Een fundusbeeld-dataset voor een intelligent systeem voor diabetische retinopathie

Waarom dit belangrijk is voor mensen met diabetes

Diabetes kan de ogen langdurig beschadigen voordat het zicht merkbaar slechter wordt. Dit artikel beschrijft een nieuwe collectie beelden die is ontworpen om computers te helpen deze verborgen oogveranderingen eerder en betrouwbaarder te detecteren, met een breder gezichtsveld van het netvlies dan de meeste huidige hulpmiddelen bieden.

Meer van de achterkant van het oog zien

Diabetische oogziekte beschadigt de kleine bloedvaten aan de achterkant van het oog en is een belangrijke oorzaak van blijvend gezichtsverlies bij volwassenen in werkende leeftijd. Regelmatige oogfoto’s worden al gebruikt om problemen op te sporen, maar zij leggen slechts een klein centraal gebied vast. Belangrijke waarschuwingssignalen verschijnen vaak aan de rand van het netvlies, waar traditionele camera’s ze mogelijk niet zien. Ultra wide field-beeldvorming lost dit op door in één opname tot vijf keer meer gebied vast te leggen, inclusief de verre hoeken waar vroege schade en nieuwe, fragiele bloedvaten kunnen ontstaan.

Een rijke beeldbibliotheek bouwen voor slimme hulpmiddelen

Om optimaal gebruik te maken van dit bredere beeld moeten computerprogramma’s grote, goed georganiseerde beeldverzamelingen hebben om van te leren. De auteurs verzamelden 1.630 ultra wide field-oogfoto’s van 809 patiënten in twee ziekenhuizen in China. Alle deelnemers hadden diabetes en hun gemiddelde leeftijd was ongeveer 54 jaar. De beelden werden gemaakt met een speciale camera die geen druppels vereist om de pupil te verwijden, waardoor de test sneller en comfortabeler is. Beelden van lage kwaliteit met onscherpte of ontbrekende delen werden verwijderd, zodat alleen duidelijke weergaven van het netvlies, de bloedvaten en mogelijke schade overbleven.

Hoe experts de computer leerden

Drie ervaren oogartsen onderzochten zorgvuldig elke afbeelding en verdeelden ze in drie groepen: normale ogen, ogen met lichte tot matige schade, en ogen met gevorderde schade. Zij volgden internationale richtlijnen voor het gradëren van diabetische oogziekte, maar de auteurs merken op dat enige onenigheid tussen artsen nog steeds te verwachten is, vooral bij de beoordeling of zeer milde veranderingen als normaal of als vroege ziekte moeten worden aangemerkt. De uiteindelijke beslissingen werden vastgelegd in mappen en eenvoudige tabellen die elke afbeelding en de bijbehorende groep vermelden, wat een laagdrempelig startpunt vormt voor andere onderzoeksteams.

De dataset op de proef stellen

Het team controleerde vervolgens hoe nuttig deze beeldbibliotheek is voor het trainen van kunstmatige intelligentie. Ze verdeelden de beelden in trainings-, validatie- en testsets en lieten vier bekende deep learning-modellen de drie ziektefasen classificeren. Voor het trainen werden de foto’s bijgesneden en gestandaardiseerd en werden eenvoudige trucs zoals willekeurige flips gebruikt om de modellen beter te laten generaliseren. Op de achtergehouden testbeelden behaalden alle modellen sterke scores over meerdere maatstaven voor nauwkeurigheid, waarbij één model in het bijzonder het beste presteerde. Heatmaps van de modellen benadrukten kleine uitstulpingen in bloedvaten en littekenachtige membranen, wat suggereert dat de algoritmen zich op dezelfde gebieden richtten die artsen belangrijk vinden.

Meer mensen helpen hun gezichtsvermogen te behouden

Deze nieuwe open dataset biedt een hoogwaardige, groothoekweergave van diabetische oogziekte voor iedereen die slimme screeningshulpmiddelen ontwikkelt. Door ultra wide field-beelden te combineren met kunstmatige intelligentie zouden toekomstige systemen meer van het netvlies kunnen bestrijken, minder gevaarlijke veranderingen missen en minder personeelstijd vergen. Hoewel deze dataset op zichzelf reguliere oogzorg niet kan vervangen, legt ze het fundament voor betrouwbaardere, breed beschikbare computergestuurde screening die kan helpen blindheid door diabetes te verminderen, vooral in klinieken met beperkte middelen.

Bronvermelding: Peng, S., Yang, S., Zhao, X. et al. A fundus image dataset for intelligent diabetic retinopathy system. Sci Data 13, 777 (2026). https://doi.org/10.1038/s41597-026-07093-7

Trefwoorden: diabetische retinopathie, retinale beeldvorming, ultra wide field, medische AI, oogscreening