High-SNR Whole-Brain Mesoscale Diffusion MRI Using Rotating-View Acquisitions (ROVER-dMRI)

Het menselijk brein is een landschap van ingewikkelde bedrading, waar miljarden neuronen verbinding maken in patronen die zo fijn zijn dat ze vaak onzichtbaar zijn voor standaard medische beeldvorming. Decennialang hebben artsen en wetenschappers vertrouwd op magnetische resonantiebeeldvorming om deze verbindingen in kaart te brengen, maar de beelden die zij verkrijgen zijn vaak wazig, alsof men naar een gedetailleerd bos kijkt door een dikke mist. Deze wazigheid ontstaat omdat de minuscule meeteenheden die in deze scans worden gebruikt te groot zijn om de delicate draden van neurale paden vast te leggen zonder ze te vermengen met het omliggende weefsel. Om de ware architectuur van het brein te zien, moeten onderzoekers deze meeteenheden verkleinen, maar dat creëert een nieuw probleem: het signaal wordt zo zwak dat het verdwijnt in de statische ruis van het apparaat zelf. Het is een fundamentele afweging in de fysica: hoe kleiner het beeld, hoe stiller het signaal.

Een team van onderzoekers heeft nu een manier gevonden om deze patstelling te doorbreken, waarmee zij een nieuwe methode bieden om de bedrading van het brein met ongekende helderheid te zien, terwijl de scantijd praktisch blijft voor een levend persoon. Hun werk, gepubliceerd in een recente studie, introduceert een techniek genaamd ROVER-dMRI. Deze benadering probeert niet de machine direct kleinere pixels te laten zien. In plaats daarvan neemt het een reeks dikke, ruizige plakjes van de hersenen vanuit veel verschillende hoeken en gebruikt het een geavanceerd computermodel om ze samen te weven tot één scherp, driedimensionaal beeld. Door de kracht van dikke plakjes te combineren met de precisie van roterende aanzichten, hebben de onderzoekers erin geslaagd hoogresolutiekaarten van de hersenconnectiviteit te maken die voorheen onmogelijk op een redelijke tijd te verkrijgen waren.

De kern van deze prestatie ligt in de manier waarop de onderzoekers de problematiek van signaalverlies aanpakten. Bij standaard hersenscans maakt de machine een foto van een dun plakje weefsel. Als je dat plakje dunner maakt om meer detail te krijgen, daalt de hoeveelheid signaal die het opvangt drastisch, waardoor het beeld korrelig en vol ruis wordt. De onderzoekers realiseerden zich dat als ze de plakjes dik zouden houden, ze een sterk, helder signaal konden opvangen, maar dat het beeld wazig zou zijn in de richting van de dikte van het plakje. Om dit op te lossen, verkregen ze deze dikke plakjes niet slechts vanuit één hoek, maar vanuit vele verschillende geroteerde hoeken, vergelijkbaar met het maken van foto's van een object van voren, de zijkant en van boven. Elke hoek biedt een ander perspectief op dezelfde onderliggende structuur. Waar één hoek wazig is, is een andere scherp, en waar de ene hoek ruizig is, bieden de anderen een duidelijker beeld.

Om deze overlappende, geroteerde aanzichten om te zetten in één hoogdefinitiebeeld, maakte het team gebruik van een type kunstmatige intelligentie die bekend staat als een impliciete neurale representatie. Denk hierbij niet aan een standaard computerprogramma dat een afbeelding opslaat als een raster van pixels, maar aan een continue wiskundige functie die de vorm van de hersenen direct uit de data leert. Dit systeem is getraind om te begrijpen dat de hersenen een glad, continu object zijn, waardoor het de hiaten tussen de dikke plakjes met opmerkelijke nauwkeurigheid kan invullen. De onderzoekers hebben dit systeem verbeterd door een laag van fysieke realiteit toe te voegen. Ze programmeerden de computer om precies te begrijpen hoe de magnetische pulsen die bij de scan worden gebruikt, interageren met het hersenweefsel, waardoor wordt gewaarborgd dat het uiteindelijke beeld de ware fysica van het signaal reflecteert in plaats van slechts wiskundige gissingen. Deze natuurkundig geïnformeerde benadering stelde hen in staat om specifieke soorten visuele artefacten te verwijderen die eerdere pogingen tot deze vorm van beeldvorming hadden geteisterd.

De resultaten van deze nieuwe methode zijn opmerkelijk. Wanneer de techniek werd getest op menselijke hersenen, produceerde zij beelden met een resolutie van 0,78 millimeter, een detailniveau dat fijne structuren zoals de korte zenuwvezels die de buitenste lagen van de hersenen verbinden, onthult. In deze beelden konden de onderzoekers duidelijk onderscheid maken tussen verschillende bundels vezels, zelfs waar ze over elkaar heen liepen, een prestatie die met standaard scans vaak onmogelijk is. De helderheid was zo hoog dat de beelden minder ruis vertoonden dan zelfs de beste commerciële scanners die vandaag de dag beschikbaar zijn. Bovendien toonde het team aan dat zij het aantal hoeken dat nodig is om het beeld te creëren met bijna de helft konden verminderen, waardoor de scantijd aanzienlijk werd verkort zonder de fijne details te verliezen. Dit betekent dat een scan die mogelijk meer dan een uur zou duren, in een fractie van die tijd kan worden uitgevoerd, terwijl de complexe microstructuur van de hersenen nog steeds onthuld wordt.

De methode bleek even effectief in andere soorten en bij zelfs hogere resoluties. Bij scans van een apenbrein produceerde de techniek beelden met een resolutie van 0,6 millimeter, wat de kwaliteit van veel langere scans evenaarde, maar in een fractie van de tijd. Wanneer het systeem tot het uiterste werd gedreven op een menselijk brein, bereikte het een resolutie van 0,5 millimeter, waarbij complexe details in de cerebellum en andere diepe hersenstructuren werden onthuld die voorheen onzichtbaar waren. Op dit detailniveau konden de onderzoekers de specifieke oriëntatie van zenuwvezels zien met een helderheid die een veel beter begrip geeft van hoe verschillende delen van de hersenen met elkaar communiceren. De beelden behielden de integriteit van deze paden, waarbij ze coherente verbindingslijnen toonden die niet werden verstoord door de ruis of de beperkingen van de scanningsapparatuur.

Wat deze ontwikkeling bijzonder belangrijk maakt, is dat het geen nieuwe, exotische machine of een compleet ander type scan vereist. De onderzoekers gebruikten standaard magnetische resonantie-hardware, die in ziekenhuizen wereldwijd te vinden is, en veranderden simpelweg de manier waarop de data wordt verzameld en verwerkt. Zij ontwikkelden een aangepaste sequentie van magnetische pulsen die de scanningshoek automatisch kon roteren zonder dat een technicus de patiënt handmatig hoefde te herpositioneren. Deze automatisering verwijdert een grote barrière voor het gebruik van de techniek in een klinische setting. Door de software en de pulssequentie als open-source tools vrij te geven, heeft het team het mogelijk gemaakt voor andere wetenschappers en ziekenhuizen om deze methode onmiddellijk te adopteren.

De implicaties van het kunnen zien van de bedrading van het brein met een dergelijke precisie zijn diepgaand. Veel neurologische aandoeningen gaan gepaard met schade aan deze minuscule, korte verbindingen, die vaak gemist worden door huidige beeldvormingstechnieken. Met deze nieuwe methode kunnen artsen en onderzoekers eindelijk deze subtiele veranderingen bij levende patiënten visualiseren, wat potentieel kan leiden tot vroegere diagnoses en meer gerichte behandelingen. Het vermogen om de connectiviteit van de hersenen in zulke fijne details in kaart te brengen, opent ook nieuwe deuren voor het begrijpen van hoe de hersenen georganiseerd zijn en hoe ze in de loop van de tijd veranderen. De onderzoekers hebben aangetoond dat door anders na te denken over hoe gegevens worden verzameld en gecombineerd, het mogelijk is om de fysieke limieten te overwinnen die de medische beeldvorming al zo lang beperken. De mist is niet alleen opgetrokken; het uitzicht is scherp genoeg geworden om de individuele draden van de menselijke geest te zien.