De zorgvraag groeit door vergrijzing, terwijl de personeelstekorten in de zorg verder toenemen. Dit vraagt om een zo doelmatig mogelijke inzet van de beschikbare middelen, waar AI-gedreven modellen bij kunnen helpen. “Dit is de weg vooruit bij patiënten met keratoconus”, vindt hoogleraar Oogheelkunde prof. dr. M. (Mor) Dickman (UMC Utrecht).
Vroege herkenning van ziekteprogressie bij patiënten met keratoconus is cruciaal, aangezien de aandoening vooral jonge mensen treft en bestaande behandelingen zoals cross-linking geen schade aan de cornea kunnen herstellen, maar wel verdere progressie kunnen voorkomen. Een AI-model dat betrouwbaar de kleine groep patiënten identificeert met een hoog risico op progressie, helpt om deze patiënten snel te behandelen. Als dit model ook patiënten met grote zekerheid kan indelen in een laagrisicogroep, hoeven zij niet onnodig naar het ziekenhuis te komen voor monitoring van eventuele achteruitgang. Een Britse onderzoeksgroep onder leiding van Dr. Shafi Balal heeft zo’n AI-model ontwikkeld en presenteerde de resultaten van een validatiestudie tijdens het congres van de Europese Vereniging van Cataract- en Refractiechirurgie (ESCR) in september 2025.1
Risico op achteruitgang
Het ontwikkelde AI-model geeft voor patiënten met keratoconus aan hoe groot het risico is dat zij binnen 2 jaar last krijgen van ziekteprogressie. Om het model te trainen, gebruikten Balal en collega’s ruim 36.000 OCT-scans van bijna 6.700 patiënten. Deze patiënten hadden de keratoconuspoli van het Moorfields Eye Hospital in Londen minimaal 2 keer bezocht gedurende een tijdsperiode van 6 maanden of langer. Voor één AI-model gebruikten de onderzoekers enkele demografische gegevens, waaronder leeftijd en geslacht, in combinatie met gegevens uit voorsegment-OCT-scans en ‘placido disc–topografie’, die waren verzameld tijdens het eerste ziekenhuisbezoek. Balal hanteerde wereldwijde consensuscriteria voor ectasie als maatstaf voor ziekteprogressie.2 Het ontwikkelde model voorspelde de kans op achteruitgang met een hogere betrouwbaarheid dan de standaard maat, alleen leeftijd. Het algoritme bracht 58% van de patiënten onder in een laagrisicogroep en 4% in een hoogrisicogroep. De overige 38% waren patiënten in het grijze gebied, met een middelmatig risico. Een tweede AI-model, dat in vergelijking met het eerste model ook nog was getraind op beeldvormingsgegevens van het tweede ziekenhuisbezoek, kon deze laatste groep verder onderverdelen in patiënten met een laag en hoog risico (69 versus 7%). Balal concludeerde dat met deze tweestapsmethode het grootste deel van de patiënten succesvol kon worden getrieerd in een groep met laag risico, die waarschijnlijk voldoende had aan telemonitoring, en een hoogrisicogroep, met daarin potentiële kandidaten voor een vroegtijdige interventie. Hierdoor bleef slechts 10% van de patiënten over, de groep met middelmatig risico. Zij hadden de standaard vervolgzorg nodig.
Indrukwekkende studie
Het onderzoek van Balal biedt een vooruitzicht op AI-ondersteunde zorg bij patiënten met keratoconus. Hoogleraar Dickman, die zelf ook onderzoek doet naar het gebruik van AI-modellen bij patiënten met dit ziektebeeld, is onder de indruk van de wetenschappelijke kwaliteit. “Ik ben een beetje bevooroordeeld, want ik was betrokken bij de commissie die de financiering voor deze studie heeft goedgekeurd, dus ik vind het sowieso een mooi onderzoek. Los daarvan is het ook een indrukwekkende en methodologisch serieuze studie. De kracht zit vooral in de schaal: de gebruikte dataset is gigantisch, een van de grootste tot nu toe van patiënten met keratoconus. En juist bij AI zijn de omvang en kwaliteit van de data bepalend voor de betrouwbaarheid.” De studie sluit volgens hem naadloos aan bij wat oogartsen nodig hebben: niet zozeer de diagnose, maar een voorspelling wie behandeling nodig heeft. Toch zitten enkele beperkingen van de studie een vlotte implementatie van het algoritme in de weg. Dickman noemt er 2. “Er bestaat op dit moment nog geen consensus over de definitie van progressie bij keratoconus. Zolang die er niet is, verschilt de meetlat tussen studies en de dagelijkse praktijk. Daarnaast is het onderzoek uitgevoerd met een specifiek type OCT, dat lang niet in elke kliniek beschikbaar is, wat de generaliseerbaarheid naar de bredere praktijk vooralsnog beperkt. Maar los daarvan: dit is absoluut de weg vooruit.”
Belangrijk bij implementatie
Voordat oogartsen AI-modellen kunnen implementeren, is het belangrijk dat zij rekening houden met 3 v’s: veiligheid, validatie en verantwoordelijkheid. “Oogbeelden zijn medische persoonsgegevens, en zeker retinale en corneale beelden bevatten steeds meer herleidbare informatie”, legt Dickman uit. “Verwerking moet daarom voldoen aan de wet- en regelgeving en bij voorkeur plaatsvinden binnen een veilige, gecontroleerde omgeving.” Ook validatie en bias is een belangrijk thema. “Een model dat is getraind op één populatie of één type apparaat kan systematisch fout zitten bij groepen die in de trainingsdata ondervertegenwoordigd waren. Dat merk je pas als je het extern test, wat dus zeer belangrijk is.” Het derde aspect is verantwoordelijkheid en transparantie. “AI-modellen zijn een instrument die kunnen helpen bij het nemen van beslissingen, maar de arts blijft eindverantwoordelijk. Een ‘black-box’ die niet uitlegt waarom een patiënt een hoogrisico heeft, is in de spreekkamer moeilijk te verdedigen. Daar komt de nieuwe Europese AI-regelgeving bij, die medische AI als hoog-risico classificeert en dus stevige eisen stelt.”
Validatie AI-modellen
Validatie van AI-modellen op externe gegevens draagt bij aan de betrouwbaarheid van de uitkomsten. Met zijn eigen onderzoek naar AI-gebruik bij patiënten met keratoconus draagt Dickman hier een steentje aan bij. “Als voorzitter van de Europese kwaliteitsregistratie zie ik dat de volgende stap ligt in het verzamelen van meer ‘real-world–data’ uit verschillende settings en met verschillende apparaten, over heel Europa. Dat adresseert precies de beperking die deze studie laat zien: een model dat op één type OCT en één populatie is ontwikkeld, moet je valideren op de dagelijkse praktijk voordat je het breed kunt inzetten.” Een ander deel van zijn onderzoek richt zich op specifieke groepen. “Het is belangrijk om bepaalde patiënten gericht mee te nemen in onderzoek. Denk aan kinderen, en daarbinnen patiënten met het syndroom van Down, die een sterk verhoogd risico op keratoconus hebben en nu vaak te laat worden gediagnosticeerd en behandeld.”
Doelmatige zorg
De ontwikkeling van AI-modellen past goed bij de bredere ontwikkelingen binnen de oogheelkunde, denkt Dickman. “Het ‘one-size-fits-all’–paradigma raakt steeds meer achterhaald. We bewegen van reactieve naar preventieve zorg, waarbij we verschillende instrumenten zoals genetica en beeldvorming combineren om het individuele risico van een patiënt te voorspellen. Ondersteuning door AI-modellen is denk ik een logische stap in deze trend.” Ook kunnen algoritmes volgens Dickman helpen om uitdagingen binnen het vakgebied aan te gaan. “De druk op de poli gaat door vergrijzing alleen maar toenemen. Dat vraagt om doelmatige zorg, wat gezien de capaciteitsproblemen in Nederland geen bijzaak is. AI-gedreven modellen kunnen daarbij helpen, maar vragen op de korte termijn juist meer investering en meer tijd. Dat betekent dat we betere keuzes moeten maken. Verder moeten we goed letten op de toegankelijkheid van nieuwe toepassingen. Innovaties zijn vaak complex en duur, en klinisch succes betekent nog niet dat een behandeling ook betaalbaar en breed beschikbaar wordt. De oplossingen liggen wat mij betreft in passende zorg en in scherpe keuzes over wat werkelijk waarde toevoegt.”
Mor Dickman en het UMC Utrecht
Mor Dickman is opgeleid als oogarts en hoornvliesspecialist bij de Universiteit Maastricht en het Maastricht UMC+. In oktober 2024 is hij benoemd tot hoogleraar Oogheelkunde aan de Universiteit Utrecht, waarvoor hij zijn oratie met de titel Mor(e) than meets the eye uitsprak op 5 juni 2026. Op het moment van zijn benoeming als hoogleraar is hij ook gestart als afdelingshoofd in het UMC Utrecht. Sindsdien heeft het team nieuwe speerpunten gedefinieerd: cornea & voorsegment, uveïtis, en kinderoogheelkunde. Daarnaast heeft de afdeling partnerschappen opgebouwd en verstevigd: met het Prinses Máxima Centrum, in het Eye-Brain Center voor kinderen met hersen- en orbitatumoren, met Bartiméus voor kinderen met een visuele beperking, en met enkele regionale klinieken, waaronder een samenwerking met Bergman rond keratoconus. Ook heeft Dickman bijgedragen aan de oprichting van een centrum voor limbale stamceldeficiëntie en complexe hoornvlieschirurgie.
Referenties: