Deep Learning from Retinal Fundus Photographs for Detecting Angiographic Obstructive Coronary Artery Disease: A Multicenter Development and External Validation Study

Het menselijk lichaam is een uitgestrekt netwerk van leidingen die levensondersteunend bloed van het hart naar elke hoek van het systeem vervoeren. Wanneer deze leidingen, bekend als slagaders, verstopt raken met vetafzettingen, een aandoening genaamd atherosclerose, wordt de doorstroming beperkt, wat potentieel kan leiden tot een hartaanval. De meest directe manier voor artsen om te zien of de eigen slagaders van het hart geblokkeerd zijn, is door een dunne slang door de bloedvaten te leiden en een kleurstof te injecteren, een procedure die invasieve coronaire angiografie wordt genoemd. Hoewel deze methode de gouden standaard is voor diagnose, is het invasief, brengt risico's met zich mee en onthult vaak dat de slagaders van de patiënt eigenlijk schoon zijn, wat betekent dat de procedure onnodig was. Jarenlang hebben artsen vertrouwd op eenvoudige vragen over de leeftijd, het geslacht en de symptomen van een patiënt om de waarschijnlijkheid van een blokkade te raden voordat ze zo'n test aanvragen. Deze gissingen zijn echter vaak onnauwkeurig, wat leidt tot te veel onnodige procedures of gemiste diagnoses.

Een andere benadering is voortgekomen uit een onwaarschijnlijke plek: de achterkant van het oog. Het netvlies, de lichtgevoelige laag aan de achterkant van het oog, is bedekt met minuscule bloedvaten die de enige zijn in het lichaam die artsen direct kunnen zien zonder chirurgie. Omdat deze retinale vaten dezelfde biologische omgeving delen als de slagaders van het hart, kunnen veranderingen in hun uiterlijk wijzen op problemen elders in het lichaam. Onderzoekers vermoedden al lang dat een foto van het netvlies aanwijzingen over hartziekten zou kunnen onthullen, maar het omzetten van die visuele aanwijzingen in een betrouwbare diagnose is moeilijk gebleken. Nu suggereert een nieuwe studie dat geavanceerde computerprogramma's deze subtiele tekenen beter kunnen lezen dan traditionele gokspelletjes, wat een niet-invasieve manier biedt om te identificeren wie echt de invasieve harttest nodig heeft.

In een grote, multicenter studie met duizenden patiënten ontwikkelden onderzoekers een geavanceerd computersysteem dat ontworpen is om naar fundusfoto's van het netvlies te kijken en de aanwezigheid van obstructieve coronaire slagaderziekte te voorspellen. Het team, onder leiding van experts van Beijing Anzhen Hospital en Beijing Airdoc Technology Co., Ltd., trainde dit kunstmatige intelligentiemodel met afbeeldingen van bijna 4.800 patiënten die al gepland stonden voor de invasieve harttest. De computer kreeg de retinale beelden te zien samen met de bevestigde resultaten van de harttests, waardoor het kon leren van de specifieke visuele patronen die geassocieerd worden met geblokkeerde slagaders. Het model, genaamd RET-IRV2, werd niet alleen geleerd om blokkades op te sporen; het werd ook getraind om basisgegevens van de patiënt zoals leeftijd en geslacht te schatten, een techniek die de computer helpt om zich te concentreren op de meest relevante kenmerken van de afbeelding.

De echte test voor deze nieuwe tool kwam toen de onderzoekers het toepasten op een volledig andere groep van meer dan 3.300 patiënten uit vier verschillende medische centra. In deze externe validatie bleek het computermodel opmerkelijk effectief. Het identificeerde de aanwezigheid van obstructieve coronaire slagaderziekte met een hoge mate van nauwkeurigheid en presteerde hiermee aanzienlijk beter dan de standaardmethoden die artsen momenteel gebruiken. Deze traditionele methoden, die vertrouwen op het berekenen van risico op basis van leeftijd, geslacht en symptomen, hebben vaak moeite om onderscheid te maken tussen patiënten met blokkades en patiënten zonder. In de studie was het vermogen van het computermodel om deze groepen te scheiden veel superieur aan het bijgewerkte Diamond-Forrester model, de Duke Clinical Score, en zelfs een standaard statistische berekening die bloeddruk en cholesterolgehalte omvatte.

Wat deze bevinding bijzonder overtuigend maakt, is dat de computer dit succes behaalde met enkel de oogbeelden, zonder dat er gegevens uit de medische geschiedenis of bloedtestresultaten van de patiënt als input nodig waren. Om te begrijpen hoe de computer zijn beslissingen nam, voerden de onderzoekers een reeks experimenten uit waarbij ze delen van de retinale afbeeldingen digitaal afdekten. Wanneer ze de bloedvaten maskeerden, daalde de prestatie van de computer aanzanzienlijk, wat bevestigde dat de computer inderdaad vertrouwde op de structuur en het uiterlijk van de kleine vaten om de diagnose te stellen. Dit suggereert dat het model niet zomaar gokt op basis van willekeurige patronen, maar daadwerkelijk de systemische vasculaire veranderingen detecteert die gepaard gaan met hartziekten.

De studie keek ook verder dan de directe diagnose om te zien of de voorspellingen van de computer enige invloed hadden op de toekomstige gezondheid van patiënten bij wie bevestigd blokkades waren gevonden. Onder de patiënten die de ziekte hadden en tot twee jaar werden gevolgd, waren degenen met hogere scores van het computermodel eerder geneigd om belangrijke cardiovasculaire gebeurtenissen te ervaren, zoals een hartaanval, beroerte of overlijden. Dit geeft aan dat de visuele informatie die in het netvlies wordt vastgelegd, niet alleen kan helpen bij het identificeren van de ziekte, maar ook een inkijkje kan geven in hoe ernstig de onderliggende aandoening is en welke risico's een patiënt in de toekomst loopt.

Ondanks deze veelbelovende resultaten zijn de onderzoekers voorzichtig met de beperkingen van hun werk. De studie werd uitgevoerd in een specifieke setting waar patiënten al werden doorverwezen voor invasieve tests, wat betekent dat de groep een zeer hoog percentage werkelijke ziekte had, wat verschilt van de algemene populatie waar hartblokkades minder vaak voorkomen. Het model is nog niet getest in groepen met een lager risico of in populaties buiten Oost-Azië, waar verschillen in oogpigmentatie en vaatstructuur de resultaten kunnen beïnvloeden. Bovendien wordt de mogelijkheid van de computer om toekomstige hartgebeurtenissen te voorspellen gepresenteerd als een interessante hypothese voor verder onderzoek, en niet als een bewezen instrument voor het voorspellen van individuele uitkomsten.

De implicaties van dit onderzoek zijn aanzienlijk voor de toekomst van hartziektescreening. Als deze bevindingen standhouden in bredere, diversere populaties, zou fundusfotografie een krachtig, niet-invasief screeningsinstrument kunnen worden. Het zou artsen kunnen helpen beslissen welke patiënten echt de invasieve harttest nodig hebben en welke veilig kunnen worden gemonitord met minder risicovolle methoden. Door een duidelijker beeld te geven van de vasculaire gezondheid van een patiënt via een eenvoudige, pijnloze foto, heeft deze technologie de potentie om diagnostische trajecten te verfijnen, onnodige procedures te verminderen en uiteindelijk de zorg voor miljoenen mensen met vermoedelijke hartziekten te verbeteren. De studie laat zien dat de ogen, die vaak de ramen naar de ziel worden genoemd, ook een helder venster kunnen zijn naar de gezondheid van het hart.