Wiskundige innoveert zorg

Werken in het UMC Utrecht alleen maar ‘witte jassen’? Zeker niet. Wiskundige Alessandro Sbrizzi bijvoorbeeld zorgt ervoor dat artsen met MRI-scanners sneller en preciezer kunnen zien wat er mis is met iemand, om mensen vervolgens ook beter te kunnen behandelen.

Een MRI-scan levert veel informatie op over het lichaam. Maar het opnemen van de data via zo’n scan kost vaak veel tijd. Alessandro Sbrizzi ontwikkelt computationele methoden die ervoor zorgen dat MRI-scans minder tijd kosten en nog meer informatie leveren. Dat doet hij onder meer met geavanceerde wiskundige modellen, die hij combineert met AI.

Het doel van Alessandro’s onderzoek: preciezere beelden, meer informatie over hoe organen functioneren, kortere scantijden en betere ondersteuning van artsen bij het nemen van medische beslissingen. Per 15 juli 2026 is Alessandro benoemd tot hoogleraar ‘Computational methods for diagnostic and therapeutic imagining’.

“Met mijn onderzoek probeer ik de kloof tussen theoretische modellen en toepassingen op de ziekenhuisvloer te overbruggen”, vertelt Alessandro. “We willen technologie ontwikkelen die écht iets verandert voor patiënten en zorgverleners.”

Minder lang in de scanner 

De vraag naar medische beelden blijft groeien, terwijl de druk op de zorg toeneemt. Alessandro’s onderzoek helpt om dit probleem aan te pakken. Zijn team richt zich op het verbeteren van de nauwkeurigheid van de scans, maar ook op het verkorten van MRI-onderzoeken én het verlagen van de kosten van medische beeldvorming.

Een van de bekendste innovaties van Alessandro en zijn team is MR-STAT: een techniek waarmee in kortere tijd veel informatie uit een MRI-scan kan worden gehaald. Terwijl een uitgebreide MRI-scan nu vaak ongeveer 25 minuten duurt, wordt dat met MR-STAT mogelijk verkort tot minder dan vijf minuten.

Dat biedt voordelen voor patiënten én zorgverleners. Kortere scantijden betekenen minder belasting voor patiënten. Vooral voor kinderen, ouderen of mensen die moeilijk stil kunnen liggen, zal dat een groot verschil maken.

Ook verbetert de capaciteit binnen ziekenhuizen door een kortere scantijd: hetzelfde personeel kan in dezelfde tijd meer mensen helpen.

“Door scantijden te verkorten en processen slimmer te maken, willen we MRI toegankelijker maken voor meer mensen”, zegt Alessandro. “Tegelijkertijd verbeteren we de kwaliteit van de diagnostiek: artsen kunnen meer en preciezere informatie verzamelen om te bepalen wat er aan de hand is en een beter behandelplan te maken.”

De MR-STAT-techniek wordt inmiddels onderzocht in klinische studies bij onder andere mensen met kanker, epilepsie, beroertes, Parkinson en multiple sclerose.

Goed beeld bij beweging

Naast snelle MRI werkt Alessandro aan methoden om bewegingen van patiënten tijdens scans te corrigeren en om de dynamiek van interne organen (denk aan het kloppende hart) beter zichtbaar te maken. Dat is een belangrijke uitdaging binnen de medische beeldvorming. Zelfs kleine bewegingen van een patiënt maken MRI-beelden mogelijk minder scherp. Tegelijkertijd helpt meer informatie over de beweging van organen bij een betere diagnose.

Met technieken, zoals MR-MOTUS, ontwikkelt zijn onderzoeksgroep manieren om beweging realtime te volgen en te bestuderen en/of te corrigeren. Zo kun je bijvoorbeeld zien of het hart goed z’n werk doet.

Door MR-MOTUS kunnen scans ook scherpere en beter bruikbare informatie opleveren voor de diagnose en de mogelijke behandeling, ook als iemand niet stilligt tijdens het onderzoek.

Dat is bijvoorbeeld belangrijk bij beeldgestuurde radiotherapie met de MR-Linac. Met dit apparaat zijn artsen in staat tumoren heel precies te bestralen. Daarvoor moeten zij de positie van de tumoren in bewegende lichaamsdelen goed kunnen volgen. Maar ook bij MRI-scans van kinderen hebben de door Alessandro ontwikkelde technieken grote voordelen.

“Een van onze doelen is om MRI zonder verdoving mogelijk te maken voor kinderen”, vertelt Alessandro. “Door slimme algoritmen (computerrekenmodellen – red.) kunnen we bewegingen corrigeren en zo toch goede beelden maken.”

Binnen het Wilhelmina Kinderziekenhuis (WKZ) en het Prinses Máxima Centrum (PMC) werkt hij daarom samen met onderzoekers en artsen aan kindvriendelijke MRI-technieken.

AI als ondersteuning voor artsen

AI speelt een steeds grotere rol in medische beeldvorming, ook in Alessandro’s werk. Zijn wiskundige modellen worden vaak gekoppeld aan machine learning: een vorm van AI waarbij computersystemen leren van data en nauwkeurige voorspellingen kunnen doen door patronen te herkennen in die data.

Alessandro’s onderzoeksgroep ontwikkelt algoritmen voor onder meer het standaardiseren van MRI-data, zodat AI-systemen beter leren van de beelden uit verschillende ziekenhuizen en scanners.

“AI kan helpen om medische beslissingen te onderbouwen”, zegt Alessandro. “Maar het moet altijd aansluiten bij de dagelijkse ziekenhuispraktijk en betrouwbaar zijn voor patiënten en zorgverleners.”

Alessandro en zijn team onderzoeken ook hoe AI kan bijdragen aan meer gepersonaliseerde behandelingen voor mensen met kanker, bijvoorbeeld door te voorspellen hoe effectief een bepaalde therapie zal zijn en welke bijwerkingen mogelijk optreden.

Verbinding tussen disciplines

Alessandro’s nieuwe leerstoel laat zien hoe sterk samenwerking tussen diverse disciplines nodig is om innovaties in de zorg te realiseren. Binnen zijn werk komen wiskunde, informatica, natuurkunde, radiologie, oncologie en AI bij elkaar.

Alessandro werkt onder meer nauw samen met collega’s binnen het UMC Utrecht, Universiteit Utrecht en internationale partners.

Binnen het UMC Utrecht slaat Alessandro’s team de handen ineen met verschillende afdelingen en specialisaties. Denk aan Radiologie, Radiotherapie, Neurologie, Cardiologie en het WKZ.

Door deze nauwe manier van samenwerken versterken wetenschap, technologie en zorg elkaar om oplossingen voor de zorg van de toekomst te ontwikkelen.

“De zorg is een complex systeem. Niet alleen zijn de onderdelen en instrumenten, bijvoorbeeld MRI, complex, maar ook de interactie tussen patiënten, zorgverleners en de diverse componenten, zoals diagnostiek en behandeling, is dat”, zegt Alessandro.

“Bovendien heeft alles te maken met het leven van mensen, waardoor risico continu een grote rol speelt. Om deze reden wordt wiskunde dan ook veel toegepast in de zorg, en voor een toegepast wiskundige is dit inhoudelijk zeer interessant. Verder vind ik het maatschappelijke einddoel erg belangrijk.”

Van organist naar hoogleraar

Alessandro’s loopbaan is bijzonder. Voordat hij zich volledig richtte op medische beeldvorming, studeerde hij orgel in zijn geboorteland Italië en vervolgens aan het conservatorium in Utrecht. Tien jaar lang was hij fulltime musicus. Daarna pas besloot hij wiskunde te gaan studeren aan de Universiteit Utrecht. In 2013 promoveerde hij op MRI-technologie aan het UMC Utrecht en is hij hier blijven werken.

De combinatie van muziek en wiskunde ziet hij zelf helemaal niet als bijzonder maar als logisch en waardevol. “Zowel muziek als wiskunde vraagt om creativiteit, discipline en gevoel voor structuur”, legt hij uit.

Sinds 2015 is hij universitair docent en vervolgens universitair hoofddocent bij het UMC Utrecht. Inmiddels leidt hij hier de groep Computational Imaging, samen met Nico van den Berg, hoogleraar ‘Computational imaging for MRI therapy and diagnostics’. Die groep bestaat uit onderzoekers en promovendi die werken aan nieuwe technieken voor MRI en andere medische beeldvorming.

“Ik maak deel uit van een talentvol interdisciplinair team dat, ondanks de verschillende achtergronden en expertises, toch als een organisch geheel functioneert”, vertelt Alessandro.

Opleiden van nieuwe onderzoekers

Naast onderzoek speelt onderwijs een belangrijke rol in Alessandro’s werk. Hij geeft les aan studenten, begeleidt promovendi en jonge onderzoekers. Hij verzorgt onderwijs op het gebied van scientific computing, machine learning en MRI-technologie.

Ook internationaal deelt hij zijn kennis, via colleges en lezingen op grote congressen over MRI en medische beeldvorming. Binnen zijn onderzoeksgroep stimuleert hij onderzoekers ook om actief kennis uit te wisselen en elkaar verder te helpen.

“Het opleiden van jonge onderzoekers is essentieel”, zegt hij. “Innovatie ontstaat door samen te werken en kennis te delen tussen disciplines en generaties.”

Bouwen aan de beeldvorming van morgen

Alessandro’s benoeming versterkt de positie van het UMC Utrecht als internationaal centrum voor innovatieve beeldvorming en AI in de zorg.

De komende jaren wil hij zijn onderzoek verder uitbreiden en nieuwe toepassingen ontwikkelen voor MRI en andere beeldvormingstechnieken, zoals CT en echografie. Daarbij blijft voor hem de maatschappelijke impact centraal staan.

“Mijn ambitie is om medische beeldvorming sneller, nauwkeuriger, meer informatief en toegankelijker te maken”, zegt Alessandro. “Door computationele methoden en AI slim in te zetten, kunnen we bijdragen aan betere zorg en betere uitkomsten voor patiënten.”