AI: essentieel om therapeutisch onderzoek in de oftalmologie te versnellen?
In Nature is een overzichtsartikel gepubliceerd dat een lans breekt voor artificiële intelligentie en dat leert dat AI onder meer veel kan bijbrengen over farmacologie. Zal de tijd dat ontdekkingen grotendeels te danken waren aan het toeval of de gekruiste ervaring van artsen, weldra achter ons liggen?
De auteurs halen het geval aan van bevacizumab. Bevacizumab is aanvankelijk ontwikkeld voor de behandeling van kanker. Het heeft meer dan twintig jaar geduurd en miljarden dollar gekost voor toevallig is ontdekt dat bevacizumab doeltreffend is bij de behandeling van leeftijdsgebonden maculadegeneratie.
Dat heeft geleid tot de progressieve ontdekking en ontwikkeling van specifieke VEGF-antagonisten voor de behandeling van oogziekten (leeftijdsgebonden maculadegeneratie, diabetische retinopathie en occlusie van adertjes van het netvlies), waardoor de frequentie van blindheid in veel landen sterk is gedaald.
Een nog beperkte farmacopee
Tussen de identificatie van VEGF als target en goedkeuring door de FDA van intra-oculaire toediening van VEGF-antagonisten zijn er meer dan dertig jaar verstreken. Nog een ander, veelzeggend cijfer: sinds 2010 heeft de FDA maar 17 nieuwe geneesmiddelen goedgekeurd voor de behandeling van oogziektes, hoofdzakelijk leeftijdsgebonden maculadegeneratie, openkamerhoekglaucoom en droge ogen.
Er is dringend nood aan innovatieve behandelingen voor tal van oogziekten die blindheid kunnen veroorzaken. Tegen die achtergrond leent AI zich niet meer louter voor automatische screening in de oftalmologie, maar is ze ook een strategische tool geworden om nieuwe therapeutische targets te ontdekken en geneesmiddelen te ontwikkelen.
‘Deep learning’-platformen worden getraind door gegevensbanken met miljoenen beelden van het netvlies, transcriptomicsprofielen en multiomicsgegevens van populatiecohortes. Met die modellen kan je correlaties tussen biologische signaturen en de respons op de behandeling achterhalen, bijwerkingen op de ogen voorspellen en betere kandidaat-geneesmiddelen selecteren voor je in-vivo-experimenten start.
Een snellere ontwikkeling van geneesmiddelen
Volgens recente studies kan AI de duur van de preklinische fase met 30-50% inkorten door selectie van veelbelovende targets en snelle eliminatie van riskante stoffen. Dat is bijzonder relevant voor leeftijdsgebonden maculadegeneratie, diabetische retinopathie en neuritis optica, die alle een multifactoriële pathofysiologie hebben.
Met AI kan je ook voorspellende markers ontwikkelen, markers die het ziekteverloop of de respons op de behandeling voorspellen uitgaande van subtiele veranderingen bij optische coherentietomografie of oogfundusonderzoek. De convergentie tussen computationele farmacologie en beeldvorming effent de weg voor precisie-ooggeneeskunde.
Referentie:
Haoran Cheng et al.: Ophthalmic drug discovery and development using artificial intelligence and digital health technologies. npj Digital Medicine 2025. doi: 10.1038/s41746-025-01954-y
