Co-registratie: hoe computers verschillende scans van hetzelfde lichaam laten samenvallen
Stel je voor dat je twee doorzichtige vellen hebt met informatie over dezelfde stad: op het ene vel staat een plattegrond met straten en huisnummers, op het andere een warmtebeeld dat laat zien waar het die nacht het warmst was. Pas als je beide vellen precies over elkaar legt, zodat elke straat op de kaart overeenkomt met dezelfde straat op het warmtebeeld, kun je zien welke wijk het warmst is en hoe die wijk heet. Co-registratie is precies dat principe, maar dan toegepast op medische scans van het menselijk lichaam.
In de praktijk gaat het meestal om twee of meer scans van dezelfde patiënt die met verschillende apparaten zijn gemaakt, bijvoorbeeld een MRI-scan (die zacht weefsel goed toont) en een PET-scan (die laat zien waar cellen extra actief zijn, zoals bij een tumor). Co-registratie is de rekenkundige bewerking waarmee een computer die twee beelden zo uitlijnt dat een bepaald punt in het ene beeld exact overeenkomt met hetzelfde punt in het andere beeld. Zonder die stap zou een arts appels met peren vergelijken: de scans zijn namelijk vaak op een ander moment, in een andere houding of met een ander apparaat gemaakt.
Wat is het precies?
Elke scanner legt een lichaam op zijn eigen manier vast. Een CT-scanner (computertomografie, een soort 3D-röntgenfoto) gebruikt röntgenstraling en is goed in het tonen van botten. Een MRI-scanner gebruikt magnetische velden en toont zacht weefsel juist heel gedetailleerd. Een PET-scanner (positronemissietomografie) spuit een licht radioactieve stof in en registreert waar in het lichaam die stof actief wordt afgebroken, wat vaak duidt op verhoogde celactiviteit zoals bij kanker.
Het probleem is dat deze apparaten elk hun eigen coördinatenstelsel hanteren. De patiënt ligt niet exact even recht, ademt anders, of de scan is op een andere dag gemaakt waarbij een orgaan een paar millimeter is verschoven. Co-registratie-software lost dit op door in beide beelden herkenbare punten of structuren te zoeken, zoals de rand van een bot of een duidelijk orgaancontour, en vervolgens één van de beelden wiskundig te verschuiven, te draaien, uit te rekken of te krimpen totdat deze zo goed mogelijk samenvalt met het andere beeld.
Daarbij wordt onderscheid gemaakt tussen twee hoofdtypen. Bij rigide registratie wordt een beeld alleen verschoven en gedraaid, zonder vervorming; dit werkt goed voor harde structuren zoals de schedel, die niet van vorm veranderen. Bij niet-rigide of elastische registratie mag het beeld ook lokaal worden uitgerekt of samengedrukt, nodig voor zachte organen die wel vervormen, zoals de lever die meebeweegt met de ademhaling. De software gebruikt hiervoor algoritmen die automatisch zoeken naar de beste overlap, vaak door te kijken naar overeenkomende helderheidspatronen (een methode die 'mutuele informatie' heet) in plaats van dat een mens handmatig punten moet aanwijzen.
Wat wil men ermee bereiken?
Het uiteindelijke doel is simpel: de sterke punten van verschillende technieken combineren tot één betrouwbaar totaalbeeld. Een MRI-scan toont precies waar een gezwel zit, maar niet altijd of het kwaadaardig is; een PET-scan toont juist waar verhoogde activiteit is, maar is wazig over de exacte locatie. Door beide beelden te co-registreren, ontstaat een gecombineerd beeld waarin de arts in één oogopslag ziet: hier zit het gezwel, en dit specifieke stukje ervan is actief.
Deze precisie is ook cruciaal bij behandelingen. Bij bestralingstherapie tegen kanker moet een stralingsbundel het tumorweefsel raken en gezond weefsel zoveel mogelijk sparen. Planningsartsen gebruiken co-registratie om een CT-scan (nodig om de stralingsdosis te berekenen) te combineren met een MRI-scan (die de tumorgrenzen beter laat zien), zodat de bestraling nauwkeuriger kan worden gericht.
Daarnaast speelt co-registratie een grote rol in onderzoek. Wetenschappers die bijvoorbeeld de hersenen bestuderen, willen scans van honderden verschillende mensen met elkaar vergelijken, of een scan van vandaag vergelijken met een scan van een jaar geleden om te zien hoe een ziekte zich ontwikkelt. Dat kan alleen als alle scans eerst zijn uitgelijnd op een gemeenschappelijk referentiepunt. Co-registratie is daarmee een onmisbare, meestal onzichtbare stap die aan de basis staat van veel precisiegeneeskunde en hersenonderzoek.
Voorbeelden uit de praktijk
Een van de meest bekende toepassingen zijn hybride PET-CT-scanners, die sinds begin jaren 2000 in ziekenhuizen staan. Deze apparaten maken beide scans vrijwel tegelijk, in dezelfde houding, waardoor de co-registratie veel eenvoudiger en nauwkeuriger is dan wanneer de scans los van elkaar worden gemaakt. Rond 2010-2011 kwamen de eerste klinische PET-MRI-scanners beschikbaar, die hetzelfde principe toepassen maar dan met de gedetailleerdere weefselbeelden van MRI.
In de neurochirurgie wordt al sinds de jaren negentig gebruikgemaakt van neuronavigatiesystemen, zoals die van het Duitse bedrijf Brainlab of het Amerikaanse Medtronic. Tijdens een hersenoperatie co-registreert zo'n systeem de preoperatieve MRI-scan met de werkelijke positie van de chirurgische instrumenten, zodat de chirurg op een scherm precies ziet waar de punt van zijn instrument zich bevindt ten opzichte van de tumor.
Het Amerikaanse Human Connectome Project (2009-2015, gefinancierd door de National Institutes of Health en uitgevoerd door onder meer Washington University in St. Louis en de University of Minnesota) co-registreerde structurele, functionele en diffusie-MRI-scans van meer dan duizend vrijwilligers om een gedetailleerde kaart van de menselijke hersenbedrading te maken.
Het Allen Institute for Brain Science in Seattle bouwt sinds 2003 digitale hersenatlassen van muizen en mensen, waarbij microscopische weefselbeelden worden co-geregistreerd met 3D-MRI-scans om te laten zien welk gen in welk exact hersengebied actief is.
Tot slot is co-registratie standaardpraktijk bij radiotherapieplanning in vrijwel elk oncologisch centrum wereldwijd, waar CT- en MRI-beelden van tumoren dagelijks worden samengevoegd om bestralingsplannen op te stellen.
Hoe ver is de techniek?
Rigide co-registratie, zoals het uitlijnen van twee hersenscans van dezelfde persoon, is inmiddels een volwassen techniek die in de meeste ziekenhuizen vrijwel automatisch en met hoge nauwkeurigheid verloopt. Dit is al decennia gangbare klinische praktijk.
Niet-rigide of elastische registratie van zachte, bewegende organen is aanzienlijk moeilijker en nog altijd een actief onderzoeksgebied. De lever, longen en darmen veranderen voortdurend van vorm door ademhaling, hartslag en spijsvertering, waardoor het co-registreren van bijvoorbeeld een buikscan van vandaag met een scan van vorige maand foutgevoelig blijft. Er is geen garantie dat de software elk punt perfect correct uitlijnt; kleine fouten van een paar millimeter komen voor en kunnen bij zeer precieze toepassingen, zoals bestraling rond gevoelige structuren, van belang zijn.
De afgelopen jaren is er duidelijke vooruitgang geboekt door het gebruik van deep learning (een vorm van kunstmatige intelligentie die patronen leert uit grote hoeveelheden trainingsdata). AI-modellen kunnen co-registratie sneller en soms nauwkeuriger uitvoeren dan klassieke algoritmen, vooral bij complexe, vervormende weefsels. Deze modellen worden echter nog voornamelijk in onderzoekssettings gevalideerd en zijn nog niet overal de klinische standaard.
Real-time co-registratie tijdens operaties, waarbij het beeld continu wordt bijgewerkt terwijl de chirurg beweegt of weefsel verschuift, wordt steeds vaker toegepast maar vraagt veel rekenkracht en blijft technisch uitdagend, zeker wanneer organen tijdens de ingreep zelf van vorm veranderen.
Wie werken eraan?
Grote fabrikanten van medische beeldvormingsapparatuur zoals Siemens Healthineers, GE Healthcare, Philips en Canon Medical Systems bouwen co-registratiesoftware standaard in hun scanners en planningssystemen in. Op het gebied van neuronavigatie zijn Brainlab (Duitsland) en Medtronic (Verenigde Staten) toonaangevende leveranciers voor operatiekamers.
In onderzoeksland speelt het Allen Institute for Brain Science in Seattle een centrale rol in hersenatlasprojecten, terwijl het door de Amerikaanse National Institutes of Health (NIH) gefinancierde Human Connectome Project-consortium, met onder meer Washington University en de University of Minnesota, een belangrijke bijdrage heeft geleverd aan de hersenwetenschap. In Europa draagt het Human Brain Project, een groot EU-onderzoeksinitiatief, bij aan vergelijkbare technieken voor het in kaart brengen van hersenstructuren.
Daarnaast zijn academische ziekenhuizen en afdelingen medische fysica over de hele wereld, waaronder in Nederland diverse universitaire medische centra, actief betrokken bij het verder verfijnen van co-registratiemethoden voor dagelijks klinisch gebruik.