Kunstmatige intelligentie voor een gezond oog
Friso Heslinga maakte computermodellen met behulp van deep learning AI om hoornvlies- en netvliesbeelden te analyseren en oogartsen in de toekomst te ondersteunen.
![](https://assets.w3.tue.nl/w/fileadmin/_processed_/7/9/csm_Heslinga%20Banner%20image%20retina1_8360f6f2f4.jpg)
Oogartsen gebruiken geavanceerde beeldvormingstechnieken om in het oog de gezondheid te beoordelen van het hoornvlies en het netvlies. Zij gebruiken bijvoorbeeld hoge-resolutiebeelden om na te gaan hoe succesvol een hoornvliestransplantatie is geweest, of om vroege tekenen van diabetes type 2 in het netvlies te detecteren. Het kost veel tijd om deze beelden tot in detail te analyseren, wat slecht past bij de huidige medische praktijk. Zeker gezien de mogelijke urgentie van het diagnosticeren van ziektes zoals diabetes. Voor zijn promotieonderzoek werkte Friso Heslinga samen met ziekenhuizen in Nederland en Denemarken om oogbeelden te verzamelen van patiënten met verschillende oogproblemen. Met behulp van deep learning bouwde Heslinga computermodellen om automatische analyses uit te voeren en oogartsen te ondersteunen bij het geven van de juiste behandeling aan patiënten.
Het hoornvlies van het oog, aan de voorkant van het oog, laat licht door. Het licht gaat door het hoornvlies waarna de lens het licht op het netvlies scherpstelt, waar de fotoreceptorcellen signalen genereren die door de hersenen worden verwerkt.
Oogartsen gebruiken het doorzichtige hoornvlies om in het oog te kijken met verschillende medische technieken. Zo bekijken ze met speciale microscopen de piepkleine cellen van het hoornvlies, scannen ze verschillende lagen van het oog met lasertechnieken, en maken ze ook ‘normale’ foto's van het netvlies met eenvoudig verlengstuk voor een camera.
![](https://assets.w3.tue.nl/w/fileadmin/_processed_/5/0/csm_Heslinga%20thickness%20immediate%20one%20week_73b4db70d5.jpg)
Overgaan op kunstmatige intelligentie
"Deze beeldvormende instrumenten helpen oogartsen bij het diagnosticeren van veel oogziekten", zegt Friso Heslinga, PhD-onderzoeker van de Medical Image Analysis-groep aan de TU/e. "Soms is er echter een meer gedetailleerde analyse nodig."
Zo kan de constatering dat het hoornvlies dikker is dan gemiddeld, een aanwijzing zijn voor een onderliggende aandoening. Het is echter nog beter om gedetailleerde hoornvliesdiktekaarten te hebben als hulpmiddel bij het kwantificeren van de dikte van het hoornvlies.
Voor zijn promotieonderzoek ontwikkelde Heslinga kunstmatige-intelligentiemodellen, die door middel van gerichte deep learning werden getraind om automatisch de dikte van het hoornvlies op elk punt in het oog te meten en een gedetailleerde diktekaart te construeren. Daarnaast bedacht hij een manier om ervoor te zorgen dat de kaarten altijd gecentreerd zijn. "Artsen kunnen tijdens verschillende onderzoeken bestuderen hoe de dikte van het hoornvlies evolueert en waar er veranderingen plaatsvinden. Dit kan zeer nuttig zijn om te boordelen hoe succesvol hoornvlieschirurgie is," merkt Heslinga op.
![](https://assets.w3.tue.nl/w/fileadmin/_processed_/5/9/csm_Heslinga_Friso_79085e2b38.jpg)
Hoornvliestransplantatie
Een andere behandeling die Heslinga bestudeerde was hoornvliestransplantatie. Daarbij wordt donorhoornvliesweefsel aan de binnenkant van het eigen hoornvlies van de patiënt gehecht. Dit kan een moeilijk proces zijn voor chirurgen, omdat zij er tijdens de operatie voor moeten zorgen dat het donorweefsel niet ondersteboven ligt. Als het weefsel ondersteboven ligt, kan het namelijk niet aan het bestaande hoornvlies worden gehecht.
"Om chirurgen bij hun werk te helpen, hebben we met collega’s van de afdeling oogheelkunde van het Universitair Medisch Centrum (UMC) Utrecht een methode ontwikkeld om de beelden van het hoornvliesweefsel tijdens de operatie automatisch te beoordelen op de juiste oriëntatie", zegt Heslinga.
Bovendien is het na een transplantatie belangrijk om het donorweefsel te controleren en te zien of het aan het oude weefsel vast blijft zitten. "Samen met hoornvliesspecialisten van het Rigshospitalet - Glostrup in Kopenhagen hebben we een methode ontwikkeld om eventuele plekken te vinden waar het donorweefsel loskomt van het onderliggende weefsel."
Deze resultaten vervolgens, net zoals de hoornvliesdiktekaart, met de oogarts worden gedeeld, om vast te stellen of de transplantatieprocedure een succes was en te bepalen of verdere behandeling nodig is.
Diabetes type 2
Daarnaast bestudeerde Heslinga beelden (of fundusfoto's) van het netvlies. "Eerdere studies hebben aangetoond dat met automatische beeldanalyse kan worden nagegaan of het netvlies beschadigd is, vooral als de patiënt gedurende een langere periode diabetes had zonder succesvolle behandeling," zegt Heslinga. "Op dat moment moet de schade aan het netvlies echter behoorlijk zichtbaar zijn. Tot nu toe is er geen onderzoek geweest dat succesvol diabetes kon detecteren in een vroeg stadium.”
Heslinga en zijn medewerkers creëerden een AI-model dat onderscheid kan maken tussen netvliesbeelden van mensen met diabetes type 2, beelden van mensen met een normale suikerhuishouding, en zelfs van mensen met prediabetes. "Dit was alleen mogelijk dankzij de samenwerking met The Maastricht Study. Zij hebben meer dan 50.000 foto's beschikbaar heeft voor het trainen en testen van ons model," voegt de onderzoeker eraan toe.
Heslinga's technieken moeten nog uitgebreid klinisch worden getest en gevalideerd voordat ze in ziekenhuizen kunnen worden gebruikt. Toch is hij is optimistisch dat AI in de nabije toekomst oogartsen op vele manieren kan gaan ondersteunen.
"Ik zie een toekomst voor me waarin mijn modellen en technieken een sleutelrol spelen bij de behandeling van hoornvlies- en netvliesproblemen bij talloze patiënten over de hele wereld," zegt Heslinga. "Dit zijn nieuwe hulpmiddelen om toekomstige oogartsen te helpen hun patiënten de allerbeste behandeling te geven, en dat komt allemaal door het gebruik van een beetje AI voor het oog."
Friso Heslinga verdedigt op 21 juni zijn proefschrift bij de afdeling Biomedische Technologie. Titel proefschrift: "Deep learning for corneal and retinal image analysis; AI for your eye". Begeleiders: Mitko Veta en Josien Pluim.
Mediacontact
Meer over AI
![](https://assets.w3.tue.nl/w/fileadmin/_processed_/e/4/csm_66c5a61a41242%20%281%29_d42b49e423.jpg)
![](https://assets.w3.tue.nl/w/fileadmin/_processed_/7/a/csm_53870915401_ac36589491_o_09ca1d1a0a.jpg)
![AI](https://assets.w3.tue.nl/w/fileadmin/_processed_/f/c/csm_AI%20Master%20EE_shutterstock_1356669083_85d3fea9de.jpg)
Het laatste nieuws
![](https://assets.w3.tue.nl/w/fileadmin/_processed_/6/2/csm_universiteit%20jos%20keurentjes%20energie%202_d469fe3b2f.jpg)
![](https://assets.w3.tue.nl/w/fileadmin/_processed_/2/2/csm_Pre-EditLeviBaruch-0003_558369f155.jpg)
![](https://assets.w3.tue.nl/w/fileadmin/_processed_/7/d/csm_Boutin%20Banner%20image_165e239d2b.jpg)