Het oog gebruiken als venster op hartaandoeningen

Wetenschappers hebben een systeem voor kunstmatige intelligentie (AI) ontwikkeld dat oogscans kan analyseren die zijn genomen tijdens een routinebezoek aan een opticien of oogkliniek en patiënten kan identificeren met een hoog risico op een hartaanval.

Artsen hebben erkend dat veranderingen in de kleine bloedvaten in het netvlies indicatoren zijn van een bredere vaatziekte, waaronder problemen met het hart.

In het onderzoek, geleid door de Universiteit van Leeds, werden deep learning-technieken gebruikt om het AI-systeem te trainen om automatisch retinale scans te lezen en de mensen te identificeren die het volgende jaar waarschijnlijk een hartaanval zouden krijgen.

Deep learning is een complexe reeks algoritmen die computers in staat stellen patronen in data te identificeren en voorspellingen te doen.

In het tijdschrift Nature Machine Intelligence schrijven de onderzoekers dat het AI-systeem een ​​nauwkeurigheid had van tussen de 70% en 80% en zou kunnen worden gebruikt als een tweede verwijzingsmechanisme voor diepgaand cardiovasculair onderzoek.

Het gebruik van deep learning bij de analyse van retinale scans kan een revolutie teweegbrengen in de manier waarop patiënten regelmatig worden gescreend op tekenen van hartaandoeningen.

Professor Alex Frangi, die de Diamond Jubilee Chair in Computational Medicine aan de Universiteit van Leeds bekleedt en Turing Fellow is aan het Alan Turing Institute, leidde het onderzoek. Hij zei: “Hart- en vaatziekten, waaronder hartaanvallen, zijn wereldwijd de belangrijkste oorzaak van vroegtijdig overlijden en de op één na grootste moordenaar in het VK. Dit veroorzaakt wereldwijd chronische ziekte en ellende.

“Deze techniek opent de mogelijkheid om een ​​revolutie teweeg te brengen in de screening van hartziekten. Netvliesscans zijn relatief goedkoop en worden in veel opticienspraktijken routinematig gebruikt. Als gevolg van geautomatiseerde screening kunnen patiënten met een hoog risico om ziek te worden worden doorverwezen naar gespecialiseerde hartdiensten.

“De scans kunnen ook worden gebruikt om de vroege tekenen van hartaandoeningen op te sporen.”

De studie omvatte een wereldwijde samenwerking van wetenschappers, ingenieurs en clinici van de Universiteit van Leeds; Leeds Teaching Hospitals’ NHS Trust; de Universiteit van York; het Cixi Institute of Biomedical Imaging in Ningbo, onderdeel van de Chinese Academie van Wetenschappen; de Universiteit van Cote d’Azur, Frankrijk; het National Center for Biotechnology Information en het National Eye Institute, beide onderdeel van de National Institutes for Health in de VS; en KU Leuven in België.

De UK Biobank leverde gegevens voor het onderzoek.

Chris Gale, hoogleraar cardiovasculaire geneeskunde aan de Universiteit van Leeds en adviseur cardioloog bij Leeds Teaching Hospitals NHS Trust, was een van de auteurs van het onderzoekspaper.

Hij zei: “Het AI-systeem heeft het potentieel om personen te identificeren die routinematige oogscreening bijwonen en een hoger toekomstig risico op hart- en vaatziekten hebben, waardoor preventieve behandelingen eerder kunnen worden gestart om vroegtijdige hart- en vaatziekten te voorkomen.”

Diep leren

Tijdens het deep learning-proces analyseerde het AI-systeem de netvliesscans en hartscans van meer dan 5.000 mensen. Het AI-systeem identificeerde associaties tussen pathologie in het netvlies en veranderingen in het hart van de patiënt.

Nadat de beeldpatronen waren geleerd, kon het AI-systeem de grootte en pompefficiëntie van de linker hartkamer, een van de vier kamers van het hart, schatten op basis van alleen retinale scans. Een vergroot ventrikel is in verband gebracht met een verhoogd risico op hartaandoeningen.

Met informatie over de geschatte grootte van het linkerventrikel en de pompefficiëntie ervan in combinatie met demografische basisgegevens over de patiënt, hun leeftijd en geslacht, zou het AI-systeem een ​​voorspelling kunnen doen over hun risico op een hartaanval in de daaropvolgende 12 maanden.

Momenteel kunnen details over de grootte en pompefficiëntie van het linkerventrikel van een patiënt alleen worden bepaald als ze diagnostische tests hebben zoals echocardiografie of magnetische resonantiebeeldvorming van het hart. Die diagnostische tests kunnen duur zijn en zijn vaak alleen beschikbaar in een ziekenhuisomgeving, waardoor ze ontoegankelijk zijn voor mensen in landen met minder goed uitgeruste gezondheidszorgsystemen – of onnodig stijgende zorgkosten en wachttijden in ontwikkelde landen.

Sven Plein, British Heart Foundation Professor of Cardiovascular Imaging aan de University of Leeds en een van de auteurs van het onderzoekspaper, zei: “Het AI-systeem is een uitstekend hulpmiddel om de complexe patronen in de natuur te ontrafelen, en dat is wat we hebben hier gevonden – het ingewikkelde patroon van veranderingen in het netvlies gekoppeld aan veranderingen in het hart.”