Screening op diabetische retinopathie (DR) middels fundusfotografie en beoordeling door humane graders is een grote personele belasting voor het zorgsysteem. Een oplossing voor dit probleem zouden op artificial intelligence (AI) gebaseerde systemen voor geautomatiseerde DR-screening kunnen zijn.
In de laatste jaren is een aantal systemen met klasse IIa-keurmerk op de markt gekomen, die in prospectieve validatiestudies even goed scoren als humane graders ten aanzien van sensitiviteit en specificiteit in het herkennen van (verwijsbare) DR. Er zijn echter nog een aantal kanttekeningen en hordes die genomen moeten worden voor introductie van deze systemen in de klinische praktijk: real-life validatiestudies of vergelijkende studies zijn nu nog maar voor weinig systemen beschikbaar.
Bovendien bereiken deze systemen in deze real-life studies over het algemeen nog wel een hoge sensitiviteit, maar een lagere specificiteit dan humane graders. Ook zijn er ethische overwegingen, medisch-wettelijke vraagstukken en organisatorische uitdagingen waarmee rekening gehouden moet worden.
