💻 computer science

Comp2Comp: Open-Source Software with FDA-Cleared Artificial Intelligence Algorithms for Computed Tomography Image Analysis

Comp2Comp is een open-source softwarepakket dat de eerste FDA-goedgekeurde deep learning-algoritmen biedt voor de opportunistische analyse van CT-scans, specifiek voor het meten van de abdominale aorta en het schatten van de botdichtheid.

Oorspronkelijke auteurs: Adrit Rao, Malte Jensen, Andrea T. Fisher, Louis Blankemeier, Pauline Berens, Arash Fereydooni, Seth Lirette, Eren Alkan, Felipe C. Kitamura, Juan M. Zambrano Chaves, Eduardo Reis, Arjun Desai, Marc H

Gepubliceerd 2026-02-12

📖 3 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Adrit Rao, Malte Jensen, Andrea T. Fisher, Louis Blankemeier, Pauline Berens, Arash Fereydooni, Seth Lirette, Eren Alkan, Felipe C. Kitamura, Juan M. Zambrano Chaves, Eduardo Reis, Arjun Desai, Marc H. Willis, Jason Hom, Andrew Johnston, Leon Lenchik, Robert D. Boutin, Eduardo M. J. M. Farina, Augusto S. Serpa, Marcelo S. Takahashi, Jordan Perchik, Steven A. Rothenberg, Jamie L. Schroeder, Ross Filice, Leonardo K. Bittencourt, Hari Trivedi, Marly van Assen, John Mongan, Kimberly Kallianos, Oliver Aalami, Akshay S. Chaudhari

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een dokter bent. Je kijkt naar een CT-scan (een soort 3D-foto van de binnenkant van een patiënt) om te zien of er iets mis is. Normaal gesproken zoek je naar één specifiek probleem, bijvoorbeeld een gebroken been. Maar terwijl je naar die foto kijkt, zie je misschien ook iets anders dat belangrijk is, zoals een zwakke plek in een bloedvat of botten die langzaam broos worden.

Het probleem? Een dokter kan niet elke seconde van elke scan naar alles kijken. Dat kost te veel tijd en energie.

Dit wetenschappelijke artikel introduceert Comp2Comp: een slimme, gratis software (een soort "digitale assistent") die automatisch de scans scant op zoek naar twee verborgen gevaren.

Hier is de uitleg in gewone mensentaal:

1. De Digitale Verrekijker: Wat doet het?

Comp2Comp werkt als een supergeavanceerde verrekijker die over de scans glijdt terwijl de dokter bezig is. Het richt zich op twee belangrijke zaken:

De Aorta-check (AAQ): De aorta is de "snelweg" van je bloedvaten. Soms wordt deze weg te breed (een aneurysma), wat gevaarlijk kan zijn omdat de weg kan knappen. De software meet razendsnel de breedte van deze weg om te zien of hij te groot wordt.
De Bot-check (BMD): Dit kijkt naar de stevigheid van je ruggenwervels. Het is alsof de software de "kwaliteit van het beton" in je skelet controleert om te zien of je risico loopt op botontkalking (osteoporose).

2. Waarom is dit bijzonder? (De "Open Source" Revolutie)

Normaal gesproken is dit soort slimme software heel duur en "geheim". Het is als een recept voor een heerlijke taart dat alleen in een peperduur restaurant wordt gemaakt: je kunt de taart wel kopen, maar je weet niet precies welke ingrediënten erin zitten en je kunt het recept niet zelf gebruiken.

Comp2Comp is anders:

Het is "Open Source": Dit betekent dat de makers het "recept" (de code) gratis aan de hele wereld hebben gegeven. Iedereen kan het zien, testen en verbeteren. Het is als een publiek recept dat iedereen in zijn eigen keuken kan koken.
Het is "FDA-goedgekeurd": Dit is het belangrijkste stempel. Het betekent dat de officiële gezondheidsautoriteiten hebben gezegd: "We hebben dit getest, en het is veilig en nauwkeurig genoeg om echt in het ziekenhuis te gebruiken."

3. Een metafoor om het te begrijpen

Stel je een grote, drukke snelweg voor (je lichaam).

De dokter is de verkeersregelaar die kijkt of er een ongeluk is gebeurd (de reden waarom de patiënt naar het ziekenhuis kwam).
Comp2Comp is een slimme camera langs de weg. Terwijl de verkeersregelaar naar het ongeluk kijkt, scant de camera op de achtergrond automatisch of de weg zelf wel breed genoeg is en of het asfalt niet aan het afbrokkelen is.

Het mooie is dat de camera dit doet zonder dat er extra wegwerkzaamheden (extra scans of extra straling voor de patiënt) nodig zijn. Het gebruikt gewoon de informatie die er al is.

Samenvattend

Dit onderzoek laat zien dat we slimme computerprogramma's kunnen maken die:

Gratis en transparant zijn (iedereen kan meekijken).
Extreem nauwkeurig zijn (net zo goed als een menselijke expert).
Extra ziektes opsporen die anders misschien over het hoofd zouden worden gezien.

Het is een grote stap voorwaarts om technologie niet alleen in de handen van rijke bedrijven te houden, maar het beschikbaar te stellen voor alle ziekenhuizen ter wereld om levens te redden.

Technische Samenvatting: Comp2Comp

Het Probleem: De "Transparantiekloof" in Medische AI

Hoewel kunstmatige intelligentie (AI) de extractie van biomarkers uit bestaande CT-scans (opportunistische screening) mogelijk maakt, kampt de sector met twee grote barrières:

Commerciële ondoorzichtigheid: Veel FDA-goedgekeurde AI-oplossingen zijn "closed-source". Klinici kunnen de algoritmen niet volledig valideren op hun eigen patiëntenpopulaties of specifieke workflows, wat leidt tot een gebrek aan vertrouwen en risico's bij implementatie.
Gebrek aan validatie bij Open-Source: Veel open-source oplossingen missen de rigoureuze klinische validatie die nodig is voor medisch gebruik.

Dit creëert een kloof tussen de behoefte aan transparante, bruikbare tools en de huidige markt van gesloten, dure software.

Methodologie: Het Comp2Comp Platform

De onderzoekers presenteren Comp2Comp, een open-source softwareplatform dat twee specifieke deep learning-pipelines bevat die beide de FDA 510(k)-goedkeuring hebben ontvangen. Het platform maakt gebruik van de nnU-Net architectuur voor segmentatie.

De twee kernmodules zijn:

Abdominal Aortic Quantification (AAQ):
- Doel: Automatische meting van de maximale diameter van de abdominale aorta om aneurysma's (AAA) op te sporen.
- Workflow: De pipeline filtert axiale series, segmenteert de L1-L5 wervelkolom (via TotalSegmentator) om de thoracale aorta uit te sluiten, segmenteert de aorta in 3D, en berekent de grootste minor axis (korte as) van de elliptische dwarsdoorsnede om meetfouten door schuine doorsneden te minimaliseren.
- Training: Getraind op 1804 CT-scans, waarbij een dataset van Stanford (met complexe aneurysma's en trombus) werd gebruikt via upsampling om de nauwkeurigheid bij pathologische gevallen te vergroten.
Bone Mineral Density (BMD) Estimation:
- Doel: Schatting van de trabeculaire botdichtheid in de lumbale wervels (L1-L4) om osteoporose/osteopenie te identificeren.
- Workflow: De pipeline segmenteert de wervels, extraheert de Hounsfield Units (HU), en voert een twee-punts kalibratie uit met behulp van visceraal vetweefsel (VAT) en lucht om de radiodichtheid te normaliseren. Dit resulteert in een geschatte T-score.
- Classificatie: Een binaire classifier bepaalt of de dichtheid "normaal" of "laag" (osteopenisch) is op basis van een drempelwaarde van -1.0.

Belangrijkste Bijdragen

Eerste Open-Source FDA-gevalideerde AI: Het is een van de eerste keren dat volledig open-source deep learning-pipelines (inclusief modelgewichten) beschikbaar worden gesteld die voldoen aan FDA-standaarden.
Transparantie: Alle cruciale data en statistische eindpunten die naar de FDA zijn ingediend, zijn in het manuscript opgenomen.
Permissieve Licentie: Het platform gebruikt de Apache License 2.0, wat commercieel en niet-commercieel gebruik, modificatie en distributie toestaat.

Resultaten

De validatie vond plaats op diverse externe datasets van meerdere instellingen:

AAQ Resultaten:
- Mean Absolute Error (MAE): 1,57 mm (binnen de acceptabele grens van 2,0 mm).
- Correlatie: Een zeer hoge intraclass correlation coefficient (ICC) van 0,983 vergeleken met radiologen.
- Subgroep-observatie: De nauwkeurigheid was lager bij patiënten met endovasculaire grafts en bij scans met een zeer lage kVp (<100).
BMD Resultaten:
- Sensitiviteit: 81,0% (boven de drempel van 70%).
- Specificiteit: 78,4% (boven de drempel van 70%).
- Correlatie: Een Pearson correlatie ( $r$ ) van 0,791 tussen de geschatte CT-dichtheid en de DXA-gouden standaard (boven de vereiste 0,70).

Significantie en Conclusie

Comp2Comp transformeert de manier waarop opportunistische screening kan worden toegepast. Door de software gratis en transparant beschikbaar te stellen, kunnen ziekenhuizen de algoritmen testen voordat ze kostbare klinische pilots starten. Het biedt onderzoekers wereldwijd toegang tot "best-in-class" methoden en zet een nieuwe standaard voor transparantie in de ontwikkeling van AI-medische hulpmiddelen. Het platform kan de vroege detectie van levensbedreigende aandoeningen (zoals aorta-aneurysma's en osteoporose) verbeteren zonder extra stralingsbelasting of kosten voor de patiënt.