AI-gestuurd ondersteuningssysteem voor chirurgische besluitvorming bij herstel van corneale incisies: een prospectieve, niet-gerandomiseerde gecontroleerde haalbaarheidsstudie

Waarom slimmer oogchirurgie ertoe doet

Wanneer het heldere voorraam van het oog—de cornea—door een ongeluk wordt doorgesneden, kan het zicht blijvend beschadigd raken, zelfs na spoedoperatie. Heel kleine hechtingen moeten precies op de juiste plaats worden aangebracht om de wond te sluiten, het corneale oppervlak glad te maken en vervormd zicht te voorkomen. Deze studie onderzoekt of een systeem met kunstmatige intelligentie (AI) oogchirurgen kan helpen precies te bepalen waar die hechtingen moeten komen, met als doel patiënten scherper en comfortabeler zicht te geven na ernstige oogletsels.

Oogletsels en de uitdaging van herstel

Corneale laceraties zijn urgente verwondingen die zowel de vorm van het oog als het vermogen om scherp te zien bedreigen. Chirurgen moeten de wond snel sluiten, maar de snijranden zijn vaak onregelmatig en moeilijk perfect op elkaar aan te sluiten. Als de hechtingen te strak, ongelijk of te dicht op elkaar zitten, kan de cornea met littekens en sterk astigmatisme genezen—een vervorming van het oogoppervlak die licht ongelijk buigt en het zicht vervaagt. De uitkomsten verschillen sterk tussen chirurgen, zeker in gehaaste spoedsituaties. De auteurs van deze studie vroegen zich af of een computersysteem, getraind op duizenden beelden, objectieve richtlijnen kan bieden om het hechten nauwkeuriger en consistenter te maken.

Hoe de AI leert van beelden

Het team bouwde eerst een computervisiestysteem met deep learning, een techniek waarmee software patronen uit grote beelddatasets kan "leren". Ze trainden hun model op 2.400 beelden van varkensoren met corneale snijwonden, die sterk lijken op menselijke cornea’s. De AI leerde de wondranden in elke foto te omlijnen en daarmee feitelijk de ware vorm en locatie van de laceratie te traceren. Vervolgens werd het model met transfer learning verfijnd op 300 beelden van menselijke corneale verwondingen die zorgvuldig waren omlijnd door ervaren oogartsen. Het uiteindelijke systeem kon betrouwbaar de wond op een nieuwe corneale afbeelding markeren en die omlijning gebruiken om te berekenen hoeveel hechtingen nodig waren en precies waar elke hechting langs de wond geplaatst moest worden.

Van beeldanalyse naar steek-voor-steek advies

Op basis van de wondomlijning schatte de AI hoeveel gezond weefsel de sneede omringde en stelde het een passend aantal hechtingen en afstand tussen die hechtingen voor. Dit deed het door een middenlijn langs de wond te tekenen, referentiepunten op vaste afstanden te markeren en vervolgens korte lijnen naar buiten in de omringende cornea te projecteren om precieze insteekplaatsen voor hechtingen te kiezen. Deze door de computer gekozen punten werden vergeleken met de voorkeurslocaties van expertexperts en kwamen binnen ongeveer een tiende millimeter overeen, wat bijna menselijke precisie aangeeft. Tijdens de operatie bekeken artsen in de AI-gestuurde groep het door het systeem voorgestelde hechtingspatroon en volgden ongeveer 92% van de aanbevelingen, terwijl ze in de operatiekamer toch de uiteindelijke beslissingsbevoegdheid behielden.

AI-geleiding testen bij echte patiënten

Om te onderzoeken of deze planning daadwerkelijk patiënten hielp, voerden de onderzoekers een prospectieve studie uit met 25 mensen met volledige-dikte corneale laceraties. Veertien werden behandeld met standaardhechting alleen op basis van het oordeel van de chirurg, terwijl elf hun hechtingen met AI-ondersteuning lieten plannen. Alle patiënten werden minimaal zes maanden gevolgd en hun zicht en corneale vorm werden gemeten nadat de hechtingen waren verwijderd. Degenen bij wie de operatie door AI werd begeleid, hadden een betere beste gecorrigeerde gezichtsscherpte en minder astigmatisme dan degenen die conventioneel werden behandeld. Maten voor hoe glad en symmetrisch het corneale oppervlak na genezing was, waren ook in het voordeel van de AI-groep, en geen van de AI-gestuurde gevallen had herhechting nodig vanwege lekkages.

Wat dit kan betekenen voor toekomstige oogzorg

Voor een niet-specialist is de belangrijkste boodschap dat een AI-"co-piloot" in de operatiekamer chirurgen kan helpen hechtingen gelijkmatiger en efficiënter te plaatsen na ernstige oogletsels, wat leidt tot scherper zicht en minder complicaties. Dit was een kleine, niet-gerandomiseerde haalbaarheidsstudie, dus grotere en meer rigoureuze onderzoeken zijn nog nodig. Het systeem heeft ook beperkingen—het is ontwikkeld voor acute, lineaire traumatische sneden en kan nog geen complexere wonden of diepte-informatie verwerken. Desondanks suggereren de bevindingen dat het combineren van de vaardigheid van een chirurg met een op data gebaseerd hechtingsplan noodreparatie van het oog preciezer en voorspelbaarder kan maken, waardoor de kans groter wordt dat patiënten nuttig en comfortabel zicht terugkrijgen na verwoestende corneale verwondingen.

Bronvermelding: Zheng, J., Lu, H., Chen, Y. et al. AI-guided surgical decision support system for corneal laceration repair: a prospective, non-randomized controlled feasibility study. Sci Rep 16, 12431 (2026). https://doi.org/10.1038/s41598-026-42805-4

Trefwoorden: corneale verwonding, oogchirurgie, kunstmatige intelligentie, chirurgische planning, astigmatisme