Analyse van videobeelden van het gezicht met behulp van kunstmatige intelligentie (AI) kan niet-gediagnosticeerde hoge bloeddruk en diabetes snel en nauwkeurig opsporen, volgens een studie die zal worden gepresenteerd tijdens het ESC Congress 2026.¹
Naar schatting hebben ongeveer 1,4 miljard volwassenen van 30 tot 79 jaar hoge bloeddruk² en leven wereldwijd 589 miljoen mensen met diabetes.³ Hoewel hoge bloeddruk en diabetes tot de belangrijkste beïnvloedbare risicofactoren voor hart- en vaatziekten behoren, blijven veel gevallen onontdekt.⁴ De huidige screening is meestal afhankelijk van een bezoek aan een zorgverlener of van draagbare meetapparatuur, waardoor niet iedereen gemakkelijk kan worden bereikt.
Onderzoekers van de University of Tokyo en het Institute of Science Tokyo in Japan onderzochten of AI-analyse van gezichtsvideo’s de diagnose van hoge bloeddruk en diabetes zou kunnen verbeteren. Onderzoeker Ryoko Uchida legt uit:
“Ons doel was een AI-algoritme te ontwikkelen waarmee mensen in alledaagse omgevingen contactloos kunnen worden gescreend, zodat veelvoorkomende aandoeningen eerder en op grotere schaal kunnen worden ontdekt.”
Aan de prospectieve studie in één onderzoekscentrum namen 215 mensen deel, zowel patiënten met een diagnose als gezonde vrijwilligers.⁵ Van iedere deelnemer werd met een spectroscopische camera een korte video met hoge beeldsnelheid van het gezicht en de handpalmen gemaakt.
Een machinelearning-algoritme analyseerde de video’s en verzamelde informatie over de dynamiek van de polsgolven, die iets zeggen over de stijfheid van de slagaders, patronen in de doorbloeding van de huid en spectrale kenmerken van de huidskleur. De deelnemers werden daarnaast met conventionele methoden onderzocht op hoge bloeddruk en diabetes.
Zoals eerder gepubliceerd kon het algoritme hoge bloeddruk met een nauwkeurigheid van 95,0% herkennen uit een opname van 30 seconden, waarbij polsgolven in gezicht en handpalmen werden geanalyseerd.⁵ De gevoeligheid voor het herkennen van een normale bloeddruk bedroeg 100,0%, terwijl de gevoeligheid voor hoge bloeddruk 89,2% was. Zelfs met een video van slechts 5 seconden bedroeg de nauwkeurigheid nog 90,3%.
In nieuw onderzoek kon het algoritme diabetes herkennen aan patronen in de doorbloeding van het gezicht. De nauwkeurigheid bedroeg 88,2% bij een video van 30 seconden en 81,2% bij een opname van 5 seconden.
Het algoritme kon bovendien de bloeddruk schatten op basis van alleen een gezichtsvideo, dus zonder bloeddrukmanchet. De gemiddelde absolute procentuele fout voor de systolische bloeddruk bedroeg 8,6%.
Voor de systolische bloeddruk was de gemiddelde meetfout −2,6 mmHg. Dit valt binnen de grens van ±5,0 mmHg van de Association for the Advancement of Medical Instrumentation (AAMI). De standaardafwijking van de meetfout bedroeg echter ±12,0 mmHg, wat hoger is dan het AAMI-criterium van ±8,0 mmHg. Toekomstig onderzoek zal zich daarom richten op het verminderen van deze variatie door grotere datasets uit meerdere onderzoekscentra te gebruiken en de kenmerken waarop het algoritme wordt getraind verder te optimaliseren.
Uchida concludeerde:
“Ons machinelearning-algoritme kon hoge bloeddruk en diabetes nauwkeurig detecteren aan de hand van spectroscopische gezichtsvideo’s van slechts 5 seconden. We willen deze resultaten nu bevestigen in grotere onderzoeksgroepen met een meer diverse bevolking, zodat toepassing in de praktijk mogelijk wordt.”
“Als dit wordt bevestigd, zou deze contactloze methode mensen in alledaagse situaties kunnen screenen, zonder bloeddrukmanchet, bloedafname of speciaal bezoek aan een kliniek. Daarmee zouden mensen met een verhoogd risico kunnen worden opgespoord die anders mogelijk ongediagnosticeerd en onbehandeld zouden blijven.”
Universitair hoofddocent Nico Bruining, medevoorzitter van het programma van de ESC Digital and AI Summit en hoofdredacteur van het European Heart Journal – Digital Health, reageerde:
“Het is opmerkelijk dat door AI ondersteunde technologieën de ontwikkeling van zulke krachtige hulpmiddelen voor vroege ziektepreventie mogelijk maken. Omdat deze methode snel, eenvoudig en contactloos is, zou zij in veel verschillende omgevingen buiten ziekenhuizen kunnen worden toegepast en daardoor veel meer mensen kunnen bereiken dan traditionele screeningsmethoden.”
“Vroege opsporing van deze aandoeningen betekent dat behandeling en veranderingen in leefstijl eerder kunnen beginnen, wat kan helpen hartaanvallen, beroertes en andere hart- en vaatziekten te voorkomen.”
De nieuwste ontwikkelingen op het gebied van AI en cardiovasculaire zorg zullen worden besproken tijdens de ESC Digital & AI Summit in Basel, Zwitserland, op 12 en 13 november 2026. Tijdens deze bijeenkomst worden verschillende AI-innovaties besproken die de cardiovasculaire zorg en preventie kunnen veranderen.
Financiering
Het onderzoek werd ondersteund door de Japan Science and Technology Agency (JST).
Belangenverklaring
Ryoko Uchida meldt relaties met de volgende organisaties: Japan Science and Technology Agency, Fukuda Denshi, Medtronic Japan, Boston Scientific Japan, Biotronik Japan en Simplex Quantum.
Referenties
1)AI-powered cardiometabolic assessment from a single facial video, presentatie tijdens ESC Congress 2026, 28 augustus 2026.
2)World Health Organization, 2025. Global report on hypertension 2025: High stakes – turning evidence into action.
3)International Diabetes Federation, 2025. Global Diabetes Data & Insights – IDF Diabetes Atlas.
4)Magnussen C, Ojeda FM, Leong DP, et al. Global impact of modifiable risk factors on cardiovascular disease and mortality. New England Journal of Medicine. 2023;389:1273–1285.
