AI op de NICU: sneller, zachter en slimmer oogonderzoek

AI op de NICU: sneller, zachter en slimmer oogonderzoek

Op een gemiddelde Nederlandse NICU krijgt een prematuur in de eerste weken meer onderzoeken dan sommige volwassenen in een heel jaar. Bloedprikken, echo’s, infusen, monitoren – en dan óók nog een belastend oogonderzoek om blindheid te voorkomen. Elke verpleegkundige en neonatoloog herkent het: nuttig, maar zwaar voor baby én ouders.

Hier zit precies waar AI in de zorg relevant wordt. Niet als gadget, maar als manier om onderzoeken korter, objectiever en minder stressvol te maken. In deze blog – onderdeel van de serie “AI voor Nederlandse Zorg: Innovatie in de Gezondheidszorg” – zoomen we in op één heel concreet voorbeeld: vroegtijdige detectie van oogziekten bij prematuren met AI, en wat dit betekent voor NICU’s in Nederland.

We kijken naar:

• hoe AI helpt bij de beoordeling van retinopathy of prematurity (ROP);
• waarom oculomics (gezondheid uitlezen via het netvlies) interessant is voor neonatologie;
• welke organisatorische en ethische vragen Nederlandse NICU’s nu moeten stellen;
• praktische eerste stappen als je met AI-diagnostiek in geboortezorg wilt beginnen.

Waarom ROP-screening vraagt om iets beters

ROP is één van de meest gevreesde complicaties bij extreem te vroeg geboren baby’s. Niet omdat het zo vaak voorkomt, maar omdat gemiste of te laat herkende ernstige ROP kan leiden tot blijvende blindheid.

Hoe ROP-screening nu gaat

In de praktijk ziet dat er zo uit:

• een oogarts of speciaal getrainde arts/PA onderzoekt de ogen met een funduscamera of indirecte oftalmoscopie;
• de baby moet worden gefixeerd, vaak met een ooglidspreider en druppels;
• tijdens het onderzoek kunnen ademhaling en hartslag dalen door stress en pijn;
• het onderzoek moet herhaald worden, soms wekelijks, tot de vaten in het netvlies zijn uitgerijpt.

Voor ouders is dit één van de moeilijkste momenten aan het bed. Veel ouders lopen bewust even weg. Zorgverleners balanceren continu tussen klinische noodzaak en minimale belasting.

Tegelijk is de beoordeling complex:

• er zijn weinig superspecialisten;
• beoordeling is deels subjectief (hoe ‘kronkelig’ zijn die vaten nu precies?);
• verschillende artsen kunnen tot andere conclusies komen bij hetzelfde beeld.

Wie de druk op Nederlandse NICU’s kent – personeelstekort, hoge caseload, strakke roosters – ziet meteen waarom een objectieve, snelle tweede lezer welkom is.

Wat AI hier concreet toevoegt

AI-modellen voor ROP doen één ding heel goed: ze maken van een subjectieve indruk een kwantitatieve maat.

Van plus / pre-plus naar een score van 1 tot 9

Traditioneel wordt ROP-vaatverandering beoordeeld in drie categorieën:

• geen plus-disease;
• pre-plus;
• plus-disease (behandelindicatie).

Een AI-model kijkt naar hetzelfde retinabeeld, maar rekent de mate van vaatkronkeling en -verwijding om naar een vascular severity score op een schaal van 1 tot 9. Hoe hoger de score, hoe ernstiger de vasculaire afwijkingen.

Dat heeft direct gevolgen voor de kliniek:

• uniformiteit: alle zorgverleners praten over dezelfde score in plaats van vage termen;
• triage: hoge scores direct markeren voor snelle revisie door de oogarts;
• trendbewaking: de ontwikkeling over opeenvolgende onderzoeken objectief volgen.

In eerdere studies (o.a. 2022) is al laten zien dat zo’n AI-score de variatie tussen clinici verkleint. Eén goede foto is dan genoeg om een risico-inschatting te maken. Dat betekent kortere onderzoektijd, minder herhalingen en potentieel minder belasting voor de baby.

Minder belastend, niet minder zorgvuldig

Belangrijk: AI vervangt de arts niet. De arts:

• beslist of behandeling nodig is;
• beoordeelt de context (ademhaling, voeding, infecties, groei);
• weegt ouders en behandelteam mee in scenario’s.

Maar de arts krijgt wel een soort beslisondersteunende collega:

• die nooit moe is;
• altijd dezelfde criteria hanteert;
• razendsnel is.

Voor een Nederlandse NICU betekent dat:

• mogelijk minder vaak een ‘volledig’ onderzoek;
• meer gerichte follow-up bij verhoogde scores;
• beter onderbouwde second opinions, binnen én buiten het eigen centrum.

Oculomics: het netvlies als venster op de hele baby

Hier wordt het echt interessant voor de bredere neonatologie. Oculomics – de kunst om aan het netvlies af te lezen wat er in de rest van het lichaam gebeurt – ontwikkelt zich razendsnel.

Meer dan alleen oogziekte

Recente AI-onderzoeken laten zien dat retinabeelden bij prematuren niet alleen iets zeggen over ROP, maar mogelijk ook over:

• pulmonale hypertensie (PH);
• bronchopulmonale dysplasie (BPD);
• wellicht in de toekomst ook cardiovasculaire belasting en andere systemische problemen.

Onderzoekers melden dat je hiermee weken eerder afwijkingen ziet dan met traditionele middelen zoals katheterisatie of echocardiografie. Dat is precies waar passende zorg over gaat: risico-kinderen vroeg herkennen, niet pas als de kliniek al explodeert.

Voor Nederlandse NICU’s kan dat betekenen:

• vroegtijdige intensivering van monitoring bij risicobaby’s;
• sneller multidisciplinair overleg (cardiologie, longziekten, neonatologie);
• verfijning van ontslagcriteria en follow-up poli’s.

Smartphone-telescreening voor kleinere ziekenhuizen

Niet elke NICU of high-care neonatologie-afdeling heeft dure funduscamera’s of 24/7 toegang tot een oogarts. Teams werken nu al met tele-ophthalmologie; AI kan daar naadloos in landen.

Onderzoeksgroepen testen op dit moment:

• goedkopere camera’s gekoppeld aan een smartphone;
• AI-modellen die ook met die minder perfecte beelden goed overweg kunnen.

Voor de Nederlandse context – met regionale perinatale netwerken en concentratie van topzorg – ligt hier een kans:

• kleinere ziekenhuizen nemen beelden af;
• AI doet een eerste risicoscore;
• alleen de twijfel- en hoogrisicocases gaan naar het expertisecentrum.

Dat scheelt transporten, wachttijd en kosten, en past precies bij de beweging richting zorg dichter bij huis.

Implementatie: de technische kant is niet de grootste hobbel

AI-modellen bouwen is één ding. Ze werkend krijgen op de NICU is een ander vak. De grootste uitdagingen zitten niet in de algoritmes, maar in organisatie, governance en vertrouwen.

Vijf vragen die elke NICU zich nu al kan stellen

1. Workflow:

   • Waar in het huidige ROP-screeningstraject kan AI waarde toevoegen?
   • Wie maakt de beelden, wie bekijkt de AI-score, wie heeft het laatste woord?

2. Professionele rollen:

   • Blijft de oogarts eindverantwoordelijk, of schuift een deel op naar de neonatoloog of PA met AI-ondersteuning?
   • Hoe borg je kennis bij dienstdoende artsen die minder ervaring hebben met ROP?

3. Data en privacy:

   • Hoe sla je beelden en AI-scores op in het EPD?
   • Zijn beelden en uitkomsten traceerbaar voor audits en onderzoek?

4. Betrokkenheid van ouders:

   • Hoe leg je uit dat “een computer” meekijkt zonder vertrouwen te verliezen?
   • Kunnen ouders de score en de trend meekrijgen in hun portaal?

5. Ethiek en aansprakelijkheid:

   • Wat doe je als AI en arts het fundamenteel oneens zijn?
   • Hoe leg je beslissingen vast voor latere toetsing of klachtenprocedures?

Wie nu al met dit soort vragen aan de slag gaat, is straks klaar zodra een CE-gemarkeerde ROP-AI-tool echt beschikbaar komt voor de Europese markt.

Leren van andere AI-toepassingen op de NICU

ROP-AI staat niet op zichzelf. Eerder zagen we al initiatieven zoals Pose-AI: een deep learning-tool die lichaamsbewegingen van baby’s op de NICU analyseert via gewone videobeelden. Daarmee kun je lethargie en cerebrale disfunctie vroeg signaleren, continu en minimaal invasief.

Wat we daarvan kunnen meenemen:

• AI kan ook zonder extra sensoren werken, met bestaande data (video, foto’s);
• continue, passieve monitoring is vaak minder belastend dan periodieke “grote” onderzoeken;
• acceptatie groeit als zorgverleners merken dat AI helpt bij vroeg ingrijpen, niet bij extra werk.

ROP-AI past in diezelfde lijn: dezelfde baby, zelfde bed, andere datastroom – dit keer via de ogen.

Wat betekent dit voor AI in de Nederlandse geboortezorg?

Wie naar de hele serie AI voor Nederlandse Zorg: Innovatie in de Gezondheidszorg kijkt, ziet een patroon: de meest kansrijke AI-toepassingen zijn smal, concreet en klinisch relevant. ROP-screening met AI is daar een schoolvoorbeeld van.

Voordelen voor Nederlandse NICU’s en geboortezorgnetwerken

Als je dit doortrekt naar de praktijk, levert het potentieel op:

• betere uitkomsten: minder gemiste ernstige ROP, snellere behandeling;
• minder belasting: kortere onderzoeken, mogelijk minder vaak volledig oogonderzoek;
• efficiënter gebruik van schaarse specialisten: oogartsen focussen op complexe cases;
• betere regionale samenwerking: uniforme, objectieve scores die je kunt delen tussen centra.

Dat past naadloos bij landelijke thema’s rond passende zorg, Juiste Zorg op de Juiste Plek en de inzet van AI als beslisondersteuning.

Hoe begin je als ziekenhuis of netwerk?

Je hoeft niet te wachten tot een volledig product in de schappen ligt om je voor te bereiden. Drie concrete stappen:

1. Maak een klinische usecase scherp
   Beschrijf zwart op wit:

   • wat nu de knelpunten zijn in ROP-screening in jouw centrum;
   • welke uitkomstmaten je wilt verbeteren (bijv. doorlooptijd, variatie in beoordeling, ouderscore beleving);
   • welke randvoorwaarden gelden (24/7 beschikbaarheid, integratie met EPD, dataveiligheid).

2. Richt een multidisciplinair AI-kernteam in
   Betrek vanaf dag één:

   • neonatologen, oogartsen, verpleegkundigen;
   • een data scientist / klinisch informaticus;
   • een ethicist / jurist;
   • iemand van de cliëntenraad of ouders van prematuren.

3. Begin met data en simulatie
   Ook zonder direct AI-product kun je:

   • bestaande fundusfoto’s structureren en labelen;
   • nadenken hoe een AI-score in het EPD zou worden weergegeven;
   • scenario’s oefenen: wat doe je bij een hoge score en een geruststellende kliniek, en omgekeerd?

Daarmee bouw je niet alleen kennis op over ROP, maar ook over hoe je breder met AI-diagnostiek in de geboortezorg wilt omgaan.

Vooruitkijken: van pilot naar nieuwe standaard

ROP-AI en oculomics laten zien hoe AI heel concreet kan bijdragen aan zachtere, slimmere zorg op de NICU. Niet door meer technologie de kamer in te schuiven, maar door bestaande onderzoeken korter, objectiever en minder invasief te maken.

Dit is geen verre toekomst. Onderzoekstools draaien al aan het bed, pilots lopen, en de eerste generaties commerciële oplossingen voor oog-AI in de kindergeneeskunde zijn in ontwikkeling. De vraag is dus niet óf, maar hóe Nederlandse NICU’s deze technologie gaan inzetten.

Mijn stelling: ziekenhuizen die nu investeren in een doordachte AI-strategie voor geboortezorg – met oog voor kliniek, data, ethiek én ouders – gaan straks het verschil maken in uitkomsten én werkplezier op de NICU.

De volgende logische stap? Breng in jouw organisatie in kaart waar prematuren nu het zwaarst belast worden door diagnostiek, en vraag je per onderzoek af:

Kan AI dit korter, objectiever of minder invasief maken?

Wie bij die vraag begint, sluit niet alleen aan bij de AI-trend, maar vooral bij waar het echt om draait: de kleinste patiënten de zachtst mogelijke start geven.