Is de hoornvliestransplantatie gelukt? Zijn in het netvlies vroege tekenen van diabetes type 2 te herkennen? Oogspecialisten krijgen er binnenkort een nieuw gereedschap bij: computermodellen op basis van deep learning (een vorm van kunstmatige intelligentie, AI).

 

Oogspecialisten in het ziekenhuis moeten nu nog zelf speuren op foto’s die van het oog van een patiënt zijn gemaakt, maar dat kost veel tijd en er is veel ervaring voor nodig.

Er zitten computergereedschappen aan te komen die de oogspecialist daarbij gaan helpen. Op 21 juni promoveerde aan de Technische Universiteit Eindhoven Friso Heslinga op zijn onderzoek naar het toepassen van deep learning op hoornvlies- en netvliesbeelden.
 

Hoornvlies en netvlies

Even een kort lesje over het oog. Het vlies waar je ooglid overheen schuift, is het hoornvlies. Het netvlies bevindt zich aan de achterkant van het oog, en is het weefsel dat de lichtgevoelige cellen bevat. Van beide vliezen kunnen in het ziekenhuis beelden worden gemaakt.
 

Doorsnede van het oog, met de belangrijkste onderdelen. Cornea = hoornvlies, retina = netvlies. Foto: National Eye Institute / CC-BY-2.0

 

Hoornvlies wordt slechter

Neem de aandoening waarbij iemands hoornvlies slechter wordt en minder transparant. ‘Dat kan komen doordat de endotheelcellen minder goed functioneren, bijvoorbeeld als gevolg van trauma’s, maar er kan ook een langzaam vorderende hoornvliesziekte aan ten grondslag liggen’, vertelt Heslinga.

Als het hoornvlies te slecht is geworden, kan een transplantatie uitkomst bieden. De arts brengt daarbij een donorvlies (van een overleden persoon) aan tegen de achterzijde van het bestaande hoornvlies. ‘Dat is een razend knappe operatie, waarbij de arts het donorvlies (een rond vlies van 8,5 millimeter doorsnede en 30 micron dik) oprolt en door een piepklein gaatje achter het oude hoornvlies brengt. Het is daarbij wel zaak om het donorvlies met de juist kant tegen het oude vlies te brengen, anders hecht het niet.’
 

Checken of het hoornvlies goed om ligt

Het succes van de operatie hangt nu nog vooral af van de vakkennis en ervaring van de oogspecialist. Sommigen artsen brengen het proces in beeld (met Optical Coherence Tomography, OCT). ‘De arts moet daarbij geconcentreerd op deze beelden kijken om te checken of het donorvlies goed om ligt, maar wij hebben nu laten zien dat dit ook geautomatiseerd kan. Voor de ervaren arts dient dat als een check, maar voor artsen die net zijn begonnen kan dit een grote hulp zijn.’

Ook kan een soortgelijk model de dikte van het hoornvlies bepalen wanneer het zich herstelt na de operatie. ‘Als het zich allemaal goed ontwikkelt, wordt het langzaam weer even dun als het was.’
 

Diabetes

Een andere toepassing van de automatische beeldanalyse is gericht op foto’s van iemands netvlies. Met dit soort foto’s valt te bepalen of iemand een vroeg stadium van type 2 diabetes heeft. Eerder onderzoek liet zien dat dit kan door de adertjes in het netvlies te analyseren; als die dikker en kronkeliger zijn dan normaal, dan kan dat wijzen op diabetes.

‘Maar tegenwoordig vertellen we de computermodellen niet meer vooraf waar ze naar moeten zoeken, zoals we eerder vertelden dat specifieke eigenschappen van de vaatjes belangrijk zijn’, zegt Heslinga. ‘In plaats daarvan leren onze modellen de relevante eigenschappen zelf door veel voorbeelden te analyseren.’
 

Duizenden trainingsbeelden

Door het model (een algoritme) te trainen op netvliesbeelden van patiënten waarvan bekend is dat ze diabetes type 2 hebben, wordt het algoritme steeds beter en betrouwbaarder. ‘Nadat je er duizenden trainingsbeelden in hebt gestopt, gaat je model zinnige uitspraken doen’, zegt Heslinga.

Het fascinerende is daarbij dat het model, dat geen enkele informatie vooraf kreeg over het ziektebeeld, toch aan artsen en wetenschappers inzichten kan geven over die aandoening. Op de afbeelding boven dit artikel is rechts te zien hoe het model uitkwam bij een regio waarop het had gefocust, een bepaalde ader.
 

Patiënten gaan profiteren

Nu Heslinga met zijn promotieonderzoek heeft laten zien wat AI kan betekenen bij het analyseren van oogbeelden, wil hij het werk graag voortzetten om het in het ziekenhuis te krijgen, zodat patiënten ervan gaan profiteren. ‘Daarvoor zouden we idealiter samenwerken met een producent van medische apparaten, of met de fabrikant van software voor beeldanalyse. Maar eerst zijn brede validatiestudies nodig, om te laten zien dat de modellen werken voor veel verschillende type scanners en een diverse populatie.’

Het zal nog jaren duren voor het zover is, maar in de toekomst wordt het misschien wel heel gewoon om bij een routine-check van je lichaam een aantal oogfoto’s te laten maken, om te kijken of zich aandoeningen aankondigen. Dat is zinvol, want hoe vroeger je een ziekte herkent, hoe beter die kan worden behandeld.

 

Openingsbeeld: Links een afbeelding van een netvlies. Rechts: Uitvoer van het AI-model van Heslinga, waarin de belangrijke regio's in het rood zijn weergegeven. Dit voorbeeld is van iemand met diabetes type 2. Bron: Friso Heslinga.