Integratie van genetica, leeftijd en beeldvorming om behandelresultaten te voorspellen bij neovasculaire leeftijdsgebonden maculadegeneratie: een proof-of-concept studie

Waarom dit belangrijk is voor zicht en veroudering

Nu mensen langer leven, loopt een steeds groter deel van ons het risico op leeftijdsgebonden maculadegeneratie, een aandoening die het centraal zicht kan aantasten en alledaagse taken zoals lezen of autorijden moeilijk of onmogelijk kan maken. Artsen beschikken inmiddels over effectieve ooginjecties die een agressieve vorm van de ziekte kunnen vertragen of stilleggen, maar patiënten verschillen sterk in hoe goed ze op de behandeling reageren en hoe vaak ze deze nodig hebben. Deze studie onderzoekt of het combineren van informatie uit ons DNA, oogscans en leeftijd artsen kan helpen voorspellen wie het meeste baat heeft bij therapie en hoe de ziekte zich in de tijd zal ontwikkelen, wat de deur opent naar meer gepersonaliseerde oogzorg.

Drie aanwijzingen samenbrengen

De onderzoekers richtten zich op neovasculaire leeftijdsgebonden maculadegeneratie, de “natte” vorm die wordt aangedreven door lekkende nieuwe bloedvaten onder het netvlies. Alle 106 deelnemers werden behandeld in één gespecialiseerd oogziekenhuis volgens een uniforme “treat-and-extend”-schema met anti-VEGF-injecties, standaardmedicatie om de ziekte te beheersen. Voor elke persoon verzamelde het team drie soorten informatie die routinematig beschikbaar zijn in moderne klinieken: gedetailleerde dwarsdoorsnede-opnamen van het netvlies (OCT-scans), een bloedmonster voor genetisch onderzoek en eenvoudige demografische gegevens zoals de leeftijd bij de eerste injectie.

Het netvlies lezen met kunstmatige intelligentie

OCT-scans kunnen kleine vochtophopingen en andere structurele veranderingen in het netvlies laten zien die duiden op actieve ziekte. In plaats van te vertrouwen op menselijke beoordelaars gebruikte het team een deep-learningmodel om automatisch het volume van verschillende belangrijke kenmerken te meten, waaronder vocht binnen en onder het netvlies en uitstulpingen onder de lichtgevoelige laag. Deze metingen dienden als objectieve indicatoren van hoeveel schade of activiteit het oog had aan het begin van de behandeling. Het belangrijkste doel was te voorspellen of een oog na twee jaar behandeling “droog” zou zijn — in wezen vrij van zichtbaar vocht — een toestand die rustige ziekte weerspiegelt en eenvoudig te verifiëren is met beeldvorming.

Genetische lading als extra puzzelstuk

De studie omvatte ook een polygeen risicoscore, een enkel getal dat het gecombineerde effect samenvat van veel voorkomende genetische varianten die met maculadegeneratie zijn geassocieerd. In plaats van op zichzelf de behandelrespons te voorspellen, vangt deze score voornamelijk hoe sterk iemand geneigd is de ziekte te ontwikkelen en hoe vroeg deze zich kan manifesteren. In deze cohort hadden mensen over het algemeen een hogere genetische risicobelasting dan de algemene bevolking, en degenen met hogere scores begonnen gemiddeld op jongere leeftijd met de behandeling, wat suggereert dat genetische lading de ziekte eerder in het leven kan laten optreden, zelfs als het niet direct bepaalt hoe het oog op injecties reageert.

Hoe goed het gecombineerde model presteerde

Om te testen of het combineren van deze aanwijzingen de voorspelling verbeterde, bouwden de onderzoekers machine-learningmodellen die verschillende combinaties van leeftijds-, beeldvormings- en genetische gegevens gebruikten. Wanneer zij probeerden een droge macula na twee jaar te voorspellen met alleen de oogscankenmerken, was de prestatie redelijk. Toen ze de genetische risicoscore en leeftijd toevoegden, verbeterde het vermogen van het model om te onderscheiden welke ogen droog zouden worden en welke niet aanzienlijk, en bereikte het volgens gangbare statistische maatstaven een hoog nauwkeurigheidsniveau.

Wat dit betekent voor patiënten en de toekomst

Voor mensen die leven met of risico lopen op maculadegeneratie suggereert dit proof-of-concept dat een meer op maat gemaakte benadering van behandeling in het verschiet ligt. Door iemands erfelijke risico, de fijne details van hun retinale structuur en hun leeftijd te combineren, kunnen artsen uiteindelijk mogelijk de kans inschatten op het bereiken van een rustige, vochtvrije macula en de vervolgzorg daarop afstemmen. De huidige studie is klein en afkomstig van één centrum, dus de modellen zijn nog niet klaar voor routinematig klinisch gebruik en ze richten zich op anatomische uitkomsten in plaats van de dagelijkse visuele ervaring. Niettemin tonen de resultaten aan dat het samenbrengen van genetica en geavanceerde beeldvorming in één kunstmatig-intelligent kader technisch haalbaar en biologisch logisch is, en legt het de basis voor grotere studies die precisiegeneeskunde naar de frontlinie van oogzorg kunnen brengen.

Bronvermelding: Moghul, I., Pontikos, N., Sharma, A. et al. Integrating genetics, age and imaging to predict treatment outcomes in neovascular age-related macular degeneration: a proof-of-concept study. Sci Rep 16, 12489 (2026). https://doi.org/10.1038/s41598-026-41931-3

Trefwoorden: leeftijdsgebonden maculadegeneratie, genetische risicoscore, retinale beeldvorming, kunstmatige intelligentie, gepersonaliseerde oogbehandeling