of the brain.”

Comparing these images is usually done manually, which can be time-consuming and prone to error. It is also subjective, as radiologists may interpret the images differently. “In our study, we examined whether the use of a computer could help address these three aspects.”

Greater confidence in assessment

A computer program developed by Marten Leenders was used to analyze DSA images from the CONTRAST archive - a Dutch consortium for stroke research - for blood flow. The program used color-coding to indicate where blood vessels had disappeared or appeared.

“We asked two radiologists to independently review first the original images and then the computer-annotated images. We observed that in extreme cases, when a clot had been completely removed or when the treatment had not led to improvement, the computer-generated images gave radiologists greater confidence in their assessments. In other cases, there also appeared to be more agreement between radiologists after viewing the annotated images, but the differences were too small to be statistically significant.”

Another interesting finding was that radiologists identified more previously missed areas after reviewing the computer-generated images. “Attention is often focused on the part of the brain where the stroke originated,” Frank explains. “A small clot in another area can easily be overlooked. When the computer highlights affected vessels with color, they become easier to detect.”

We also observed that, as the study progressed, radiologists began to recognize these areas more quickly in the original images as well.

Human-machine interaction

This research represents an important step in a multi-year project aimed at addressing trust-related issues surrounding the use of automation and artificial intelligence, AI, in hospitals.

“Automation and AI are entering hospitals in many different ways,” says Frank. “It is important that people develop trust in these tools and are willing to use them to support their work. This research combines imaging and stroke care, a field in which speed is critical, making it particularly interesting in terms of human-machine interaction.”

Collaboration

Within the ICAI Stroke Lab, Frank and other PhD candidates collaborate to improve the stroke care pathway using automation and AI. “We each have our own area of focus, from pre-hospital care to rehabilitation, but we also work closely together to improve care across the entire pathway.”

Collaboration also played a key role in winning the Ziedses des Plantes Philips Prize. “A great number of people contributed to making this kind of research possible. It is therefore a valuable recognition for the entire team, from researchers to PhD candidates and students, who all play their part.”