Reële prestaties van een AI-systeem voor screening op diabetische retinopathie

Waarom dit belangrijk is voor mensen met diabetes

Diabetes kan op stille wijze de achterzijde van het oog beschadigen en gezichtsverlies veroorzaken voordat er symptomen optreden. Regelmatige oogcontroles kunnen het grootste deel van door diabetes veroorzaakte blindheid voorkomen, maar oogartsen en kliniektijd zijn beperkt. Deze studie onderzocht of een programma voor kunstmatige intelligentie (AI) veilig kan helpen bij het screenen van mensen met diabetes op oogschade tijdens reguliere diabetesbezoeken, zodat degenen die specialistische zorg nodig hebben worden opgespoord terwijl de druk op oogklinieken afneemt.

Een nieuwe manier om ogen te controleren in de diabeteskliniek

Onderzoekers van een universitair ziekenhuis in Brussel testten een op AI gebaseerd systeem dat is ontworpen om "verwijsbare" diabetische oogziekte te detecteren—stadia waarbij patiënten naar een oogarts moeten worden verwezen. Volwassenen met diabetes die de endocrinologiekliniek bezochten, kregen snelle foto’s van het achterste deel van elk oog gemaakt met een kleine camera, zonder pupilverwijdende druppels. De beelden werden ter plekke geanalyseerd door de AI-software, die besliste of elke patiënt verwezen moest worden voor mogelijke gezichtsbedreigende diabetische retinopathie of macula-oedeem. Een netvliespecialist beoordeelde later alle beelden onafhankelijk met een standaard gradatieschaal, wat diende als referentie waarmee de beslissingen van de AI werden vergeleken.

Hoe goed de AI risicovolle oogziekte opmerkte

Van de 405 gescreende personen hadden 353 beelden die helder genoeg waren om AI- en menselijke beslissingen te vergelijken. In deze groep had ongeveer 1 op de 6 mensen diabetische oogziekte ernstig genoeg om verwijzing te rechtvaardigen. Het AI-systeem presteerde zeer sterk: het identificeerde bijna 9 van de 10 patiënten die verwijzing nodig hadden en stelde bijna alle personen die dat niet nodig hadden correct gerust. In technische termen bereikte het systeem een sensitiviteit van 88,9%, een specificiteit van 98,7% en een algehele nauwkeurigheid (area under the curve) van 96,5%. Wanneer de menselijke expert stadia van de ziekte vond die het zicht bedreigden, markeerde het AI-systeem al deze patiënten voor verwijzing, wat betekent dat de hoogst-risicovolle personen niet werden gemist.

Consistente resultaten tussen verschillende groepen

Het team controleerde ook of de AI even goed werkte voor verschillende leeftijden, geslachten, etnische groepen, diabetestypes, lichaamsgewichten en beeldkwaliteiten. In al deze subgroepen bleef de prestatie hoog, zonder noemenswaardige daling van de nauwkeurigheid in enige categorie. Met name was de nauwkeurigheid uitstekend bij jongere volwassenen, bij vrouwen, bij Europese patiënten, bij mensen met type 1-diabetes en wanneer de beeldkwaliteit als zeer goed werd beoordeeld. Statistische modellen toonden aan dat twee bekende diabetesfactoren—hogere bloedsuiker bij diagnose en langere duur van de diabetes—sterke voorspellers waren van ernstige oogziekte voor zowel AI- als menselijke gradatie, wat bevestigt dat de beslissingen van de AI overeenkomen met bekende medische risico­patronen.

Wat dit betekent voor klinieken en patiënten

Buiten door diabetes veroorzaakte oogschade werden bijna een kwart van de patiënten verwezen naar oogspecialisten voor andere nieuw ontdekte problemen, zoals veranderingen aan de oogzenuw of tekenen van leeftijdsgebonden maculadegeneratie. Slechts een minderheid van deze verwijzingen was voor diabetische retinopathie zelf, wat benadrukt hoe een eenvoudige oogfoto veel belangrijke oogaandoeningen kan onthullen. De AI-tool is echter specifiek gebouwd om diabetische retinopathie en macula-oedeem te herkennen, niet deze andere aandoeningen, dus hij is het best te zien als een triagehulp in plaats van een volledige vervanging van het oogonderzoek. In de praktijk kunnen klinieken het systeem gebruiken om grote aantallen netvliesfoto’s automatisch te sorteren, waardoor oogartsen meer tijd hebben voor complexe of behandeling vereisende gevallen in plaats van het screenen van gezonde beelden.

Conclusie voor dagelijkse lezers

Deze Belgische real-worldstudie laat zien dat een AI-programma veilig en efficiënt kan helpen bij het screenen van mensen met diabetes op ernstige oogschade tijdens routinekliniekbezoeken, en presteert minstens zo goed als de regelgevende maatstaven voor dergelijke tools. Voor patiënten kan dit snellere, meer toegankelijke oogcontroles betekenen, minder onnodige specialistbezoeken en een betere kans om gevaarlijke veranderingen te ontdekken voordat het gezichtsverlies optreedt. Voor zorgsystemen die met een groeiende golf van diabetes geconfronteerd worden, biedt AI-ondersteunde oogscreening een praktische manier om de bescherming tegen te voorkomen blindheid uit te breiden en tegelijkertijd de tijd van specialisten slimmer te gebruiken.

Bronvermelding: Berrada, L., Crenier, L., Lytrivi, M. et al. Real-world performance of an AI system for diabetic retinopathy screening. Sci Rep 16, 7609 (2026). https://doi.org/10.1038/s41598-026-37292-6

Trefwoorden: diabetische retinopathie, kunstmatige intelligentie, oogscreening, deep learning, tele-oftalmologie