Glaucoom is een ziekte die vaak lange tijd asymptomatisch is, totdat het, in een later stadium, te laat is. Daarom wordt de ziekte ook wel gezien als een sluipmoordenaar van zicht. Het is wereldwijd de belangrijkste oorzaak van onomkeerbare blindheid. In 2020 werden wereldwijk 76 miljoen mensen getroffen door glaucoom. Naar verwachting zal dat aantal over twintig jaar al meer dan 111 miljoen zijn.
De ontwikkeling van betrouwbare diagnostiek waarmee glaucoom al in een vroeg stadium ontdekt kan worden is daarom van groot belang. Zo wordt in Nederland al geruime tijd binnen het project 'Glaucoom in beeld' gewerkt aan een AI-model voor het screenen van fundusfoto's op de mogelijke aanwezigheid van glaucoom.
AI-diagnostiek voor glaucoom
Het systeem voor de diagnose van glaucoom dat is ontwikkeld door het team van NTU en TTSH maakt gebruikt een reeks algoritmen om stereo fundusfoto's te analyseren. Die foto's worden gemaak door twee camera's vanuit verschillende gezichtspunten. Deze 2D-afbeeldingen, 'links' en 'rechts' van de fundus, worden vervolgens gecombineerd tot een 3D-aanzicht. Het gebruik van twee afbeeldingen zorgt ervoor dat als de ene afbeelding van slechte kwaliteit is, de andere afbeelding dit meestal kan compenseren. Zo wordt de nauwkeurigheid van het AI-diagnosesysteem vergroot.
"Door een combinatie van machine learning-technieken heeft ons team een screeningmodel ontwikkeld dat glaucoom kan diagnosticeren op basis van fundusbeelden. Daardoor hoeven oogartsen niet langer verschillende klinische metingen (zoals interne oogdruk) te doen. Het ontwikkelde systeem is bovendien zo gebruiksvriendelijk en makkelijk te bedienen dat het in principe door elke zorgprofessional gebruikt kan worden. Een groot voordeel in gebieden waar minder oogartsen beschikbaar zijn", aldus Professor Wang Lipo, hoofdauteur van het onderzoek.
Grote nauwkeurigheid
Tijdens de testfase van het systeem werd gebruik gemaakt van 282 fundusbeelden (70 gevallen van glaucoom en 212 gezonde gevallen). De algoritmen werden vervolgens getest op 70 procent van die foto's. Om meer trainingsvoorbeelden te genereren, werden een aantal foto's aangepast. Willekeurige maar realistische transformaties, zoals beeldrotatie, om de diversiteit van de dataset die wordt gebruikt om de algoritmen te trainen, te vergroten en de nauwkeurigheid van het systeem verder te vergroten.
Daarna testten de wetenschappers de AI-algoritmen op de resterende 30 procent van de fundusfoto's. Daaruit bleek dat het ontwikkelde systeem met 97 procent nauwkeurigheid glaucoom kan diagnosticeren. De gevoeligheid van het systeem - de fractie van de gevallen die correct werd geclassificeerd onder alle positieve glaucoomgevallen - kwam uit op 95 procent. Daarmee is dit de meest accurate op deep learning gebaseerde AI-methode, aldus de onderzoekers.
De wetenschappers ontdekten ook dat het gebruik van twee stereofundusbeelden de gevoeligheid van hun screening-systeem verbeterde. Bij gebruik van enkelvoudige fundusbeelden hadden de algoritmen een lagere gevoeligheid van 85 tot 86 procent.
