Sunderland erhält 12,2 Millionen Pfund für KI-Forschung an Netzhautscans

Forschung zu Augenscreenings liefert erste Vergleichswerte

Andere Projekte zeigen, dass KI die Teilnahme an Screenings verändern kann. In einer von Johns Hopkins Medicine veröffentlichten randomisierten Studie wurden 164 junge Menschen mit Typ-1- oder Typ-2-Diabetes entweder zu einer separaten augenärztlichen Untersuchung überwiesen oder erhielten während eines Termins bei ihrer Diabetesfachkraft ein autonomes KI-gestütztes Screening. Alle 81 Teilnehmenden der KI-Gruppe absolvierten die Untersuchung am selben Tag; in der Vergleichsgruppe hatten innerhalb von sechs Monaten 22 Prozent eine separate Augenuntersuchung abgeschlossen. [2]

Das Ergebnis betrifft die Teilnahme an einem Screening und belegt nicht, dass ein beliebiges KI-System Diabetes oder Herz-Kreislauf-Erkrankungen zuverlässig diagnostizieren kann. Die Studie bezog sich auf Menschen unter 21 Jahren an einem einzelnen Diabeteszentrum. Die Forschenden wiesen außerdem darauf hin, dass das untersuchte System in den USA für unter 21-Jährige nicht zugelassen war und dass manche Teilnehmende bereits mit solchen Untersuchungen vertraut waren. Die Ergebnisse sind daher ein Hinweis auf mögliche Vorteile eines bequemeren Zugangs, aber kein Wirksamkeitsnachweis für NORI oder für eine allgemeine Bevölkerungsdiagnostik. [2]

Eine weitere, in Ophthalmology Science veröffentlichte Auswertung verglich das EyeArt-System mit einem klinischen Referenzstandard zur Erkennung von mehr als leichter diabetischer Retinopathie. In der analysierten Gruppe mit 521 Erwachsenen und 999 Augen lag die Sensitivität des KI-Systems je nach Teilgruppe bei rund 96 bis 97 Prozent; die Spezifität betrug 86 bis 88 Prozent. Die Vergleichswerte für Augenärzte unterschieden sich nach Spezialisierung. Diese Zahlen beziehen sich auf ein bestimmtes System, eine definierte Augenerkrankung und eine konkrete Studienpopulation – nicht auf NORI und nicht auf die Erkennung von Diabetes allgemein. [4]

Versorgungsbeispiele zeigen mögliche Folgen für Abläufe

Auch aus dem laufenden Betrieb gibt es Hinweise darauf, wie KI-gestützte Netzhautkameras in bestehende Versorgung eingebunden werden können. Sutter Health berichtete 2025 über einen dreimonatigen Pilotversuch an sechs Standorten der primärärztlichen Versorgung. In diesem Zeitraum wurden nach Angaben des Gesundheitsverbunds 216 Untersuchungen mit den Kameras durchgeführt; 24 zeigten eine Form von Retinopathie. Im selben Zeitraum wurden insgesamt 235 dokumentierte Screening-Lücken geschlossen, wobei Sutter den größten Teil der Untersuchungen den Kameras in den Hausarztpraxen zurechnete. [5]

Der Bericht des Gesundheitsverbunds ist ein Praxisbericht des Betreibers, keine unabhängige Evaluation des Sunderland-Projekts. Sutter meldete außerdem, bis Ende Januar 2025 seien 28 Praxen mit der Technologie ausgestattet gewesen. Solche Angaben veranschaulichen, dass der Nutzen einer automatisierten Auswertung nicht allein von der Bildanalyse abhängt: Entscheidend ist auch, ob Kameras verfügbar sind, Mitarbeitende sie bedienen können und auffällige Ergebnisse eine geregelte fachärztliche Nachverfolgung auslösen. Die Reichweite dieser Schlussfolgerung ist begrenzt, weil die Sutter-Erfahrungen ein anderes System und ein anderes Gesundheitssystem betreffen. [5]

Auch die Cleveland Clinic beschreibt ein Modell, bei dem Patientinnen und Patienten mit Diabetes eine Netzhautaufnahme im Umfeld eines Termins in der Primärversorgung oder Endokrinologie erhalten können. Die Einrichtung berichtet, dass die Auswertung innerhalb von Sekunden drei Arten von Ergebnissen liefert: kein festgestellter Befund, mehr als leichte Retinopathie oder eine Aufnahme von unzureichender Qualität. Bei auffälligen oder nicht auswertbaren Bildern ist eine weitere augenärztliche Untersuchung vorgesehen. Das ist ein konkretes Betriebsbeispiel, aber kein Beleg für die künftige Funktionsweise der NORI-Technologie. [3]

Die KI-Auswertung ersetzt keine vollständige Augenuntersuchung

KI-basierte Screenings können bestimmte Auffälligkeiten in Netzhautbildern automatisiert erkennen und so dabei helfen, Menschen mit möglichem Behandlungsbedarf weiterzuleiten. Sie erfassen jedoch nicht automatisch alle Aspekte einer augenärztlichen Untersuchung. Die in PMC veröffentlichte Studie zu EyeArt nennt als Grenzen von Bildscreenings unter anderem, dass sie Brechungsfehler nicht korrigieren und weder den vorderen Augenabschnitt noch die periphere Netzhaut vollständig beurteilen. [4]

Für die Planung einer späteren Anwendung in Sunderland sind deshalb nicht nur Erkennungsraten relevant. Ebenso zählt, wie oft Bilder nicht auswertbar sind, wie viele falsch positive oder falsch negative Befunde auftreten und ob die Versorgungskapazität für notwendige Folgeuntersuchungen ausreicht. Das sind Analysefragen, die sich aus den bekannten Grenzen von Netzhaut-Screenings und den beschriebenen Versorgungspfaden ergeben. Der Bericht über NORI nennt dazu noch keine Zahlen oder Verfahren. [1][3][4]

Datenverknüpfung bringt Anforderungen an Validierung und Governance

Weil NORI nach dem BBC-Bericht Augenbilder mit NHS-Gesundheitsakten und Daten aus dem lokalen Umfeld verbinden will, wird die Datenintegration zu einem wesentlichen Teil des Vorhabens. Für eine belastbare Bewertung müssten unter anderem die Herkunft und Qualität der Daten, die Definition der Zielkrankheiten und die Übertragbarkeit der Ergebnisse auf unterschiedliche Patientengruppen nachvollziehbar sein. Das sind Anforderungen, die sich aus dem geplanten Ansatz ergeben; welche konkreten Schutz-, Prüf- oder Freigabeverfahren das Projekt nutzt, ist in den verfügbaren Angaben nicht beschrieben. [1]

Die bisherige Forschung macht zugleich deutlich, dass eine hohe Erkennungsrate allein keine vollständige Aussage über den klinischen Nutzen liefert. Bei EyeArt standen einer hohen Sensitivität niedrigere Spezifitätswerte gegenüber; ein Teil der Augen war zudem für das System nicht auswertbar. In der Praxis kann das zusätzliche Abklärungen bedeuten, während übersehene Befunde eine andere Art von Risiko darstellen. Ob NORI diese Zielkonflikte ähnlich oder anders behandeln muss, lässt sich ohne Angaben zum konkreten Modell und zu dessen Einsatzbereich nicht beurteilen. [4]

Für Klinikträger und Gesundheitssysteme folgt daraus: Der wirtschaftliche und medizinische Nutzen hängt nicht allein davon ab, wie schnell ein Algorithmus ein Bild klassifiziert. Er hängt auch davon ab, ob die Untersuchung in vorhandene Termine passt, wie Ergebnisse dokumentiert werden und wer auffällige oder unklare Befunde bearbeitet. Erfahrungen von Sutter und Cleveland Clinic zeigen unterschiedliche organisatorische Möglichkeiten, aber keine gesicherten Kosteneinsparungen oder klinischen Ergebnisse für Sunderland. [3][5]

Die entscheidenden Projektfragen sind noch unbeantwortet

Der Bericht nennt weder ein Veröffentlichungsdatum für einen Prototyp noch eine Zahl geplanter Patientinnen und Patienten, konkrete Leistungskennzahlen oder ein Zulassungsverfahren. Ebenso bleibt offen, ob das System zunächst in Forschungsumgebungen, in Augenkliniken oder in der Primärversorgung erprobt werden soll. Diese Angaben fehlen im vorliegenden Bericht; daraus lässt sich nicht ableiten, dass sie innerhalb des Projekts nicht geplant sind. [1]

Die Förderung setzt den Rahmen für die Entwicklung und Erprobung eines KI-gestützten Ansatzes, dessen diagnostischer Umfang noch präzisiert werden muss. Die vorhandene Evidenz aus anderen Ländern und Einrichtungen zeigt, dass Netzhautbildgebung insbesondere beim Screening auf diabetische Retinopathie bereits in Versorgungskonzepten und Studien genutzt wird. Sie ersetzt jedoch keine projektspezifische Validierung. Für eine Einschätzung der praktischen Bedeutung von NORI werden daher vor allem belastbare Angaben zum Zielbefund, zur Genauigkeit, zur Patientenauswahl und zum vorgesehenen klinischen Ablauf ausschlaggebend sein. [1][2][3][4][5]

Quellen

1. [1] Sunderland project using AI to help eye tests detect diabetes — https://www.bbc.com/news/articles/cw1m4vd8epnno (abgerufen am 2026-11-06)
2. [2] Study Finds AI–Driven Eye Exams Increase Screening Rates for Youth with Diabetes | Johns Hopkins Medicine — https://www.hopkinsmedicine.org/news/newsroom/news-releases/2024/01/study-finds-ai-driven-eye-exams-increase-screening-rates-for-youth-with-diabetes (abgerufen am 2026-11-06)
3. [3] AI-Powered Cameras Detect Diabetic Retinopathy in Seconds — https://consultqd.clevelandclinic.org/ai-powered-fundus-cameras-diagnose-diabetic-retinopathy (abgerufen am 2026-11-06)
4. [4] Artificial Intelligence Detection of Diabetic Retinopathy: Subgroup Comparison of the EyeArt System with Ophthalmologists’ Dilated Examinations - PMC — https://pmc.ncbi.nlm.nih.gov/articles/PMC9636573 (abgerufen am 2026-11-06)
5. [5] AI Technology Makes Diabetic Eye Exams More Accessible | Sutter Health — https://vitals.sutterhealth.org/ai-expands-access-to-eye-exams (abgerufen am 2026-11-06)
6. [6] Artificial intelligence to predict and prevent disease • City St George's, University of London — https://www.citystgeorges.ac.uk/research/impact/case-studies/artificial-intelligence-to-predict-and-prevent-disease (abgerufen am 2026-11-06)