Tecno

Salvare la vista: usare l’intelligenza artificiale per diagnosticare la retinopatia diabetica

retina

Immagine del fondo di una retina, con aree danneggiate evidenziate dall’algoritmo di elaborazione delle immagini.

I ricercatori usano l’intelligenza artificiale per supportare la diagnosi istantanea di una delle principali cause di cecità, le patologie degli occhi legate al diabete

La retinopatia diabetica è la principale causa di perdita della vista negli adulti * e il suo impatto è in crescita in tutto il mondo, con 191 milioni di persone che rischiano di esserne colpite entro il 2030 **.

Pubblicità e progresso

Non ci sono sintomi nella fase iniziale e la malattia potrebbe già essere avanzata nel momento in cui le persone iniziano a perdere la vista. La diagnosi precoce e il trattamento possono fare una differenza notevole per la quantità di visione che un paziente conserva.

Ora un team di ricercatori australiano-brasiliani guidati dalla RMIT University ha sviluppato un algoritmo di elaborazione delle immagini in grado di rilevare automaticamente uno dei segni chiave della malattia, dal fluido sulla retina, con un tasso di precisione del 98%.

Il ricercatore capo Dinesh Kant Kumar, RMIT, ha affermato che il metodo è istantaneo ed economico.

“Sappiamo che solo la metà di quelli con diabete fa esami oculistici regolari e un terzo non è mai stato controllato”, ha detto Kumar.

“Ma i metodi gold standard per diagnosticare la retinopatia diabetica sono invasivi o costosi, e spesso non disponibili in zone remote o in via di sviluppo del mondo.

“Il nostro approccio basato sull’intelligenza artificiale fornisce risultati altrettanto precisi quanto le scansioni cliniche, ma si basa su immagini retiniche che possono essere generate con normali strumenti di optometria.

“Rendere più veloce e meno costosa l’individuazione di questa malattia incurabile potrebbe cambiare la vita di milioni di persone che non sono attualmente diagnosticate e rischiano di perdere la vista”.

Le analisi mediante angiografia con fluoresceina e tomografia a coerenza ottica sono attualmente i metodi clinici più accurati per la diagnosi di retinopatia diabetica.

Un metodo alternativo e più economico sta analizzando le immagini della retina che possono essere prese con attrezzature relativamente economiche chiamate fotocamere fundus, ma il processo è manuale, richiede tempo ed è meno affidabile.

Per automatizzare l’analisi delle immagini del fondo, i ricercatori del Laboratorio di Biosegnali della School of Engineering di RMIT, insieme ai collaboratori in Brasile, hanno utilizzato tecniche di deep learning e di intelligenza artificiale.

L’algoritmo che hanno sviluppato può individuare in modo accurato e affidabile la presenza di fluido dai vasi sanguigni danneggiati, o essudato, all’interno della retina.

I ricercatori sperano che il loro metodo possa eventualmente essere utilizzato per uno screening diffuso delle popolazioni a rischio.

“Il diabete non diagnosticato è un enorme problema di salute qui e in tutto il mondo”, ha detto Kumar.

“Per ogni singola persona in Australia che sa di avere il diabete, un’altra vive con il diabete ma non viene diagnosticata. Nei paesi in via di sviluppo, il rapporto è un diagnosticato a quattro non diagnosticati.

“Ciò si traduce in milioni di persone che sviluppano complicazioni prevenibili e trattabili da malattie legate al diabete.

“Con un ulteriore sviluppo, la nostra tecnologia ha il potenziale per ridurre questo onere”.

I ricercatori stanno discutendo con i produttori di telecamere del fondo su potenziali collaborazioni per far progredire la tecnologia.


La ricerca – con l’autore principale Parham Khojasteh e collaboratori dell’Università Federale di Sao Carlos, Istituto Federale di San Paolo, Università di Campinas e Università Statale di Sao Paolo – è pubblicata su Computer Medicine and  Biology ( gennaio 2019, Volume 104 ).

Epidemiologia della retinopatia diabetica, edema maculare diabetico e perdita della vista correlata (DOI: 10.1186 / s40662-015-0026-2)

** Esami psicofisici come primi indicatori della retinopatia diabetica (DOI: 10.17925 / EE.2014.10.01.61)