È stato recentemente dimostrato che le fotografie dell’occhio esterno rivelano non solo segni di malattie retiniche ma possono fornire ulteriori informazioni riguardo il nostro stato di salute.
Ci sono biomarcatori sistemici, come pressione sanguigna, emoglobina, velocità di filtrazione glomerulare ed analisi del fondo oculare che permettono il rilevamento non invasivo di malattie sistemiche. Anche essendo tecniche non invasive, non sono esenti dall’implementazione clinica.
In un recente studio pubblicato su Lancet, è stato progetto un sistema di Deep Learning in grado di rilevare biomarcatori di alcune malattie sistemiche esaminando fotografie dell’occhio esterno. Attraverso lo screening dell’occhio esterno, sarà quindi possibile predire in modo automatico l’insorgenza di malattie sistemiche relative a reni, fegato, tiroide, ossa. Ecco di che si tratta e come funziona.
IA e Deep Learning in medicina
L’ intelligenza artificiale si basa su algoritmi di apprendimento in grado di predire in modo automatico scelte cliniche, applicazioni di terapie o diagnosi.
Gli approcci di IA basati sul Deep Learning sono un sottoinsieme di tecniche di Machine Learning che utilizza reti neurali artificiali. In particolare si tratta di sistemi di auto-apprendimento non addestrati da umani, a differenza del ML, che lavorano su una grande quantità di dati. Ciò permette l’utilizzo di dati non strutturati e di risolvere problemi più complessi.
Gli impieghi in medicina del Deep Learning sono segmentazione di strutture anatomiche, identificazione di biomarcatori, classificazione, previsione di specifiche patologie.
Screening dell’occhio esterno: dataset e risultati
I set di dati utilizzati per lo sviluppo e validazione del sistema di Deep Learning riguardano fotografie dell’occhio esterno, parametri clinici ed analisi di laboratorio di pazienti provenienti da diverse popolazioni negli Stati Uniti. I parametri in analisi sono molto vari: albumina, calcio, TSH, emoglobina, globuli bianchi, indice di massa grassa, pressione sanguigna e altro.
Il sistema DLS si comporta in modo ottimo nel predire la funzione renale e le anomalie della conta ematica e nel predire le anomalie nei parametri epatici e multiorgano. Dalle fotografie dell’occhio esterno, però, non è possibile diagnosticare perfettamente la retinopatia diabetica o l’edema maculare diabetico.
Questo sistema di Deep Learning potrebbe essere utilizzato nello screening di alcune patologie, come per il rilevamento di una malattia renale o per gravi disfunzioni renali. Inoltre è in grado di aiutare il medico nel rilevare bassi livelli di emoglobina. La diagnosi di anemia da parte del DLS non è solo dovuta dal colore della congiuntiva, infatti, il sistema funziona con immagini in scala di grigio e riesce a predire la patologia anche se tutte le strutture oculari sono mascherate ad eccezione dell’iride.
Limiti dello screening oculare
Il DLS riesce a predire diversi parametri sistemici con una buona sensibilità anche con immagini a bassa risoluzione. Questo risultato è promettente perchè permetterebbe di utilizzare semplici fotografie da smartphone piuttosto che strumenti clinici come la lampada a fessura. Non è ancora noto se le immagini raccolte tramite tipi di fotocamera alternativi, come le fotocamere degli smartphone, porterebbero a performance comparabili alle immagini del fondo oculare.
Bisogna tener conto che i pazienti in tutti i set di dati avevano pupille dilatate e che richiedere la dilatazione della pupilla limiterebbe i possibili casi d’uso, quindi è necessario ulteriore lavoro per determinare in che misura la dilatazione influisce sulle prestazioni.
Deep Learning nella pratica clinica
Sfruttare gli strumenti di deep learning per rilevare la malattia sistemica potrebbe essere utile. Grazie al suo immediato utilizzo, le persone affette da una malattia precoce o lieve potrebbero ricevere un intervento precoce per prevenire la progressione, mentre le persone affette da una malattia più grave potrebbero avere la priorità per le cure immediate.
Questo studio suggerisce che l’imaging non invasivo dell’occhio esterno può fornire informazioni sulla malattia sistemica senza l’uso di attrezzature o farmaci specializzati. La rimozione di queste barriere nella valutazione clinica potrebbe avere un impatto sostanziale sulla salute. Sono necessari ulteriori studi per determinare se questo DLS potrebbe identificare i marcatori di malattie sistemiche dalle immagini dell’occhio esterno catturate da altri tipi di telecamere e come lo screening dell’occhio esterno potrebbe essere efficacemente adattato e utilizzato in contesti sia clinici che non clinici.
L’articolo Il Deep Learning può predire una malattia da fotografie dell’occhio esterno è stato scritto su: CUENEWS | Biomed.