Verkligt resultat av ett AI‑system för screening av diabetisk retinopati

Varför detta är viktigt för personer med diabetes

Diabetes kan tyst skada ögats bakre del och orsaka synförlust innan några symtom uppträder. Regelbundna ögonkontroller kan förebygga det mesta av diabetesrelaterad blindhet, men ögonläkare och mottagningstid är begränsade. Den här studien undersökte om ett artificiellt intelligens (AI)-program säkert kunde hjälpa till att screena personer med diabetes för ögonskador under rutinkontroller, fånga upp dem som behöver specialistvård samtidigt som trycket på ögonkliniker minskas.

Ett nytt sätt att undersöka ögon i diabetesmottagningen

Forskare vid ett universitetssjukhus i Bryssel testade ett AI‑baserat system utformat för att upptäcka ”remitterbar” diabetisk ögonsjukdom – stadier där patienter bör ses av en ögonspecialist. Vuxna med diabetes som besökte endokrinologimottagningen fick snabba fotografier tagna av ögats bakre del med en liten kamera, utan pupillvidgande droppar. Bilderna analyserades på plats av AI‑programvaran, som avgjorde huruvida varje patient skulle remitteras för möjlig synhotande diabetisk retinopati eller makulödem. En retina‑specialist granskade senare alla bilder oberoende enligt en standardiserad graderingsskala, vilket gav jämförelsemålet mot vilket AI:ns beslut bedömdes.

Hur väl AI upptäckte riskfylld ögonsjukdom

Av 405 screenade personer hade 353 bilder som var tillräckligt tydliga för att jämföra AI‑ och människobeslut. I denna grupp hade ungefär 1 av 6 diabetisk ögonsjukdom allvarlig nog att motivera remiss. AI‑systemet presterade mycket väl: det identifierade korrekt nästan 9 av 10 patienter som behövde remiss och lugnade korrekt nästan alla dem som inte behövde det. I tekniska termer nådde systemet en sensitivitet på 88,9 %, en specificitet på 98,7 % och en total precision (area under kurvan) på 96,5 %. När den mänskliga experten fann synhotande stadier av sjukdomen flaggade AI‑systemet alla dessa patienter för remiss, vilket innebär att de mest högresta riskpatienterna inte missades.

Konsistenta resultat över olika grupper

Teamet kontrollerade också om AI fungerade lika bra för olika åldrar, kön, etniska grupper, diabetesformer, kroppsvikter och bildkvaliteter. I alla dessa undergrupper förblev prestandan hög, utan någon meningsfull försämring i noggrannhet i någon kategori. Särskilt var noggrannheten utmärkt hos yngre vuxna, hos kvinnor, hos europeiska patienter, hos dem med typ 1‑diabetes och när bildkvaliteten bedömdes som mycket god. Statistiska modeller visade att två välkända diabetesfaktorer — högre blodsocker vid diagnos och längre diabetesduration — var starka prediktorer för allvarlig ögonsjukdom både för AI‑ och mänsklig granskning, vilket bekräftar att AI:ns beslut var i linje med kända medicinska riskmönster.

Vad detta betyder för kliniker och patienter

Utöver diabetesrelaterade ögonskador remitterades nästan en fjärdedel av patienterna till ögonspecialister för andra nyligen upptäckta problem, såsom förändringar i synnerven eller tecken på åldersrelaterad makuladegeneration. Endast en minoritet av dessa remisser gällde diabetisk retinopati i sig, vilket understryker hur ett enkelt ögonfoto kan avslöja många viktiga ögontillstånd. AI‑verktyget var dock särskilt byggt för att känna igen diabetisk retinopati och makulödem, inte dessa andra sjukdomar, så det bör betraktas som ett triagehjälpmedel snarare än en fullständig ersättning för en ögonundersökning. I praktiken kan kliniker använda systemet för att automatiskt sortera stora mängder retinala fotografier, vilket låter ögonläkare lägga mer tid på komplexa eller behandlingskrävande fall istället för att screena friska bilder.

Sammanfattning för vardagsläsaren

Denna verklighetsnära belgiska studie visar att ett AI‑program säkert och effektivt kan hjälpa till att screena personer med diabetes för allvarliga ögonskador under rutinbesök, och presterar åtminstone lika bra som regulatoriska riktmärken för sådana verktyg. För patienter kan detta innebära snabbare, mer bekväma ögonkontroller, färre onödiga specialistbesök och en bättre chans att upptäcka farliga förändringar innan synen går förlorad. För vårdsystem som står inför en växande diabetesbörda erbjuder AI‑stödd ögonscreening ett praktiskt sätt att utöka skyddet mot förebyggbar blindhet samtidigt som specialistsinsatser används mer effektivt.

Citering: 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

Nyckelord: diabetisk retinopati, artificiell intelligens, ögonscreening, djuplärande, teleoftalmologi