Disease Spectrum Analysis and AI-Assisted Screening of Fundus Disorders Using Portable Handheld Fundus Imaging in Health Examination Populations

De wereld helder zien is een fundamenteel onderdeel van het mens-zijn, maar voor miljarden mensen vervaagt die helderheid door oogziekten die vaak geen waarschuwingssignalen geven totdat het te laat is. De achterkant van het oog, bekend als het netvlies, is een delicate laag weefsel dat werkt als een camerasensor en het licht opvangt dat ons in staat stelt te zien. Wanneer dit weefsel beschadigd raakt door aandoeningen zoals diabetes, hoge bloeddruk of veroudering, is de schade vaak permanent. Omdat deze problemen stilletjes beginnen, vertrouwen artsen op het maken van foto's van het netvlies om ze vroegtijdig te ontdekken. Traditioneel worden deze foto's gemaakt met grote, dure machines waarbij de patiënt stil moet zitten en in een vast apparaat moet kijken. Een nieuw type camera is echter dit landschap aan het veranderen. Dit zijn kleine, handzame apparaten die een arts met één hand kan vasthouden, waardoor het mogelijk is om bijna overal foto's van het netvlies te maken, van een drukke buurtkliniek tot een routinekamer voor een lichamelijk onderzoek. De uitdaging is geweest dat deze draagbare camera's moeilijker perfect te gebruiken zijn; de beelden kunnen wazig of slecht belicht zijn, en het is onduidelijk of kunstmatige intelligentie, de computersoftware die is ontworpen om ziekten op te sporen, deze imperfecte foto's even goed kan verwerken als de perfecte foto's die in gespecialiseerde klinieken worden gemaakt.

Een team van onderzoekers zette zich scharpe om dit probleem op te lossen door te testen of deze draagbare camera's gebruikt konden worden om grote groepen gezonde mensen te screenen op een breed scala aan oogziekten, en niet slechts op één specifieke aandoening. Ze werkten met een enorme collectie beelden die over een periode van vijf jaar zijn gemaakt van bijna dertigduizend mensen die een ziekenhuis in Beijing bezochten voor routineuze gezondheidscontroles. In totaal verzamelden ze meer dan achttwintigduizend foto's van netvliezen. Omdat de camera's handbediend waren en werden gebruikt bij mensen die geen patiënten waren die wachtten op een oogonderzoek, varieerde de kwaliteit van de foto's enorm. Sommige waren kristalhelder, terwijl andere te donker, te wazig of verkeerd uitgelijnd waren om bruikbaar te zijn. De onderzoekers bouwden eerst een computersysteem dat fungeerde als een strikte poortwachter, dat de beelden sorteerde in drie groepen: de beelden die perfect waren, de beelden die goed genoeg waren om te gebruiken, en de beelden die weggegooid moesten worden. Deze stap was cruciaal omdat het ervoor zorgde dat de modellen voor kunstmatige intelligentie alleen werden getraind op beelden die het oog daadwerkelijk duidelijk lieten zien. Na dit reinigingsproces hielden ze meer dan vijfendertigduizend hoogwaardige beelden over om de werkelijke gezondheid van de populatie te bestuderen.

Wat de onderzoekers vonden, was een helder beeld van hoe de gezondheid van de ogen verandert naarmate mensen ouder worden. In de groep beelden die zij analyseerden, vertoonde ongeveer een derde tekenen van oogproblemen. Het meest voorkomende probleem, bij verreweg, waren veranderingen gerelateerd aan bijziendheid, wat bijna twintig procent van de mensen trof. Dit is logisch, gezien het feit dat de studie veel jonge en volwassen mensen in het midden van hun leven bevatte. Echter, het type ziekte dat werd gevonden, hing sterk af van de leeftijd. Jongere mensen hadden voornamelijk problemen gerelateerd aan bijziendheid, maar naarmate de groep ouder werd, verschoven de problemen. Bij mensen boven de zestig waren de meest voorkomende bevindingen ziekten van de bloedvaten in het oog en degeneratie van het centrale deel van het netvlies, wat aandoeningen zijn die gewoonlijk geassocieerd worden met veroudering en de algehele gezondheid. Deze ontdekking is belangrijk omdat het suggereert dat oogscreeningsprogramma's niet voor iedereen hetzelfde moeten zijn; waar een arts naar moet kijken bij een dertiger is immers anders dan wat hij moet zoeken bij een zeventiger.

Om te zien of computers arts konden helpen deze problemen sneller te vinden, testte het team twaalf verschillende soorten modellen voor kunstmatige intelligentie. Ze vroegen deze modellen om twee dingen te doen: eerst om te beslissen of een foto een gezond oog liet zien of een ongezond oog, en ten tweede om precies te identificeren wat voor soort ziekte aanwezig was als het oog ongezond was. De resultaten waren bemoedigend voor de eerste taak. De computermodellen waren erg goed in het opsporen wanneer er iets mis was; ze identificeerden abnormale ogen correct in meer dan negentig procent van de gevallen. Dit betekent dat een handheld camera gecombineerd met dit soort software betrouwbaar mensen kan signaleren die een specialist moeten zien. De tweede taak was echter veel moeilijker. Wanneer de modellen probeerden de specifieke ziekte te benoemen, daalde hun nauwkeurigheid aanzienlijk. Ze verwarden vaak verschillende soorten vaatproblemen of hadden moeite om onderscheid te maken tussen verschillende soorten weefselschade. Dit suggereert dat hoewel computers uitstekend zijn in het fungeren als een eerste filter om potentiële problemen op te vangen, ze nog niet klaar zijn om een menselijke arts te vervangen bij het diagnosticeren van de exacte conditie op basis van een handheld foto.

De onderzoekers testten ook een nieuwe generatie geavanceerde computermodellen die waren getraind op miljoens standaard, hoogwaardige oogfoto's uit grote klinieken. Ze hoopten dat deze "fundamentele modellen" slimmer en beter zouden zijn in het omgaan met de rommelige, echte beelden van de handheld camera's. Verrassend genoeg presteerden deze geavanceerde modellen niet beter dan de simpelere, lichtere modellen. Sterker nog, de gespecialiseerde modellen hadden soms meer moeite, waarschijnlijk omdat de beelden van de kleine handheld camera's te veel verschilden van de perfecte beelden waarop zij waren getraind. De simpelere modellen, die sneller zijn en minder rekenkracht vereisen, deden het eigenlijk het beste. Deze bevinding is een praktische gids voor de toekomst: voor grootschalige screening met draagbare apparaten hebben we niet de meest complexe, zware kunstmatige intelligentie nodig. We hebben tools nodig die robuust genoeg zijn om imperfecte foto's te verwerken en snel genoeg om duizenden beelden per dag te verwerken.

Uiteindelijk bewijst dit onderzoek dat het mogelijk is om kleine, draagbare camera's te gebruiken om grote aantallen mensen te screenen op vele verschillende oogziekten, mits er een systeem aanwezig is om de kwaliteit van de foto's te controleren. Het onderzoek laat zien dat oogziekten een voorspelbaar patroon volgen op basis van leeftijd, waarbij bijziendheid domineert bij jongeren en vaatziekten de overhand nemen bij ouderen. Het laat ook zien dat kunstmatige intelligentie een krachtige partner kan zijn bij het opsporen van deze problemen, maar dat de technologie nog niet perfect is in het benoemen van elke specifieke ziekte. Het werk legt de basis voor een nieuwe manier om het gezichtsvermogen te beschermen, waarbij routineuze gezondheidscontroles een snelle, pijnloze blik op het netvlies kunnen bevatten, waardoor problemen vroegtijdig worden ontdekt voordat ze tot blindheid leiden. Door een eenvoudig handheld apparaat te combineren met slimme software en een duidelijk begrip van hoe oogziekten gedurende een leven veranderen, kunnen we bewegen naar een toekomst waarin de ooggezondheid net zo routinematig wordt gemonitord als de bloeddruk of het gewicht.