CT-based Radiomics Nomogram Integrating Multi-regional Features for Preoperative Prediction of Neurological Recovery After Anterior Controllable Antedisplacement and Fusion in Cervical OPLL

De menselijke wervelkolom is een opmerkelijke technische prestatie, een flexibele kolom van bot en weefsel die het kwetsbare ruggenmerg beschermt dat er door het midden loopt. Soms gaan de eigen herstelmechanismen van het lichaam echter mis. Bij een aandoening die bekend staat als ossificatie van het posterieure longitudinale ligament, verandert het ligament dat langs de achterkant van de nekwervels loopt langzaam in hard bot. Dit extra bot groeit naar binnen en drukt tegen het ruggenmerg aan, als een langzaam bewegende muur. Voor veel patiënten leidt dit tot een progressief verlies van gevoel, kracht en coördinatie in de armen en benen. Hoewel chirurgie de druk kan wegnemen, is de uitkomst niet gegarandeerd. Sommige patiënten herstellen hun volledige functie, terwijl anderen achterblijven met aanhoudende zwakte. De uitdaging voor chirurgen is al lang om naar een patiënt te kijken vóór de operatie en te weten wie er weer zal opbloeien en wie niet.

Jarenlang hebben artsen vertrouwd op standaardmetingen om deze voorspellingen te doen, zoals hoe lang een patiënt al aan de ziekte lijdt of hoeveel ruimte het bot inneemt in het wervelkanaal. Toch geven deze traditionele aanwijzingen vaak slechts een vaag beeld. Ze kunnen de subtiele biologische verschillen binnen het bot zelf niet zien of hoe de harde massa interageert met het omliggende weefsel. Een nieuwe studie van onderzoekers in China suggereert dat het antwoord ligt in het veel nauwkeuriger bekijken van de beelden die artsen al maken. Door een computer te gebruiken om duizenden minuscule details in standaard CT-scans te analyseren — details die te klein zijn voor het menselijk oog — heeft het team een nieuwe tool gebouwd die het herstel met veel grotere nauwkeurigheid kan voorspellen.

De onderzoekers richtten zich op een specifieke chirurgische techniek genaamd anterior controllable antedisplacement and fusion, of ACAF. Dit is een complexe procedure waarbij chirurgen de gehele blok abnormaal bot voorzichtig naar voren duwen, weg van het ruggenmerg, en vervolgens de wervels aan elkaar fusioneren om het op zijn plaats te houden. Het is een zeer effectieve methode, maar het herstel van de zenuwfunctie varieert enorm van persoon tot persoon. Om dit te begrijpen, bestudeerde het team 280 patiënten die deze operatie ondergingen in één enkel ziekenhuis tussen 2017 en 2024. Ze verdeelden deze patiënten in twee groepen: een grotere groep om een voorspellingsmodel te bouwen en een kleinere groep om te testen hoe goed dat model werkte.

In plaats van alleen naar de grootte van het bot te kijken, vroegen de onderzoekers de computer om vier afzonderlijke gebieden in de CT-scans te onderzoeken. Ze keken naar de gehele massa van het nieuwe bot, het harde, volwassen centrum van die massa, de zachtere, actieve randen waar het bot nog aan het groeien is, de wervels zelf, en een dunne zone van drie millimeter waar het bot het wervellichaam ontmoet. Met behulp van een methode genaamd radiomics extraheerde de computer meer dan duizend wiskundige kenmerken uit deze gebieden, waarbij zaken als de textuur, dichtheid en vorm van de weefsels werden gemeten. Het was alsof men de computer vroeg om de nerf van een stuk hout te beschrijven in plaats van alleen de lengte ervan.

Het team gebruikte vervolgens een rigoureus proces om de weinige kenmerken te vinden die er echt toe doen. Ze testten het vermogen van de computer om herstel te voorspellen door de voorspellingen te vergelijken met de werkelijke uitkomsten van de patiënten één jaar na de operatie. Ze ontdekten dat de belangrijkste aanwijzingen niet de grootte van het bot waren, maar eerder de textuur van de actieve randen en de dichtheidsvariaties in de dunne zone waar het bot de wervel ontmoet. Patiënten wiens scans een meer chaotische textuur aan de rand van het bot vertoonden of een ongelijkmatige dichtheid bij de interface, hadden een grotere kans op een slechter herstel. Deze bevindingen suggereren dat de biologische activiteit aan de voorkant van het groeiende bot en hoe stevig het vastzit aan de omliggende structuren cruciale factoren zijn in de mate waarin de zenuwen kunnen genezen zodra de druk wordt weggenomen.

Door deze beeldvormende aanwijzingen te combineren met standaard patiëntinformatie, zoals de score van de zenuwfunctie vóór de operatie, creëerden de onderzoekers een visuele grafiek genaamd een nomogram. Dit hulpmiddel stelt een arts in staat om de specifieke gegevens van een patiënt in te voeren en een gepersonaliseerde waarschijnlijkheid van een goed herstel te ontvangen. Bij tests bleek dit nieuwe instrument aanzienlijk beter in het doen van voorspellingen dan wanneer alleen de medische geschiedenis van de patiënt wordt gebruikt. Het model werd ontworpen om stabiel te zijn, wat betekent dat het waarschijnlijk consistente resultaten zal geven, zelfs als de gegevens iets verschillen, en de onderzoekers gebruikten geavanceerde statistische controles om te waarborgen dat de computer de antwoorden niet simpelweg uit het hoofd had geleerd.

De studie onderzocht ook of de leeftijd van een patiënt een belangrijke factor was. Hoewel oudere patiënten vaak meer complexe gezondheidsproblemen hebben, toonde de analyse aan dat de gedetailleerde kenmerken gevonden in de CT-scans feitelijk informatiever waren dan de leeftijd zelf. De computer kon de biologische tekenen van veroudering en ziekteprogressie binnen de botstructuur detecteren die een simpel getal op een geboortebewijs niet kon onthullen. Dit suggereert dat de toekomst van de chirurgische planning kan liggen in deze verborgen patronen binnen medische beelden.

De onderzoekers merken echter voorzichtig op dat dit hulpmiddel nog in een vroeg stadium verkeert. De studie werd uitgevoerd in één enkel ziekenhuis en de computermodellen werden getraind op gegevens van die specifieke locatie. Voordat deze methode routinematig in ziekenhuizen wereldwijd kan worden gebruikt, moet deze worden getest op veel grotere groepen patiënten uit verschillende centra en met verschillende soorten CT-scanners. Het huidige proces vereist ook dat een chirurg de gebieden van belang handmatig omlijnt op de scan, wat tijd kost. Het uiteindelijke doel is om volledig geautomatiseerde systemen te ontwikkelen die dit direct kunnen doen. Voor nu biedt dit werk een veelbelovend vooruitzicht op een toekomst waarin de subtiele taal van medische beelden artsen kan helpen om patiënten naar de best mogelijke uitkomst te begeleiden, waardoor een complex biologisch puzzelstuk wordt omgezet in een helderder pad vooruit.