Onderzoekers van de National University of Singapore (NUS Medicine) hebben een AI-gestuurde biomarker ontwikkeld die op basis van een eenvoudige netvliesfoto het risico op cognitieve achteruitgang en dementie kan voorspellen. De technologie, RetiPhenoAge, maakt gebruik van deep learning om de biologische veroudering van het netvlies te meten en opent nieuwe mogelijkheden voor vroege diagnose en preventieve interventies.
Het netvlies biedt unieke toegang tot microvasculaire en neuronale structuren die sterk verbonden zijn met de gezondheid van het brein. Door standaard oogscans te analyseren, kan RetiPhenoAge de "biologische leeftijd" van het netvlies bepalen. Dit is een maatstaf die samenhangt met verouderingsprocessen in de hersenen.
In het onderzoek, geleid door prof. Cheng Ching-Yu (directeur van het Center for Innovation and Precision Eye Health) en prof. Christopher Chen (vicevoorzitter van het Healthy Longevity Translational Research Programme), werden gegevens geanalyseerd van meer dan 500 patiënten uit geheugenklinieken in Singapore. Bij personen met een verhoogde retinale leeftijd hadden bleek dat het risico op cognitieve achteruitgang in de komende vijf jaar tot 40 procent hoger lag. Deze resultaten werden bevestigd in een externe validatiestudie op basis van data uit de UK Biobank, waarbij ruim 33.000 deelnemers over een periode van twaalf jaar werden gevolgd.
Digitale biomarker klaar voor implementatie
Een belangrijk voordeel van de RetiPhenoAge-technologie is de toepasbaarheid in de eerstelijnszorg. De benodigde oogscans kunnen namelijk worden gemaakt met apparatuur die al breed beschikbaar is in huisartsenpraktijken en oogklinieken. Dit maakt de technologie niet alleen schaalbaar, maar ook kosteneffectief en patiëntvriendelijk.
Volgens prof. Cheng biedt RetiPhenoAge een niet-invasieve en toegankelijke methode om personen met een verhoogd risico in een vroeg stadium te identificeren: “Vroege herkenning van cognitieve achteruitgang biedt artsen de mogelijkheid om tijdig interventies te starten, wat cruciaal is voor het behoud van cognitieve functies en levenskwaliteit.” Het onderzoek werd onlangs gepubliceerd in Alzheimer's & Dementia.
Verder onderzoek en toepassing
Prof. Chen benadrukt de maatschappelijke relevantie: “Met het wereldwijd toenemende aantal gevallen van dementie is er dringend behoefte aan voorspellende en breed toepasbare screeningsmethoden. Deze technologie kan geïntegreerd worden in bestaande gezondheidschecks, waardoor preventieve zorg beter bereikbaar wordt voor grotere populaties.”
De onderzoekers werken nu aan verdere validatie van RetiPhenoAge in diverse Aziatische en internationale populaties. Ook wordt onderzocht hoe de biomarker ingezet kan worden om de effectiviteit van interventies, zoals leefstijlveranderingen en medicamenteuze behandelingen, te monitoren. Dit biedt perspectief op gepersonaliseerd hersengezondheidsmanagement, ondersteund door AI en geïntegreerd in de reguliere zorg.
Diagnostiek met oogfoto’s
Het gebruiken van oogfoto’s voor het vaststellen van andere (hersen)aandoeningen is een ontwikkeling waar al eerder successen behaald zijn. Zo bleek eind 2023 dat een een AI-algoritme, getraind op netvliesfoto’s van kinderen, autisme (ASS) met 100 procent nauwkeurigheid kan detecteren. Het netvlies fungeert als een venster naar de hersenen, waardoor onderzoekers op een niet-invasieve manier neurologische informatie kunnen verkrijgen.
In het onderzoek werden 1890 retinafoto’s van 958 kinderen (7-8 jaar) geanalyseerd, waarbij de helft een ASS-diagnose had. Met behulp van deep learning werd de AI getraind op 85 procent van de beelden en getest. De resultaten toonden een AUROC-score van 1,0. De AI kon dus perfect onderscheid maken tussen ASS en niet-ASS.
