Screening op diabetische retinopathie kost veel menskracht en geld, vanwege de grote aantallen patiënten met diabetes. AI-modellen kunnen deze last mogelijk helpen verlichten. Hoogleraar Tien Yin Wong presenteerde de stand van zaken op het gebied van AI-ondersteunde vroege detectie van diabetische retinopathie en voorspelling van ziekteprogressie.
Wong (Tsinghua Medicine, Beijing, en Singapore National Eye Centre) besprak als eerste hoe AI-modellen kunnen helpen bij de detectie van patiënten met retinopathie. Zijn boodschap: het is vaak niet afdoende om een kant-en-klaar model aan te schaffen, want de prestaties van het algoritme hangen sterk af van de kenmerken van de lokale populatie. Wongs onderzoeksgroep ontwikkelde daarom een algoritme speciaal voor de zeer heterogene Singaporese bevolking. Uit economische analyses bleek dat dit AI-model niet leidde tot grote kostenbesparingen, omdat de infrastructuur kostbaar is.
Wong besprak ook de waarde van de relatief nieuwe foundation models. Waar een traditioneel AI-model wordt getraind op een dataset met gegevens van patiënten die allemaal dezelfde aandoening hebben, vindt het leerproces van een foundation model plaats op basis van een gigantische, heterogene dataset van gegevens zonder labels. In een volgende stap wordt het model verfijnd, waarna het in staat moet zijn om verschillende ziektebeelden te herkennen. Wong legde uit dat zo’n foundation model weliswaar verschillende aandoeningen kan opsporen, maar dat het minder geschikt is voor gebruik bij een specifieke, lokale populatie.
Een tweede manier waarop AI-modellen kunnen worden gebruikt bij diabetische retinopathie, is bij de voorspelling van ziekteprogressie. Wong besprak een studie waaruit bleek dat het algoritme van zo’n AI-model het gemiddelde screeningsinterval kon verlengen van 12 maanden naar ongeveer drie jaar.2 Een deel van de patiënten (30,6%) had nog wel jaarlijks screening nodig. Bij anderen kon het interval veilig worden verlengd naar twee jaar (20,0%), drie jaar (19,6%), vier jaar (11,9%) of zelfs vijf jaar (17,9%).
Bronnen:
- Wong TY. Impact of AI in diabetic retinopathy and risk prediction. EURETINA 2026.
- Dai L, Sheng B, Chen T, et al. A deep learning system for predicting time to progression of diabetic retinopathy. Nat Med. 2024;30:584-94.