Studie ter vergelijking van twee beeldverwervingstechnieken voor echografie bij zwangerschapsonderzoek in het tweede trimester (Echo-IA) (Echo-IA)

Het morfologie-echo-onderzoek in het tweede trimester is een sleutelonderzoek in de verloskundige monitoring dat tot doel heeft de foetale groei te beoordelen, eventuele structurele afwijkingen te identificeren en aanhangsels zoals de placenta, navelstreng, baarmoederhals,... te inspecteren.

Verschillende studies suggereren dat een aanzienlijk deel van de foetale misvormingen in dit tijdsbestek kan worden opgespoord als een volledige morfologische analyse wordt uitgevoerd. Echter, de betrouwbaarheid van de screening hangt af van de kwaliteit van de apparatuur, het deskundigheidsniveau van de operator en de naleving van protocollen die de noodzakelijke scans definiëren.

In Frankrijk wordt sinds de eerste rapporten van het Nationale Technische Comité voor Prenatale Screeningsecho's (2005) bijzondere aandacht besteed aan het standaardiseren van praktijken. Recenter publiceerde de Franse Nationale Conferentie over Verloskundige en Foetale Echografie (CNEOF) nieuwe aanbevelingen (2022, herzien in 2023), waaronder de ontwikkeling van referentie-silhouetten voor het tweede-trimesteronderzoek, waarbij 26 opnames worden voorgesteld (22 verplichte en 4 aanvullende). Echter, de CNEOF formaliseert geen kwaliteitscriteria voor het evalueren van de conformiteit van deze beelden; deze taak is overgenomen door het Franse College voor Foetale Echografie (CFEF), dat een score- en validatierooster heeft opgesteld voor elke foetale doorsnede (zie CFEF 2022-document).

Tegelijkertijd wordt kunstmatige intelligentie (AI) geleidelijk gevestigd als een beslissingsondersteunend en automatiseringsinstrument in de medische beeldvorming, met name bij echografie. Deep learning-algoritmen zijn in staat om anatomische structuren te identificeren, meetmarkeringen te positioneren en de meest optimale doorsnede te selecteren, waardoor de variabiliteit tussen operators wordt verminderd en de workflow wordt gestroomlijnd. Op het gebied van verloskundige echografie hebben sommige bedrijven systemen gelanceerd die in staat zijn om foetale structuren in realtime te detecteren of te annoteren, wat mogelijk de diagnostische betrouwbaarheid en reproduceerbaarheid verbetert. Samsung heeft een systeem ontwikkeld genaamd Live View Assist, beschikbaar op zijn nieuwste generatie echo-apparaten, dat AI gebruikt om automatisch de vereiste foetale doorsnedes in realtime te herkennen en te bevriezen.

De tool biedt ook geautomatiseerde validatie: als de gedetecteerde doorsnede voldoet aan de verwachte normen, wordt deze direct afgevinkt op een checklist. Deze innovatie belooft tijdwinst, een verminderd risico op het missen van bepaalde complexe doorsnedes en verbeterde standaardisatie.

Echter, er zijn weinig gegevens, met name in Frankrijk, met betrekking tot de daadwerkelijke prestaties van deze tool in een routinematige screeningscontext. Voordat de integratie van Live View Assist en AI in de dagelijkse praktijk wordt overwogen, is het daarom essentieel om de kwaliteit van de verkregen beelden te evalueren, de haalbaarheid van een volledig door AI ondersteund onderzoek, evenals de potentiële impact op de onderzoektijd en verbetering van de werklast voor echografisten.

Het doel van deze studie is om te evalueren of de kwaliteit van de 20 verplichte beelden die automatisch zijn gevalideerd door Live View Assist niet inferieur is aan die van de 20 verplichte beelden die handmatig zijn verkregen en gevalideerd door een echografietechnicus, volgens de CFEF-kwaliteitscriteria gebaseerd op de silhouetten aanbevolen door de CNEOF.