AI die weet dat een hoofd symmetrisch is, volgt het bewegende hoofd van een ongeboren baby tijdens een MRI-scan
Een ongeboren baby beweegt tijdens een MRI-scan, waardoor de beelden van het brein mislukken of scheef uitvallen. Onderzoekers van MIT en Boston Children's Hospital bouwden een AI-model dat de stand van het hoofd snel volgt. Het geheim: het model weet al dat een hoofd links en rechts gelijk is.
Soms willen artsen het brein van een ongeboren baby goed kunnen bekijken, bijvoorbeeld als een echo iets opvallends laat zien. Een MRI-scan geeft dan veel scherpere beelden. Maar er is een probleem: een baby in de baarmoeder ligt niet stil.
Een MRI-scanner maakt het beeld van het brein in plakjes, een beetje zoals een brood dat in sneetjes wordt gesneden. Uit al die platte plakjes bouwt de computer daarna een 3D-beeld. Als de baby tussendoor beweegt, worden de plakjes onder verschillende hoeken gemaakt. Dan ontbreken er stukken of liggen ze scheef ten opzichte van elkaar. Een radioloog kan daardoor een afwijking missen of verkeerd beoordelen. Vaak moet de scan dan opnieuw, wat lang en vervelend is voor de zwangere moeder.
Meekijken terwijl de baby beweegt
Onderzoekers van het Amerikaanse MIT, het Boston Children's Hospital, Harvard Medical School en het Franse onderzoeksinstituut Inria werken aan een oplossing. Het idee: de scanner maakt tussendoor steeds een heel snelle, grove 3D-opname. Een AI-model berekent daaruit hoe het hoofd van de baby op dat moment ligt. De scanner past daarna de hoek van het volgende plakje aan, zodat de plakjes netjes op elkaar aansluiten.
Dat moet razendsnel gaan. Het nieuwe model, E(3)-Pose genoemd, heeft volgens de onderzoekers ongeveer 0,3 seconde nodig per opname.
Het trucje: symmetrie zit er al in
Het lastige is dat die snelle opnames grof en onscherp zijn. Een hoofd is bovendien bijna symmetrisch: de linker- en de rechterhelft lijken sterk op elkaar. Eerdere AI-modellen raakten daardoor in de war. Ze zagen soms niet goed welke kant links was en welke rechts, en schatten de stand van het hoofd dan flink verkeerd.
De onderzoekers bouwden de symmetrie daarom direct in het model in. Het model hoeft niet uit voorbeelden te leren dat een hoofd links en rechts gelijk is: het weet dat al. Ook weet het model dat een hoofd hetzelfde hoofd blijft als het draait. Vergelijk het met iemand die een voetbal moet volgen: als je al weet dat de bal rond is, hoef je alleen nog te kijken waar hij heen rolt.
Hoe goed werkt het?
De onderzoekers testten het model op scans van meer dan honderd zwangere vrijwilligers en op klinische scans van jongere baby's, tussen 18 en 23 weken zwangerschap. In de test met echte reeksen snelle opnames zat het model er gemiddeld zo'n 9 graden naast bij het schatten van de draaiing van het hoofd. De beste eerdere methode zat daar ruim twee keer zo ver naast. Ook op de klinische scans was het nieuwe model het nauwkeurigst.
De onderzoekers presenteerden hun werk op de Europese conferentie over computer vision (ECCV) van 2026. Hun code is openbaar.
Kanttekeningen en vervolgstappen
Het model is vooral getraind op baby's in het derde trimester, de laatste drie maanden van de zwangerschap. Eerstauteur Ramya Muthukrishnan wil het nu uitbreiden naar jongere baby's. Die bewegen meer, en juist bij hen is een vroege diagnose belangrijk.
De techniek in een echte scanner inbouwen bleek ook flink werk: volgens de onderzoekers liep de scanner tijdens de proeven meerdere keren vast. De meeste tests zijn tot nu toe gedaan op eerder gemaakte scans. De volgende stap is het model tijdens echte scans te laten meesturen.
Wat betekent dit voor de weg naar de singulariteit?
Dit onderzoek laat een slimme les zien voor AI in het algemeen. Je hoeft een model niet alles uit voorbeelden te laten leren. Wat je al zeker weet over de natuur, zoals symmetrie, kun je er direct in bouwen. Dan heeft het model minder voorbeelden nodig en maakt het minder rare fouten. Dat is extra waardevol in de geneeskunde, waar goede trainingsgegevens schaars zijn.
De onderzoekers zien ook toepassingen buiten het ziekenhuis, bijvoorbeeld bij zelfrijdende auto's die met beperkte sensoren voorwerpen in 3D moeten volgen. Zo'n kruisbestuiving tussen vakgebieden komt steeds vaker voor: een idee uit de wiskunde helpt bij de zwangerschapszorg, en kan daarna weer elders verder. Op termijn kan dit soort AI helpen om elke scan in één keer goed te laten lukken, met een snellere en betere diagnose voor de jongste patiënten.
