Een preklinische CT- en MRI-leverbeeldingsdataset met anatomische, functionele en segmentatiegegevens

Waarom dit ertoe doet voor leverziekten en medische beeldvorming

Chronische leverziekten zoals leververvetting, fibrose en leverkanker nemen wereldwijd toe, maar veel gedetailleerde onderzoeksgegevens die nieuwe diagnostiek en behandelingen kunnen versnellen, staan verspreid in individuele laboratoria. Dit artikel presenteert een zeldzame bron: een grote, openlijk gedeelde collectie CT- en MRI-scans van muizen met verschillende leverziekten, inclusief nauwkeurige organcontouren en uitgebreide metadata. Door deze gegevens vrij beschikbaar te maken, willen de auteurs onderzoek naar beeldvorming versnellen, computerhulpmiddelen voor het interpreteren van scans verbeteren en uiteindelijk minder invasieve methoden ondersteunen om levergezondheid te volgen.

Een gedeelde afbeeldingsbibliotheek van zieke en gezonde levers

Het hart van het werk is een gecureerde preklinische beeldvormingsdataset gericht op chronische leverziekte bij muizen. Deze omvat 222 driedimensionale CT- en MRI-scans die verschillende veelvoorkomende aandoeningen bestrijken: leverkanker (hepatocellulair carcinoom), vette en ontstoken lever (metabolic dysfunction–associated steatohepatitis, of MASH) en leverfibrose, plus scans van gezonde dieren. In tegenstelling tot veel bestaande muizenbeeldbronnen die gezonde organen of enkele beeldvormingsmethoden behandelen, legt deze collectie de nadruk op zieke levers en brengt verschillende scantypes bij elkaar. Veel scans worden geleverd met handgetekende organcontouren, bekende segmentaties, die cruciaal zijn voor het trainen en testen van computeralgoritmen.

Meerdere scantypen om structuur en functie vast te leggen

De dataset is samengesteld uit vijf afzonderlijke dierstudies die zijn samengevoegd om een breed spectrum van leverschade en beeldvormingsbenaderingen te dekken. In één studie ontwikkelden muizen leverkanker in een chronisch beschadigde lever, en werd gedurende weken herhaaldelijk hoge-veld MRI gebruikt om te volgen hoe tumoren verschenen en groeiden. Een andere studie gebruikte “multiparametrische” MRI, waarbij elke muis meerdere scanvarianten onderging: sommige benadrukten anatomie, andere maten hoe water door weefsel diffundeert, en weer andere volgden hoe geïnjecteerde contrastmiddelen door de lever bewegen. Deze verschillende metingen geven inzicht in belangrijke kenmerken zoals littekenvorming, vetgehalte, levercelfunctie, weefselschade en immuuncelactiviteit.

CT-scans om lichaamsvet, levergrootte en genetica in kaart te brengen

Als aanvulling op MRI voegden de auteurs meerdere CT-gebaseerde studies toe. In één daarvan kregen muizen een Westers-achtig vette-dieet, met of zonder haver-bèta-glucaan, een voedingsvezel die mogelijk de lever beschermt. CT-scans van het hele lichaam werden gebruikt om levervolume en vetverdeling te meten, en de lever werd handmatig omlijnd voor nauwkeurige volumeschattingen. Een tweede CT-studie onderzocht muizen zonder een functioneel ICAM-1-gen, dat betrokken is bij ontsteking, om te zien hoe deze genetische wijziging vetverdeling en levergrootte beïnvloedde wanneer de dieren een vetrijk dieet kregen. In beide CT-studies werden lichaamsvet, lever en andere structuren gesegmenteerd zodat onderzoekers direct kunnen analyseren hoe dieet en genen de orgaangrootte en lichaamssamenstelling vormen.

CT en MRI overbruggen in dezelfde dieren

Een ander onderdeel van de dataset richt zich op gezonde naakte muizen die zowel met CT als MRI in dezelfde beeldhouders werden gescand. Het doel was hier om overlappende weergaven van dezelfde anatomie te creëren zodat beelden van de twee technologieën nauwkeurig op elkaar afgestemd kunnen worden. De dieren werden gescand met CT van het hele lichaam en vervolgens met een speciale MRI-sequentie die water- en vetsignalen scheidt. Veel organen—waaronder lever, longen, hart, nieren, milt, maag, darmen, hersenen en ruggenmerg—werden gesegmenteerd in CT, MRI of beide. Dergelijke gekoppelde scans zijn waardevol voor taken zoals het bouwen van dempingskaarten voor PET-MR-scanners en voor het testen van beeldregistratiemethoden die verschillende beeldmodaliteiten op elkaar afstemmen.

Rijke metadata ter ondersteuning van hergebruik en reproduceerbaarheid

Bovenop de beelden zelf hebben de auteurs sterk geïnvesteerd in gestandaardiseerde metadata zodat anderen de data kunnen begrijpen en hergebruiken. Voor elk dier en elke scan registreren ze informatie zoals muizenstam, leeftijd, ziektmodel, beeldvormingsmodaliteit, apparaatmerk, contrastmiddelen en exacte scaninstellingen zoals beeldveld, voxelformaat en timing. Organsegmentaties zijn gekoppeld aan duidelijke definities van wat elk label betekent (bijvoorbeeld lever, visceraal vet, blaas of wervelkolom). Al deze informatie is opgeslagen in ISA-Tab-bestanden volgens een aangepast metadataprofiel, en het hele pakket wordt als open data gehost op Zenodo. De scans worden geleverd in standaard medische formaten (DICOM of NIfTI) met segmentaties in veelgebruikte segmentatiebestandsformaten.

Hoe deze bron toekomstige ontdekkingen kan versnellen

Voor een algemeen publiek is de belangrijkste conclusie dat dit werk geen nieuw geneesmiddel of diagnostische test presenteert, maar eerder het fundament legt voor veel dergelijke doorbraken. Door een grote, goed geannoteerde bibliotheek van lever-CT- en MRI-scans bij muizen vrij te geven, maken de auteurs het voor onderzoekers makkelijker om computermodellen te trainen die automatisch organen omlijnen, tumoren detecteren of voorspellen hoe leverziekte zal verlopen—zonder telkens nieuwe dieren aan experimenten bloot te stellen. De dataset kan dienen als referentie voor beeldvormingsstudies, het redundante gebruik van dieren verminderen en open, reproduceerbare wetenschap ondersteunen. Kortom, het zet jaren van gespecialiseerd beeldvormingswerk om in een gedeelde gemeenschapsresource voor het aanpakken van chronische leverziekten.

Bronvermelding: Schraven, S., Gonzalez, C., Baskaya, F. et al. A preclinical CT and MRI Liver Imaging Dataset with Anatomical, Functional and Segmentation Data. Sci Data 13, 446 (2026). https://doi.org/10.1038/s41597-026-07003-x

Trefwoorden: chronische leverziekte, preklinische beeldvorming, MRI, CT, muismodellen