RETFound: Moorfields Eye Hospital stellt KI-Modell zur Netzhautdiagnose kostenfrei bereit

Das Moorfields Eye Hospital in London hat gemeinsam mit akademischen Partnern RETFound vorgestellt. Moorfields beschreibt RETFound als KI-basiertes Foundation-Modell für die Augenheilkunde. Laut Moorfields wurde das Modell mit Millionen Netzhautbildern trainiert und soll unter definierten Bedingungen kostenfrei für medizinische Forschungseinrichtungen weltweit verfügbar sein.

RETFound ist auf die Identifikation von Mustern und Biomarkern in retinalen Bilddaten ausgelegt. Es kann Strukturen markieren, die mit Erkrankungen wie diabetischer Retinopathie, altersbedingter Makuladegeneration oder Glaukom in Zusammenhang stehen. Die Idee hinter der offenen Bereitstellung ist pragmatisch: Forschungsteams sollen schneller iterieren können, ohne dass Lizenzkosten oder Zugangshürden bereits das Prototyping ausbremsen.

Parallel dazu arbeitet Moorfields über sein Forschungszentrum INSIGHT mit dem KI-Pharmaunternehmen Insitro zusammen. Ziel dieser Kooperation ist laut Moorfields ein umfassenderes Foundation-Modell, das unter anderem Patientengruppen präziser segmentieren und Biomarker über mehrere Pathologien hinweg nutzbar machen soll. RETFound lässt sich dabei als spezialisierter Baustein lesen: stark in der Netzhautdiagnostik, potenziell anschlussfähig an eine breiter angelegte Plattform.

Der Schritt Richtung Open Access passt zu einem Trend in der medizinischen KI: Statt ausschließlich proprietärer Systeme entstehen Modelle, die (mit klaren Nutzungsbedingungen) breiter zugänglich sind und von Forschungsteams weiterentwickelt werden können. Gerade für Kliniken und Universitäten mit begrenzten Budgets kann das darüber entscheiden, ob Projekte überhaupt in die Pilotphase kommen oder in Antragslogik steckenbleiben.

Praxisrelevanz und Hürden

Medizinische Bildanalyse mit KI ist nicht neu, aber der Weg von „funktioniert im Paper“ zu „wird zuverlässig im Alltag genutzt“ bleibt häufig zäh. Oft scheitert es weniger an der Modellidee als an Kosten, Integration und Regulatorik. Ein frei verfügbares Modell wie RETFound kann die Einstiegshürde senken, zumindest für Forschung, Validierung und prototypische Workflows.

Für Entwickler ist RETFound außerdem ein greifbares Beispiel dafür, was „Foundation-Modell“ jenseits von Text bedeutet: ein Basismodell, das in einer klar abgegrenzten Domäne so trainiert ist, dass spezialisierte Anwendungen darauf aufsetzen können. Praktisch heißt das weniger „Alleskönner“, mehr „hochkompetente Basis“, die man für konkrete klinische Fragestellungen feinjustiert.

Und da zeigt sich auch eine Brücke zur Agenten-Welt: Agenten, die medizinische Workflows unterstützen (zum Beispiel Befunde konsolidieren, Studienkriterien prüfen oder Bildbefundung vorbereiten), profitieren massiv von robusten Domänenmodellen. Die harten Themen sind dabei ähnlich: Datenschutz, Validierung, Erklärbarkeit, Bias und die Frage, wie Ergebnisse so präsentiert werden, dass Fachpersonal sie verantwortbar nutzen kann.

Technische Einordnung

RETFound ist als Basismodell gedacht, auf dem weitere Modelle und Downstream-Tasks aufbauen können. Die Trainingsbasis mit Millionen klinischer Netzhautbildern ist laut Moorfields ungewöhnlich groß, und genau das ist in der Medizin oft der Engpass: Daten existieren, sind aber selten in der nötigen Qualität, Struktur und rechtlichen Nutzbarkeit verfügbar.

Open Access bedeutet dabei nicht automatisch „einfach frei“. Entscheidend sind Lizenz, Dokumentation, Benchmarks sowie klare Aussagen darüber, wofür das Modell gedacht ist (und wofür nicht). In der Sprach-KI sieht man bei frei verfügbaren Modellen häufig, dass „offen“ mit Einschränkungen einhergeht. Im medizinischen Kontext ist diese Klarheit besonders wichtig, weil die Grenze zwischen Forschung und klinischer Entscheidung sauber gezogen werden muss.

Aus Engineering-Sicht ist spannend, wie ein Modell mit Bilddaten skaliert, wenn der Datensatz zwar hochwertig, aber nicht beliebig erweiterbar ist. Wer Agenten oder domänenspezifische Systeme baut, kennt das Problem aus anderen Nischen: weniger Daten, höhere Qualitätsanforderungen und ein teures Fehlerprofil.

Grenzen und Ausblick

RETFound ist kein Consumer-Tool. Ohne ophthalmologische Expertise, passende Geräte und sauber definierte Prozesse für Qualitätssicherung bleibt es ein Forschungsbaustein. Selbst wenn ein Modell stark ist, entscheidet am Ende die Integration: Passt es in bestehende Abläufe, ist die Ausgabe nachvollziehbar, und lässt sich die Leistung in der realen Umgebung zuverlässig replizieren?

Die weitergehende Vision von Moorfields und Insitro zielt laut Moorfields auf Modelle, die nicht nur Biomarker erkennen, sondern auch Verläufe und therapeutische Implikationen besser modellieren. Ob und wie RETFound dort als Baustein aufgeht, wird sich an zwei Punkten zeigen: an der tatsächlichen Adoption in der Forschung und an belastbarer, transparenter Evaluation.

Wenn sich dieser Open-Access-Ansatz bewährt, könnte er als Blaupause dienen, auch über die Augenheilkunde hinaus. Und für die Agenten-Community wäre es ein wichtiges Signal: Fortschritt in spezialisierten Domänen entsteht oft dann, wenn starke Basismodelle nicht hinter geschlossenen Türen verschwinden, sondern als Infrastruktur für viele Teams nutzbar werden.

—

Dieser Artikel wurde im Deep-Review auf Frische, Fakten und Stil geprüft (20.04.2026). Überschrift und Struktur angepasst, Primärquelle ergänzt.