Bij glaucoom raakt de oogzenuw vaak geleidelijk beschadigd. Omdat die schade niet kan worden hersteld, proberen artsen verder zichtverlies zoveel mogelijk te voorkomen. Meestal gebeurt dat door de oogdruk te verlagen met druppels, laserbehandeling of chirurgie. Welke aanpak het meest geschikt is, verschilt van patiënt tot patiënt: een te lichte behandeling kan leiden tot blijvend zichtverlies, terwijl een te zware behandeling tot onnodige nevenwerkingen of complicaties.
Ontbrekend puzzelstuk in zorg op maat
Om de behandeling goed af te stemmen, moeten artsen weten hoe groot het risico van op verdere achteruitgang is. De Europese richtlijnen voor glaucoom leggen daarom sterk de nadruk op zorg op maat voor individuele patiënten. Leeftijd, oogdruk, bestaande schade en het tempo waaraan de ziekte evolueert, bepalen samen hoe intensief artsen een patiënt behandelen en opvolgen. De eerste drie factoren zijn bij diagnose gekend, maar net die laatste, hoe snel iemand achteruit zal gaan, zien artsen vaak pas na langere opvolging. Sommige patiënten blijven jarenlang stabiel, terwijl anderen in korte tijd snel achteruitgaan.
Prof. dr. Ingeborg Stalmans, oogarts bij UZ Leuven en professor aan KU Leuven: “Bij een nieuwe glaucoompatiënt kennen we de leeftijd, de oogdruk en de schade die er al is. Maar hoe snel de ziekte de komende jaren zal verergeren, blijft vaak onzeker. Net die informatie hebben we nodig om te bepalen hoe intensief we iemand moeten opvolgen of behandelen. Met dit nieuwe model kunnen we dat ontbrekende puzzelstuk al bij de diagnose invullen, op basis van één netvliesfoto.”
Eén netvliesfoto als vertrekpunt
Voor het AI-model gebruikten de onderzoekers fundusfoto’s: klassieke kleurenfoto’s van het netvlies die oogartsen vandaag al maken om glaucoom vast te stellen en op te volgen. Ze koppelden de eerste foto van elke patiënt aan gegevens uit jarenlange opvolging in UZ Leuven. Daardoor kon het model leren welke kenmerken op een netvliesfoto samenhangen met een sneller of trager ziekteverloop, en trainden ze het model om al vanaf de diagnose in te schatten hoe snel de ziekte zal verergeren.
Vervolgens testten de onderzoekers het model met patiëntengegevens uit andere ziekenhuizen in België, Finland, Duitsland en China. Zo gingen ze na of het model ook bruikbaar is bij verschillende patiëntengroepen en bij foto’s die met andere toestellen zijn gemaakt.
Sneller de juiste behandeling kiezen
In de praktijk starten artsen bij nieuwe glaucoompatiënten vaak met een standaardbehandeling. Pas tijdens de verdere opvolging wordt duidelijk hoe snel de ziekte verergert. Voor patiënten die traag achteruitgaan, volstaat die aanpak meestal. Maar bij een sneller ziekteverloop kan in de tussentijd al blijvend zichtverlies ontstaan. Een vroegere risico-inschatting kan artsen helpen om sneller de meest geschikte behandeling te kiezen. Bij een hoog risico kunnen ze vroeger intensievere opvolging of een zwaardere behandeling, zoals chirurgie, overwegen. Bij een laag risico kan een minder belastend traject volstaan, zonder onnodig frequente controles of zware behandelingen. Voor het model in de raadpleging kan worden gebruikt, onderzoeken de teams hoe artsen de risico-inschatting het best kunnen integreren in de dagelijkse praktijk. Het uiteindelijke doel is dat patiënten sneller de opvolging en behandeling krijgen die bij hun persoonlijke risico passen.
Postdoctoraal onderzoeker dr. Ruben Hemelings (KU Leuven, SERI): “Eerder ontwikkelden we al een AI-model dat glaucoom op netvliesfoto’s helpt opsporen. Met dit model willen we een heel concrete klinische vraag beantwoorden: hoe snel zal de ziekte bij deze patiënt evolueren? Dankzij jarenlange opvolging van patiënten konden we een AI-model trainen dat al op de eerste netvliesfoto bij de diagnose patronen herkent die iets zeggen over het latere ziekteverloop.”
Meer informatie
- Deze studie was een samenwerking tussen UZ Leuven, KU Leuven en het Singapore Eye Research Institute met partners in België, Finland, Duitsland en China.
- Lees de publicatie in het wetenschappelijk tijdschrift The Lancet Digital Health
- Luister naar de bijhorende podcast van Ruben Hemelings bij de The Lancet Digital Health In Conversation.