Volgens nieuw onderzoek aan de Indiana University School of Optometry kunnen nieuwe biomarkers die in de ogen worden gevonden, de sleutel ontsluiten om diabetische retinopathie en misschien zelfs diabetes te helpen beheersen.
Tijdens de vroege stadia kan diabetes de ogen aantasten voordat de veranderingen met een regelmatig klinisch onderzoek kunnen worden gedetecteerd. Uit nieuw netvliesonderzoek is echter gebleken dat deze veranderingen eerder kunnen worden gemeten dan vroeger werd gedacht met gespecialiseerde optische technieken en computeranalyse.
Het vermogen om biomarkers voor deze gezichtsbedreigende aandoening te detecteren kan leiden tot de vroege identificatie van mensen met een risico op diabetes of een visuele beperking, en kan ook het vermogen van artsen om deze patiënten te behandelen verbeteren. De studie verschijnt in het tijdschrift PLOS One.
“Vroege detectie van netvliesbeschadiging door diabetes is mogelijk met pijnloze methoden en kan helpen om niet gediagnosticeerde patiënten vroeg genoeg te identificeren om de gevolgen van ongecontroleerde diabetes te verminderen”, zei co-auteur van de studie Ann E. Elsner, een Distinguished Professor aan de IU School of Optometrie.
Diabetische retinopathie, die wordt veroorzaakt door veranderingen in de bloedvaten in het netvlies, is de meest voorkomende diabetische oogziekte en een belangrijke oorzaak van blindheid bij Amerikaanse volwassenen. Van 2010 tot 2050 zal het aantal Amerikanen met diabetische retinopathie naar verwachting bijna verdubbelen, van 7,7 miljoen tot 14,6 miljoen.
De nieuwe studie maakt deel uit van de huidige wijdverbreide nadruk op de detectie van diabetische retinopathie door middel van kunstmatige intelligentie toegepast op retinale beelden. Sommige van deze algoritmen bieden echter detectie op basis van functies die veel later plaatsvinden dan de wijzigingen die in dit onderzoek zijn gevonden.
De IU-geleide methode bevordert eerdere detectie vanwege de retinale beeldverwerkingsalgoritmen die in het onderzoek zijn beschreven.
“Veel algoritmen gebruiken beeldinformatie die verschilt tussen diabetespatiënten en controles, die kunnen identificeren welke personen diabetes kunnen hebben, maar deze kunnen niet-specifiek zijn,” zei Elsner. “Onze methode kan worden gecombineerd met de andere AI-methoden om vroege informatie te verstrekken die is gelokaliseerd in specifieke retinale lagen of soorten weefsels, waardoor informatie kan worden opgenomen die niet is geanalyseerd in de andere algoritmen.”
Vertaling: Andre Teirlinck