In de paardenwereld, en met name in de rensport, zijn botbreuken een groot risico voor zowel het dier als de ruiter. Vaak zijn kleine haarscheurtjes of beginnende botveranderingen op traditionele röntgenfoto's of scans met het menselijk oog nauwelijks zichtbaar. Tegen de tijd dat een breuk duidelijk zichtbaar is, is het vaak al te laat.

Van mens naar paard

De nieuwe AI-techniek is uniek omdat hij is getraind op een enorme database van menselijke botbreuken. Door middel van een methode genaamd transfer learning hebben de onderzoekers, onder leiding van dr. Ahmed, dit model vervolgens 'verfijnd' met specifieke data van paarden. Hierdoor hoefde de AI niet vanaf nul te leren wat een paardenbot is, maar kon het de complexe patronen die het al kende van menselijke medische beelden toepassen op paarden.

Het resultaat is indrukwekkend: het systeem kan breuken in verschillende soorten scans (zoals röntgen en MRI) niet alleen identificeren, maar ook zeer nauwkeurig lokaliseren. In tests behaalde het model een nauwkeurigheid van 71% tot 84%, afhankelijk van het type scan en de hoek van de opname.

Catastrofale blessures voorkomen

Het uiteindelijke doel van de onderzoekers is preventie. In samenwerking met de Hong Kong Jockey Club wordt de AI momenteel ingezet om vroege botveranderingen bij renpaarden te monitoren. Door paarden regelmatig te scannen en de beelden door de AI te laten analyseren, kunnen dierenartsen ingrijpen (bijvoorbeeld door rust voor te schrijven) voordat een klein haarscheurtje uitmondt in een catastrofale breuk tijdens een wedstrijd.

Brede inzetbaarheid

Hoewel de focus nu op paarden ligt, benadrukt het team van het RVC dat de techniek veel breder inzetbaar is. Omdat het model 'leert' van verschillende soorten anatomie, kan het in de toekomst ook worden aangepast voor honden, katten en andere diersoorten. De studie is onlangs gepubliceerd in het wetenschappelijke tijdschrift Bioengineering en wordt gezien als een mijlpaal in de digitale diergeneeskunde.