AI op de NICU: slimmer screenen van ogen en hersenen

Waarom AI op de NICU nú relevant is

Elke week worden in Nederland zo’n honderden baby’s te vroeg geboren. Een deel van hen belandt op de Neonatale Intensive Care Unit (NICU). Deze kinderen worden nauwlettend gevolgd: hartslag, zuurstof, ademhaling – alles wordt gemonitord. Maar twee dingen lopen nog opvallend achter: objectieve oogzorg en continue neurologische monitoring.

Dat is precies waar kunstmatige intelligentie het verschil begint te maken. In de VS laten projecten rond retinopathy of prematurity (ROP) en Pose‑AI voor houdingsanalyse zien hoe AI kwetsbare pasgeborenen eerder in beeld brengt, onderzoeken minder belastend maakt en zorgteams helpt om sneller en consistenter te handelen.

Voor Nederlandse NICU’s, Oogartsen, neonatologen, CMIO’s en innovatiemanagers is dit geen verre toekomstmuziek meer. Dit sluit direct aan op de bredere beweging AI voor Nederlandse zorg: innovatie in de gezondheidszorg: gerichte, klinisch bewezen AI-toepassingen die zorgteams ontlasten én uitkomsten voor patiënten verbeteren.

In deze blog neem ik je mee door:

• hoe AI de ROP‑screening radicaal kan verbeteren;
• wat oculomics kan betekenen voor vroegtijdige detectie van systemische ziekten;
• hoe videobased AI zoals Pose‑AI neurologische bewaking verandert;
• wat dit concreet betekent voor Nederlandse NICU’s en ziekenhuizen die met AI aan de slag willen.

ROP-screening vandaag: noodzakelijk, maar zwaar en subjectief

ROP is één van de belangrijkste oorzaken van vermijdbare blindheid bij prematuren. Het probleem is helder:

• Bloedvaten in het netvlies zijn bij vroeggeboorte nog niet volgroeid.
• De zuurstofrijke NICU-omgeving kan afwijkende groei uitlokken.
• Gevaar: bloeding, netvliesloslating en blijvend zichtverlies.

In de VS krijgen jaarlijks rond de 14.000 baby’s de diagnose ROP, waarvan 1.100–1.500 een behandeling nodig hebben. Nederlandse aantallen liggen lager, maar het patroon is hetzelfde: veel screenen, relatief weinig behandelen, wél hoge belasting.

Waarom de huidige aanpak wringt

ROP-screening gebeurt nu met fundusfoto’s en lichamelijk oogonderzoek door gespecialiseerde oogartsen. Dat brengt meerdere problemen met zich mee:

• Fysieke belasting voor de baby: fixeren, aanraken van het oog, kans op tijdelijke daling in ademhaling of hartslag.
• Emotionele belasting voor ouders: veel ouders kunnen niet toekijken en verlaten de kamer.
• Schaarste aan expertise: weinig ROP‑specialisten, zeker in kleinere ziekenhuizen.
• Variatie in beoordeling: met name de mate van "kronkeling" (tortuositeit) van bloedvaten is lastig objectief te scoren.

De kern: de zorg wéét dat deze screening nodig is, maar de manier waarop schreeuwt om vernieuwing. En precies daar bewijst AI zijn waarde.

AI als tweede paar ogen: van plus / geen plus naar een score van 1–9

AI maakt de beoordeling van ROP sneller, objectiever en schaalbaar. In projecten zoals die van dr. Emily Cole en dr. Praveer Singh is een AI‑model ontwikkeld dat retinabeelden analyseert en een zogenoemde vascular severity score toekent op een schaal van 1 t/m 9.

Wat verandert er concreet door AI?

Artsen kijken nu vooral naar drie categorieën:

• geen plus disease
• pre‑plus disease
• plus disease (behandelindicatie)

AI gaat een stap verder:

• Het model kwantificeert de tortuositeit van de vaten.
• Er ontstaat een continu scoresysteem in plaats van grove categorieën.
• Eén goed beeld is vaak genoeg voor een risicoscore.

"De score geeft mij direct richting in het behandelplan. Het schept een gemeenschappelijke taal voor alle zorgverleners."

Dit soort uitspraken hoor je niet alleen in de VS; ook Nederlandse oogartsen en neonatologen die met beeld-AI werken, ervaren hetzelfde effect: minder discussie over interpretatie, meer focus op beleid.

Minder variatie, meer voorspelbaarheid

Onderzoek uit 2022 liet zien dat zulke AI‑modellen de variatie tussen clinici merkbaar verkleinen. Belangrijke effecten:

• Reproduceerbaarheid: dezelfde retinafoto levert in principe dezelfde score op, ongeacht wie de arts is.
• Snellere triage: lage score? Minder intensieve follow‑up. Hoge score? Snel herbeoordelen en eventueel behandelen.
• Ondersteuning voor opleiden en supervisie: AI‑scores bieden houvast voor junior artsen in opleiding.

Voor de Nederlandse context past dit perfect in het streven naar passende zorg: intensieve controles waar nodig, ontlasting van kind en ouders waar het veilig kan.

Oculomics: het oog als venster op de hele baby

De echt interessante stap is dat AI op retina‑beelden niet alleen oogziekten kan herkennen, maar ook systemische aandoeningen. Dat onderzoeksveld heet oculomics.

Wat kan oculomics bij prematuren?

Recente studies laten zien dat AI‑analyse van de retina mogelijk vroegtijdige signalen kan geven van onder andere:

• Pulmonale hypertensie (PH)
• Bronchopulmonale dysplasie (BPD)

Volgens onderzoekers kunnen deze modellen ziekteveranderingen soms weken eerder signaleren dan traditionele, invasieve diagnostiek zoals katheterisatie of uitgebreide echografie. De impact voor de NICU‑praktijk:

• Risicokinderen komen eerder in beeld.
• Behandeling en monitoring kunnen proactief ingericht worden.
• Combinatie met andere AI‑systemen (bijvoorbeeld op vitale parameters) maakt meer gepersonaliseerde zorg mogelijk.

Lage drempel door smartphone‑telescreening

Niet elke NICU heeft dure retina‑camera’s. Daarom wordt ook gewerkt aan:

• Smartphone‑gebaseerde telescreening;
• relatief goedkope optische accessoires op een reguliere telefoon;
• beoordeling op afstand door AI én specialist.

Voor Nederlandse ziekenhuizen met meerdere locaties, of in regionale netwerken met gezamenlijke ROP‑zorg, kan dit de drempel om met AI‑screening te starten flink verlagen. Zeker als je dit koppelt aan bestaande teleconsultatie‑structuren.

Verder dan ogen: Pose‑AI voor continue neurologische monitoring

Oogzorg is niet het enige terrein waar AI op de NICU terrein wint. Een andere opvallende innovatie is Pose‑AI, ontwikkeld door onderzoekers van Mount Sinai.

Waar cardiopulmonale functies al continu gemonitord worden, is de neurologische status nu vaak een momentopname:

• periodiek neurologisch onderzoek aan het bed;
• af en toe EEG of video‑EEG bij verdenking op epilepsie of andere problemen;
• veel afhankelijk van klinische ervaring en interpretatie.

Pose‑AI pakt dat anders aan.

Hoe werkt Pose‑AI in de praktijk?

• Het systeem gebruikt standaard NICU‑videobeelden (dus geen extra sensoren op de baby).
• Deep learning detecteert anatomische sleutelpunten (armen, benen, romp, hoofd).
• Op basis van patronen in beweging en houding worden neurologisch relevante kenmerken afgeleid.

Het model is getraind op ruim 4.700 uur videobeelden van 115 baby’s met video‑EEG. De resultaten:

• Hoge nauwkeurigheid in het voorspellen van lethargie.
• Betere detectie van cerebrale disfunctie in een zeer kwetsbare groep.

Belangrijk: dit gebeurt minimaal invasief en in (bijna) realtime. Verpleegkundigen hoeven geen extra plakkers te plaatsen, ouders zien geen nieuwe apparaten verschijnen – maar het zorgteam krijgt wél continu extra neurologische informatie.

Wat kan dit betekenen voor Nederlandse NICU’s?

Ik zie drie concrete kansen:

1. Vroegtijdige signalering van verslechtering
   Kleine veranderingen in beweging of houding vallen menselijkerwijs niet altijd op, zeker tijdens drukke diensten. AI kan trends herkennen en een seintje geven.

2. Ondersteuning bij ontslagbeslissingen en follow‑up
   Baby’s met subtiele neurologische afwijkingen kunnen gericht verwezen worden voor vroeginterventie, in plaats van afwachten tot ontwikkelingsproblemen zichtbaar worden.

3. Onderzoek en kwaliteitsverbetering
   Grote hoeveelheden gestandaardiseerde bewegingsdata maken nieuwe inzichten mogelijk over de relatie tussen NICU‑zorg, medicatie, pijn en neurologische ontwikkeling.

Implementeren in Nederland: van pilot naar praktijk

Technologie is zelden de bottleneck. De echte uitdaging is implementatie: workflow, governance, draagvlak en bekostiging. Daar kunnen we in Nederland voordeel halen uit de ervaringen van internationale teams rond ROP‑AI en Pose‑AI.

Vijf succesfactoren voor implementatie op de NICU

1. Begin bij een concreet klinisch probleem
   Bijvoorbeeld: variatie in ROP‑beoordeling, wachttijden voor oogarts‑consult, of gebrek aan structurele neurologische monitoring. Zonder duidelijk pijnpunt blijft AI een speeltje.

2. Ontwerp mét gebruikers, niet voor gebruikers
   Betrek neonatologen, verpleegkundigen, PA’s, oogartsen én ouders vanaf dag één. Hoe vaak moet de AI‑score zichtbaar zijn? In welk systeem? Wie mag welke alerts zien?

3. Integreer in bestaande systemen
   Een AI‑tool die los van het EPD, PACS of verpleegkundig dossier draait, sterft meestal een stille dood. Technische integratie met bestaande ziekenhuis‑ICT is cruciaal.

4. Regel juridische en ethische randvoorwaarden vroegtijdig
   Denk aan:

   • AVG en secundair gebruik van videobeelden;
   • CE‑markering / MDR‑classificatie van AI‑software als medisch hulpmiddel;
   • duidelijke afspraken over verantwoordelijkheid bij fouten of bias.

5. Meet uitkomsten, niet alleen nauwkeurigheid
   Natuurlijk wil je ROC‑curves en sensitiviteit. Maar voor bestuurders en zorgprofessionals tellen vooral:

   • minder belastende onderzoeken;
   • kortere opnameduur;
   • minder heropnames;
   • hogere tevredenheid van ouders.

Hoe past dit in de Nederlandse AI‑zorgagenda?

Binnen de serie AI voor Nederlandse zorg: innovatie in de gezondheidszorg zien we een terugkerend patroon:

• Eerst ontstaan sterk afgebakende AI‑toepassingen (borstkankerdiagnostiek, dementiedetectie, ROP‑screening).
• Daarna groeit de behoefte aan landelijke afspraken over data, standaarden en toetsing.
• Uiteindelijk schuift AI op van experiment naar structureel onderdeel van zorgprocessen.

NICU‑AI past precies in die ontwikkeling. Het is scherp afgebakend, klinisch relevant en leent zich goed voor multicenter‑onderzoek in Nederland.

Praktische volgende stappen voor Nederlandse zorgorganisaties

Wil je als ziekenhuis, STZ‑instelling of UMC serieuze stappen zetten met AI op de NICU, dan werken deze stappen doorgaans goed:

1. Maak een klinisch‑technische verkenning

   • Welke ROP‑ en neurologische monitoringprocessen lopen bij jullie?
   • Waar zitten knelpunten qua capaciteit, kwaliteit of belasting?

2. Kies één use‑case als startpunt
   Begin niet met "AI in de NICU", maar bijvoorbeeld met: "AI‑ondersteunde ROP‑triage" of "videobased neurologische bewaking bij extreem prematuren".

3. Organiseer een multidisciplinaire sessie
   Nodig neonatologie, kinderoogheelkunde, ICT, data science, kwaliteitsafdeling en een oudervertegenwoordiger uit. Schets samen de ideale workflow mét AI.

4. Check de randvoorwaarden

   • Juridisch (MDR, AVG)
   • Technisch (EPD‑koppeling, opslag videodata, rekenkracht)
   • Organisatorisch (wie beheert, wie interpreteert, wie borgt kwaliteit?)

5. Plan een kleinschalige pilot met heldere metrics
   Denk aan:

   • doorlooptijd per ROP‑onderzoek;
   • aantal benodigde fysieke oogonderzoeken;
   • aantal gerapporteerde stressmomenten bij baby’s;
   • acceptatie door zorgverleners (enquête) en ouders.

Wie deze stappen goed doorloopt, bouwt niet alleen een succesvolle AI‑pilot, maar legt meteen de basis voor herhaalbare AI‑implementaties op andere afdelingen.

Slot: AI als stille bondgenoot van de allerkleinsten

AI op de NICU gaat niet over gadgets of prestige. Het gaat erom dat premature baby’s minder belastende onderzoeken ondergaan, dat ouders meer duidelijkheid krijgen en dat zorgverleners betere, snellere beslissingen kunnen nemen.

De werkelijkheid is simpeler dan veel beleidsnotities doen vermoeden:

• Waar een duidelijk klinisch probleem is;
• waar betrouwbare data beschikbaar zijn;
• en waar zorgprofessionals de regie pakken…

…daar kan AI uitgroeien tot een rustige, betrouwbare bondgenoot aan het bed.

Voor organisaties die serieus werk willen maken van AI voor Nederlandse zorg is de NICU een logische proeftuin: scherp gedefinieerde casuïstiek, sterke academische inbedding en grote impact op leven en gezondheid van patiënten.

De vraag is dus niet of AI een plek krijgt op de Nederlandse NICU, maar hoe snel jij als organisatie de eerste verantwoorde stap zet.