Secondo un nuovo studio della City University of London, il deep learning potrebbe essere presto in grado di monitorare l’evoluzione e prevedere la progressione della perdita della vista nei pazienti
Di intelligenza artificiale (AI) ormai si sente parlare quotidianamente: è recente la notizia di un ingegnere di Google che ha affermato che LaMDA, chatbot basato sull’AI, sarebbe senziente. Al di là della vicenda, conclusasi con l’allontanamento del dipendente dall’azienda, questo pone diversi interrogativi etici e giuridici sul tema. In particolare, se si pensa che l’intelligenza artificiale sta venendo largamente studiata anche per le sue applicazioni in campo medico. È stato da poco pubblicato sulla rivista Ophthalmology uno studio, in cui il deep learning è stato utilizzato su migliaia di immagini di occhi di persone affette da glaucoma per prevedere quanto la visione sia stata compromessa dalla patologia.
Una collaborazione tra la City University of London e l’Università di Washington ha permesso di utilizzare un gran volume di dati provenienti da 6437 pazienti colpiti da glaucoma e presi in carico da tre diversi centri del National Health Service (NHS), il Servizio Sanitario Nazionale del Regno Unito, per fare uno studio retrospettivo e trasversale su database. Il glaucoma, di cui abbiamo parlato di recente qui, è una malattia degenerativa irreversibile che colpisce il nervo ottico e seconda causa di cecità nel mondo, con circa 80 milioni di persone affette (dati: sito della World Glaucoma Week). Nella pratica clinica comune il danno al nervo ottico può essere rilevato e monitorato attraverso valutazioni funzionali e strutturali, ma questa valutazione si è dimostrata problematica sotto diversi aspetti e negli ultimi anni è stato dimostrato il potenziale delle tecniche di apprendimento automatico per riuscire a inquadrare questa complessità.
Nello studio i modelli di deep learning - una sottocategoria del machine learning, o apprendimento automatico, che indica quella branca dell’AI che fa riferimento agli algoritmi ispirati alle reti neurali artificiali - sono stati applicati in modo indipendente a grandi volumi di due tipi di immagini cliniche, con l’obiettivo di verificare se i modelli potessero essere utilizzati per prevedere quali aree della visione potessero essere compromesse dal glaucoma. Sono state usate le immagini ricavate da due test: la tomografia ottica, che permette di ottenere delle scansioni ad alta risoluzione della cornea e della retina, e la spettroscopia infrarossa, che utilizza i raggi infrarossi per illuminare la retina e il disco ottico. Oltre ai due modelli per ciascun test, un terzo modello ha poi combinato le due previsioni, permettendo di valutare entrambi i set di dati insieme.
L’intelligenza artificiale impara a riconoscere gli elementi all’interno delle immagini e a prevedere meglio l’andamento della funzione visiva: questo potrebbe essere utile in futuro per progettare nuovi e migliori trattamenti per il glaucoma. La diagnosi precoce e la gestione preventiva della degenerazione è fondamentale: le persone con glaucoma, o a rischio di svilupparlo, devono sottoporsi a controlli periodici durante il corso della loro vita. Attualmente i modelli di deep learning, che “imparano” a prevedere il campo visivo del paziente osservando le immagini ottenute dai test, hanno però solo un valore predittivo e non sono significativi dal punto di vista clinico. Altre ricerche precedenti avevano usato questo approccio per la valutazione della visione nei casi di glaucoma, ma pochi avevano tentato di prevederla in modo puntuale sfruttando il deep learning. La stima del campo visivo dalle immagini ottenute dai test consente di convertire le informazioni contenute in esse in un formato più significativo dal punto di vista clinico.
Alcuni limiti ci sono: in uno studio retrospettivo ci possono essere alcuni bias e, il fatto che il database sia stato ricavato da un’unica area limitata geograficamente, può riflettere differenze regionali nella popolazione o nella pratica clinica applicata. Il prossimo passo sarà quello di superare i limiti e le problematiche attuali, ponendo anche l’attenzione sulla qualità delle immagini che in questa analisi non è stata valutata. Resta indiscutibile che queste innovazioni tecnologiche faranno sempre più parte della nostra quotidianità, anche in campo medico: un supporto per i medici che avranno uno strumento in più a disposizione per fare diagnosi, prevedere l’andamento di una determinata patologia o decidere se modificare i trattamenti.
