Glaucoom eenvoudig opsporen met een ‘slim’ algoritme; toekomstmuziek of wordt het binnenkort werkelijkheid? Als het aan oogarts dr. Hans Lemij (Oogziekenhuis Rotterdam) ligt het laatste. Hij ontwikkelde met collegae een detectiemodel voor glaucoom gebaseerd op kunstmatige intelligentie en legt uit waarom dit zo’n efficiënte en belangrijke methode is.1,2 “Alle jaren van blindheid en slechtziendheid die gepaard gaan met glaucoom brengen zoveel ellende voor patiënten met zich mee. Preventie heeft dus een hoge prioriteit en met ons model kán het.”
Glaucoom is een veelvoorkomende aandoening waarvan de prevalentie de komende jaren alleen maar verder zal toenemen. Schattingen duiden op 112 miljoen glaucoompatiënten wereldwijd in 2040. In Nederland hebben ca. 150.000-300.000 mensen glaucoom. De gevolgen van de aandoening kunnen desastreus zijn. “Blindheid (geheel of gedeeltelijk) is een groot risico van glaucoom”, aldus Lemij. “Daardoor zijn tijdige opsporing en behandeling van deze oogziekte cruciaal. Hoe eerder glaucoom wordt ontdekt, des te beter.” Hij legt uit dat hoewel glaucoom goed kan worden behandeld, uiteindelijk ca. 10% van de mensen met glaucoom aan 2 ogen blind wordt en 25% aan 1 oog. “Die percentages nemen alleen maar toe naarmate glaucoom later ontdekt worden. Een ander probleem waar we tegenaan lopen, is dat het aantal oogartsen niet gelijk opgaat met het stijgend aantal gevallen van glaucoom. Kortom: er is dus te weinig mankracht om alle patiënten tijdig te diagnosticeren én te behandelen.”
Gemiste diagnose
Vroege ontdekking van glaucoom is dus belangrijk, maar dat is niet altijd makkelijk. “Uit Australisch onderzoek weten we dat ongeveer de helft van de mensen met glaucoom hiervan op de hoogte was. Bijzonder is echter dat iedereen die het wist in het voorafgaande jaar bij een oogarts of optometrist was geweest die de diagnose glaucoom had gemist. Eerlijk gezegd denk ik dat de situatie in Nederland niet heel anders is. Als professionals de diagnose missen, dan zijn er misschien andere manieren nodig om de diagnose glaucoom te kunnen stellen.” Lemij stelt dat fundusfoto’s hiervoor geschikt zijn, zeker in combinatie met kunstmatige intelligentie (AI). “Vooral Chinese onderzoeksgroepen waren hier al langer mee bezig. Het bleek inderdaad zo te zijn dat fundusfoto’s met behulp van AI goed op de aan- of afwezigheid van glaucoom beoordeeld kunnen worden. Echter: dat gold alleen voor Chinese ogen. Werd dezelfde techniek toegepast bij niet-Chinese ogen, dan scoorde deze methode aanzienlijk minder.”
Classificatie van de fundusfoto’s
Voor de toepassing buiten China moest met een multi-etnische set fundusfoto’s het AI-systeem dus worden geleerd glaucoom te herkennen bij niet-Chinese ogen. In een Amerikaans bedrijf dat veel fundusfoto’s maakt voor de screening op diabetische retinopathie vonden Lemij en zijn collegae een partner die dit beeldmateriaal kon aanleveren. “Die foto’s waren zo goed, dat we ervan uitgingen dat glaucoom er ook mee kon worden gedetecteerd.” De foto’s moesten eerst geclassificeerd worden alvorens ze in het AI-model konden worden opgenomen. De hoeveelheid fundusfoto’s – meer dan 100.000 – kon echter onmogelijk door 1 persoon beoordeeld worden. “Daarvoor hebben we een aantal optometristen en oogartsen uit binnen- en buitenland scholing gegeven om dit goed te kunnen doen. Van de 91 kandidaten die deelnamen, bleven er na een verplicht examen 30 over. Uiteindelijk waren er maar 20 mensen goed genoeg; zij hebben de foto’s beoordeeld.”
Ontwikkeling AI-model
Met deze uitgebreide set fundusfoto’s die de basis zou vormen voor het AI-model is vervolgens op advies van de Universiteit van Amsterdam waar Lemij en zijn collegae mee samenwerkten, een ‘challenge’ georganiseerd. “Door diverse AI-ontwikkelaars met elkaar in een wedstrijd te laten wedijveren, zou het bedrijf dat het beste in staat was dit model te ontwikkelen naar boven komen.” De animo was groot; 351 bedrijven uit 51 landen deden mee. De winnaar ontwikkelde een model dat een sensitiviteit van 86% behaalde bij een specificiteit van 95%.2 “Juist die specificiteit moet hoog zijn”, legt Lemij uit. “Fout en normaal moeten goed van elkaar worden onderscheiden; met te veel valspositieven wordt de gezondheidszorg immers overspoeld; een onwenselijk scenario.”
Bevolkingsonderzoek naar glaucoom
Het AI-model bleek dus zeer goed in staat om op basis van fundusfoto’s glaucoom te detecteren.1,2 “Dat gaf ons veel vertrouwen. Waar we nu eigenlijk heen willen, is dat de opsporing met dit AI-model uitmondt in bevolkingsonderzoek zoals dat al langer bestaat voor borst- en darmkanker”, stelt Lemij. Een dergelijke stap is echter niet eenvoudig. Zo stelt het Ministerie van Volksgezondheid, Welzijn en Sport (VWS) 20 criteria voor bevolkingsonderzoek waaraan moet worden voldaan. Onder meer moet worden aangetoond dat dergelijk grootschalig onderzoek op basis van de laatste stand van de wetenschap en praktijk plaatsvindt en kosteneffectief is. Lemij: “Momenteel voeren we samen met de Erasmus Universiteit een kosteneffectiviteitsstudie uit. Een ander belangrijk punt is dat het gebruikte onderzoek goed werkt bij de Nederlandse bevolking. Dat lijkt wellicht een open deur, maar ons model is getest op foto’s afkomstig van de Amerikaanse bevolking die etnisch zeer divers is. Ik denk zeker dat we deze test doorstaan, maar we moeten het wel laten zien.”
Andere toepassingen van AI binnen de oogheelkunde
Behalve glaucoom zijn er nog 2 belangrijke veelvoorkomende oogaandoeningen waarbij AI een rol speelt: diabetische retinopathie en maculadegeneratie. De toepassing van AI bij maculadegeneratie staat nog in de kinderschoenen. Bij diabetes is dit het verst ontwikkeld. “Met behulp van camera’s die retinopathie kunnen detecteren, is het mogelijk om grote aantallen mensen te screenen. Er zijn al camera’s met AI die zowel glaucoom, diabetische retinopathie en maculadegeneratie kunnen detecteren. Het gebeurt echter niet of niet voldoende.” De financiering vormt hierbij de grootste barrière. “Voor diabetische retinopathie is er vanuit de zorgverzekeraars structurele financiering omdat deze screening deel uitmaakt van het standaardonderzoek bij patiënten met diabetes. Voor maculadegeneratie en glaucoom is dit er (nog) niet.” Lemij denkt dat het vergoedingstraject, de onbekendheid en de complexiteit van de certificeringsprocedure (‘Iedere keer als er een wijziging in de procedure wordt aangebracht, moet alles opnieuw worden getest’) belangrijke redenen zijn dat men afwachtend is met het toepassen van AI voor screening van de bevolking. “De techniek én de infrastructuur zijn er in principe al. Nu is het een kwestie van tijd en aanvullende bewijsvoeringen voor men het accepteert en toepast.”
Binnenkort wordt een nieuwe challenge georganiseerd ter ontwikkeling/inzet van software die bij patiënten met glaucoom aangeeft waarom er glaucoom is (de zogenaamde ‘explainable’ AI). Geïnteresseerden kunnen contact opnemen met dr. Hans Lemij via H.Lemij@oogziekenhuis.nl.
Referenties :
- Lemij HG, De Vente C, Sánchez CI, et al. Characteristics of a Large, Labeled Data Set for the Training of Artificial Intelligence for Glaucoma Screening with Fundus Photographs. Ophthalmol Sci. 2023;17;3:100300.
- De Vente C, Vermeer KA, Jaccard N, et al. AIROGS: Artificial Intelligence for Robust Glaucoma Screening Challenge. IEEE Trans Med Imaging. 2024;43:542-57.