Met AI de progressie van diabetische retinopathie voorspellen

Delen via:
ADA 2023

Met nieuw ontwikkelde machine learning-modellen blijkt AI voor 91% de progressie van diabetische retinopathie (DRP) juist in te kunnen schatten. Het beoordelen van het risico op progressie van DRP is klinisch moeilijk door de variatie in medische kennis en klinische ervaring. Mogelijk kan AI hierbij helpen. 

Doel van de studie ‘Identifying the Risk of Diabetic Retinopathy Progression Using Machine Learning on Ultrawide Field Retinal Images’ was om met AI-algoritmes de progressie van DRP beter te kunnen beoordelen. Hiertoe zijn machine learning (ML)-modellen ontwikkeld en gevalideerd voor DRP-progressie met beelden die gemaakt zijn met ultrawide field (UWF) retinale beeldvorming. Deze beelden zijn gelabeld naar gelang de ernst en progressie van DRP bij aanvang. Dit is gedaan op basis van de klinische beoordeling van de beelden en 3 jaar follow-up met behulp van de dataset die is ontwikkeld in de landmarkstudie Early Treatment Diabetic Retinopathy Study (ETDRS).

9970 unieke beelden

Deze dataset heeft 8 klassen variërend van geen DRP-progressie tot proliferatieve DRP. Het ResNet-model dat op deze dataset is afgestemd, heeft een classificatienauwkeurigheid van 81% en een AUC van 0,967. Het doel van het model is om vals-negatieven te verminderen, ofwel het voorspellen van een klasse die minder progressief is dan het ware label. In totaal werden 9970 unieke beelden beoordeeld. De voorspelde labels van 91% van de afbeeldingen waren ofwel correcte labels of waren de labels met een grotere progressie dan de originele labels. 

Nauwkeurig en haalbaar

Deze bevindingen tonen de nauwkeurigheid en haalbaarheid aan van het gebruik van machine learning-modellen voor het identificeren van DRP-progressie. Mogelijk kan het gebruik van deze algoritmen het risico op ziekteprogressie verder verfijnen en screeningsintervallen personaliseren om zo patiënten met DRP effectiever te kunnen behandelen. 

Bron:

Nigam A, Sun J, Subhash V, et al. Identifying the risk of diabetic retinopathy progression using machine learning on ultrawide field retinal images. 26-LB. 83rd ADA Scientific Sessions 2023.

Patiënten met diabetes type 2 onafhankelijk van insuline door endoscopische behandeling

okt 2024 | Diabetes, Endoscopie

Lees meer over Patiënten met diabetes type 2 onafhankelijk van insuline door endoscopische behandeling

Effect diabetesmedicatie op neuropsychiatrische stoornissen

sep 2024 | Dementie, Diabetes

Lees meer over Effect diabetesmedicatie op neuropsychiatrische stoornissen

Hogere Time In Tight Range, minder complicaties

sep 2024 | Diabetes

Lees meer over Hogere Time In Tight Range, minder complicaties

Directe vergelijking tirzepatide, liraglutide en semaglutide in netwerkmeta-analyse

sep 2024 | Diabetes

Lees meer over Directe vergelijking tirzepatide, liraglutide en semaglutide in netwerkmeta-analyse

Semaglutide ook effectief bij verminderde nierfunctie

sep 2024 | Diabetes

Lees meer over Semaglutide ook effectief bij verminderde nierfunctie

Wekelijks basaal insuline effectief bij type 1-diabetes

sep 2024 | Diabetes

Lees meer over Wekelijks basaal insuline effectief bij type 1-diabetes

Insulineresistentie gerelateerd aan 31 ziektes

sep 2024 | Bacteriële infecties, Bewegingsstoornissen, Diabetes, Jicht, Pancreatitis

Lees meer over Insulineresistentie gerelateerd aan 31 ziektes

AI-algoritme screent nauwkeurig op type 2-diabetes

sep 2024 | Diabetes

Lees meer over AI-algoritme screent nauwkeurig op type 2-diabetes

Semaglutide en tirzepatide effectief bij diabetes type-1

sep 2024 | Diabetes

Lees meer over Semaglutide en tirzepatide effectief bij diabetes type-1