< Terug naar vorige pagina

Project

Vroeg stadium glaucoom screeningplatform met combinatie van visuele veldtesten en fundus-beeldvormingsmechanismen

Glaucoom is een onomkeerbare neurodegeneratieve ziekte die voornamelijk het optische zenuwgedeelte van het menselijk oog geleidelijk beschadigt. Wereldwijd worden bijna 60 miljoen mensen getroffen door glaucoom, waarvan ongeveer 90% uit lage- en middeninkomenslanden. En naar verwachting zal dit aantal tegen 2040 wereldwijd boven de 111 miljoen uitkomen. De prevalentie van glaucoom is zeer hoog in lage-inkomenslanden zoals Ethiopië, vergeleken met de ontwikkelde landen. In Ethiopië wordt glaucoom genoemd als een van de uitdagingen voor de volksgezondheid die leiden tot verlies van gezichtsvermogen, hoewel de oorzaken zeer goed te voorkomen zijn als ze in een vroeg stadium worden behandeld. De pijnloosheid van de ziekte maakt het onbekend totdat het een onomkeerbaar stadium bereikt. Het doen van een screeningstest in een vroeg stadium is een ideale oplossing om verergering van de ziekte te voorkomen. Omdat symptomen echter niet in een vroeg stadium worden opgemerkt, zullen mensen zich niet bewust worden van de situatie. Klinisch zijn gezichtsveldtesten en beoordelingen van de oogzenuwkop de meest effectieve procedures voor vroege glaucoomscreening. Het beperkte aantal professionals op het gebied van oogheelkunde en optometrie, en de ontoegankelijkheid en de dure medische hulpmiddelen voor dergelijke onderzoeken spelen een grote rol voor glaucoom als een reële bedreiging voor mensen die vooral in de landelijke kant van Ethiopië wonen, waar de meerderheid van de bevolking van het land daadwerkelijk woont. Vanwege de beperking van deze middelen worden gezichtsveldtesten en/of ONH-beoordelingen in de eerstelijnsgezondheidszorg nauwelijks uitgevoerd tijdens glaucoomscreening. Bovendien is het niet zo gebruikelijk om subjectieve en objectieve onderzoeken uit te voeren. Bovendien geeft het vertrouwen op de uiteindelijke screeningbeslissing op slechts één van de beoordelingsbenaderingen mogelijk geen volledige informatie over de voortgang en het optreden van de ziekte. In dit doctoraatswerk zullen we een geïntegreerd platform ontwikkelen dat een subjectieve output kan leveren van het op smartphones gebaseerde visuele veldscreeningplatform, en een objectieve output van de op deep learning gebaseerde glaucoomscreening van fundus imaging-benadering. Het hebben van subjectieve en objectieve resultaten zal de gezondheidswerkers helpen om de uiteindelijke beslissing niet alleen af te hangen van een van de twee technieken, maar om hen een betrouwbare beslissing te geven. Dit platform wordt ontwikkeld en geëvalueerd in samenwerking met Jimma University en UZ Leuven, rekening houdend met de beperkte middelen in Ethiopië. Deep learning-technieken zullen worden geïntroduceerd als onderdeel van deze geautomatiseerde oplossing voor het verwerken van de fundusbeelden die van patiënten worden genomen. En een smartphone-gebaseerd gezichtsveldscreeningplatform zal worden gebruikt voor het beoordelen van de subjectieve informatie over de ziekte. De combinatie van de twee beoordelingen van de patiënt zal worden onderzocht om te zien of het screening van glaucoom in een vroeg stadium kan stimuleren. Er zal een klinische studie worden opgezet met voldoende deelnemers in geselecteerde gezondheidscentra in België en in Ethiopië om de validiteit van de nieuwe screeningsaanpak te testen. Bovendien zullen we deze manier van glaucoomscreening toepassen in 2-3 gezondheidscentra om de prestaties te valideren. Een van de onderzoeksvragen is het kwantificeren van de toegevoegde waarde van de combinatie van beide technieken. We zullen ook bespreken in hoeverre deze aanpak de uitdagingen van glaucoomscreeningcampagnes in Ethiopië kan overwinnen. Het uiteindelijke resultaat van dit promotieonderzoek zal een betaalbaar en gebruiksvriendelijk platform/apparaat zijn voor vroege glaucoomscreening.

Datum:29 mrt 2022 →  Heden
Trefwoorden:Glaucoma screening, Fundus image, Visual field
Disciplines:Mens-machine interactie, Machine learning en besluitvorming
Project type:PhD project