Low-Cost Early Prediction of Retinopathy of Prematurity Using Arterial Blood Gas Analysis: A Retrospective Cohort Study

Voor baby's die te vroeg worden geboren, komt de wereld te snel en moeten hun lichamen nog leren hoe ze buiten de baarmoeder moeten functioneren. Te midden van de vele uitdagingen waar deze kwetsbare zuigelingen mee te maken krijgen, is een van de meest bedreigende een aandoening genaamd retinopathie van prematuriteit. Dit is een ziekte waarbij de bloedvaten aan de achterkant van het oog, het netvlies, niet goed groeien. In plaats van een gezond netwerk te vormen, kunnen ze stoppen met groeien of op een chaotische, ongeorganiseerde manier groeien, wat uiteindelijk tot blindheid kan leiden. Omdat het oog nog in ontwikkeling is, is de timing van de behandeling cruciaal; artsen moeten het probleem vroeg genoeg ontdekken om in te grijpen voordat er blijvende schade optreedt. Momenteel is de standaardmethode om hiervoor te screenen door een camera te gebruiken en direct in het oog van de baby te kijken. Hoewel dit effectief is, vereist dit proces dure apparatuur en hoogopgeleide specialisten, en het betekent vaak dat veel gezonde baby's gecontroleerd moeten worden om slechts enkelen te vinden die echt risico lopen.

Onderzoekers weten al lang dat de grootste risico's voor deze oogziekte het zeer vroeg geboren worden en een zeer laag geboortegewicht zijn. Ze weten ook dat de hoeveelheid zuurstof die een baby krijgt een grote rol speelt, aangezien te veel of te weinig zuurstof de ontwikkelende vaten kan beschadigen. Echter, een nieuwe studie suggereert dat artsen kunnen voorspellen welke baby's in gevaar zijn op een veel eerdere en eenvoudigere manier, door gebruik te maken van gegevens die ze dagelijks al verzamelen. Door te kijken naar de resultaten van routinematige bloedtests die meten hoe goed een baby ademt en hoe hun bloed zuurstof transporteert, heeft een team wetenschappers een computermodel gebouwd dat risicovolle zuigelingen kan signaleren zonder eerst in hun ogen te hoeven kijken. Deze aanpak zou ziekenhuizen, vooral die met minder middelen, kunnen helpen beslissen welke baby's de meest dringende aandacht nodig hebben.

De studie, uitgevoerd door een team van artsen en onderzoekers in China, richtte zich op meer dan 500 premature zuigelingen die tussen 2022 en 2025 zijn geboren. Deze baby's werden behandeld in neonatale intensive care-afdelingen in drie verschillende ziekenhuizen. In deze afdelingen nemen artsen routinematig kleine hoeveelheden bloed af van de baby's om hun arteriële bloedgaswaarden te controleren. Deze test vertelt hen hoeveel zuurstof en koolstofdioxide er in het bloed zit, hoe zuur of basisch het bloed is, en hoe goed het lichaam zuurstof gebruikt. De onderzoekers verzamelden al deze gegevens, samen met het geboortegewicht van de baby's en het aantal weken dat zij in de baarmoeder waren voordat ze werden geboren. Vervolgens gebruikten ze een vorm van computergestuurd leren, waarbij een programma patronen in gegevens bestudeert om voorspellingen te doen, om te zien of deze bloedtestresultaten konden aangeven welke baby's de oogziekte zouden ontwikkelen.

Het team testte tien verschillende computeralgoritmen om te zien welke het beste werkte bij het opsporen van het risico. Ze ontdekten dat het meest succesvolle model vertrouwde op een specifieke, beheersbare lijst van tien belangrijke stukjes informatie. Deze bevatten de zwangerschapsleeftijd en het geboortegewicht van de baby, plus negen specifieke getallen uit de bloedgastests die tijdens de eerste zes weken van het leven werden genomen. Deze getallen omvatten zaken als de druk van koolstofdioxide in het bloed, de niveaus van verschillende soorten hemoglobine (het eiwit in het bloed dat zuurstof transporteert) en markers van hoe goed het lichaam met energie en stress omgaat. Wanneer de computer werd getraind op deze specifieke set van tien feiten, werd hij opmerkelijk goed in het voorspellen van de uitkomst. In de initiële groep baby's bereikte het model een AUC van 0,95. Het behaalde ook een AUC van 0,91 voor het identificeren van gezonde baby's als laag risico, wat betekent dat het zelden een geval mist dat aandacht nodig heeft.

Om te waarborgen dat dit resultaat niet slechts een gelukkige gok was met één groep patiënten, testten de onderzoekers hun model op twee andere groepen baby's uit verschillende ziekenhuizen. Het model hield goed stand in deze nieuwe omgevingen. In één groep behaalde het een AUC van 0,83, en in de andere een AUC van 0,91. De studie toonde aan dat het toevoegen van meer en meer variabelen aan het computermodel de prestaties niet verbeterde; sterker nog, het eenvoudigere model met slechts de tien belangrijkste feiten presteerde het best. Dit suggereert dat de routinematige bloedtests die al in ziekenhuizen worden uitgevoerd, een verborgen signaal bevatten over de gezondheid van de ogen van de baby dat over het hoofd is gezien. De onderzoekers merkten op dat het model bijzonder goed was in het uitsluiten van baby's die veilig waren, wat een cruciale eigenschap is voor een screeningsinstrument. Als een baby door dit model als laag risico wordt aangemerkt, kunnen artsen er zeker van zijn dat de baby onwaarschijnlijk de ernstige vorm van de ziekte zal ontwikkelen.

De studie verduidelijkte ook wat dit hulpmiddel wel en niet is. De onderzoekers benadrukken dat dit een risicovoorspellingssysteem is, en geen vervanging voor het eigenlijke oogonderzoek. Een baby die door het model als hoog risico wordt aangemerkt, krijgt niet automatisch een behandeling; in plaats daarvan vertelt het resultaat de artsen om eerder en vaker naar de ogen van die baby te kijken. Dit zou een essentieel verschil kunnen maken voor ziekenhuizen die niet dagelijks over een gespecialiseerde oogarts beschikken. Door gebruik te maken van de bloedgasgegevens die er al zijn, kunnen deze ziekenhuizen hun beperkte screeningsmiddelen prioriteren voor de zuigelingen die ze het hardst nodig hebben. Het model werkte ook voor baby's die iets later zijn geboren dan bij veel andere bestaande instrumenten, die vaak alleen van toepassing zijn op de kleinste, meest premature zuigelingen. Dit betekent dat de aanpak een breder scala aan baby's kan helpen, inclusief degenen die iets verder ontwikkeld zijn maar nog steeds risico lopen.

De bevindingen wijzen op een diepere connectie tussen hoe het lichaam van een baby met zuurstof omgaat en de ontwikkeling van hun ogen. De bloedtests onthulden dat baby's die de oogziekte ontwikkelden, subtiele verschillen vertoonden in de manier waarop hun bloed zuurstof transporteerde en hoe hun lichamen reageerden op stress. Bijvoorbeeld, de niveaus van bepaalde soorten hemoglobine en de balans van zuren in het bloed waren anders in de risicogroep. Deze verschillen suggereren dat de strijd van het lichaam om zuurstof en energie in de eerste weken van het leven te beheren, verbonden is met de problemen die later in het netvlies verschijnen. Door deze patronen te vangen, vertaalt het computermodel complexe biologische signalen naar een eenvoudige risicoscore.

Hoewel de resultaten veelbelovend zijn, merken de onderzoekers er voorzichtig bij op dat dit een retrospectieve studie is, wat betekent dat ze terugkeken naar gegevens die al waren verzameld. De volgende stap, die ze al plannen, is het testen van dit model in realtime terwijl baby's worden behandeld. Ze zijn van plan het hulpmiddel beschikbaar te stellen aan andere artsen en onderzoekers, zodat het in verschillende delen van de wereld kan worden gevalideerd. Als toekomstige tests deze resultaten bevestigen, zou deze goedkope methode een standaard onderdeel van de zorg voor premature zuigelingen kunnen worden, wat helpt blindheid te voorkomen door ervoor te zorgen dat de juiste baby's op het juiste moment de juiste oogonderzoeken krijgen. Het werk laat zien dat soms de krachtigste instrumenten om het zicht te redden niet nieuwe machines zijn, maar een slimmere manier om naar de gegevens te kijken die we al hebben.