Le immagini catturate sono in grado di rilevare la retinopatia diabetica e identificare caratteristiche che porterebbero a un'ulteriore valutazione di glaucoma, cataratta, degenerazione maculare e altro ancora.
Le immagini catturate sono in grado di rilevare la retinopatia diabetica e identificare caratteristiche che porterebbero a un'ulteriore valutazione di glaucoma, cataratta, degenerazione maculare e altro ancora.
Le immagini catturate sono in grado di rilevare la retinopatia diabetica e identificare caratteristiche che porterebbero a un’ulteriore valutazione di glaucoma, cataratta, degenerazione maculare e altro ancora.

Quando le persone con diabete visitano il loro medico di base, vengono spesso indirizzate a un oftalmologo, che può controllare i loro occhi per segni di retinopatia diabetica. La malattia danneggia lo strato di tessuto fotosensibile nella parte posteriore dell’occhio noto come retina ed è una delle principali cause di cecità, con conseguente fino a 24.000 casi ogni anno negli adulti negli Stati Uniti. Ma quando viene diagnosticata prima che compaiano i sintomi, la malattia di solito può essere gestita e il peggior esito evitato. “Sappiamo così bene come trattarlo, ma non lo prendiamo abbastanza presto”, afferma Michael Abràmoff, specialista in retina e informatico presso l’Università dell’Iowa a Iowa City.

Lo screening regolare è quindi fondamentale per la gestione della retinopatia diabetica. Ma valutare i circa 30 milioni di persone affette da diabete negli Stati Uniti, e più di 400 milioni di persone in tutto il mondo, sembra una sfida insormontabile. Solo circa la metà delle persone con diabete si fa esaminare la vista ogni anno, come raccomandato.

Ciò è in parte dovuto alla carenza di oftalmologi. Tali medici specialisti richiedono un’ampia formazione e attrezzature particolari e la loro scarsità in molte regioni del mondo costringe spesso le persone a percorrere lunghe distanze per una visita oculistica. Il problema è particolarmente acuto nei paesi a basso e medio reddito, ma si prevede che anche i paesi più ricchi subiranno un deficit poiché le popolazioni anziane e ad alto rischio crescono più rapidamente del pool di oftalmologi necessario per curarle. La telemedicina – in cui gli oftalmologi valutano le foto della retina a distanza – potrebbe aiutare a migliorare l’accesso per i pazienti, ma deve ancora ottenere un’ampia accettazione.

Abràmoff si chiedeva da tempo se un programma per computer potesse essere utilizzato per lo screening delle malattie degli occhi. Per diversi decenni, ha sviluppato IDx-DR, un sistema di intelligenza artificiale (AI) che può dire in pochi minuti se una persona ha un caso più che lieve di retinopatia diabetica. Tali casi comprendono solo circa il 10% delle persone con diabete, quindi con questo sistema di intelligenza artificiale, gli oftalmologi dovrebbero esaminare molte meno persone.

IDx-DR è il primo dispositivo ad essere approvato dalla Food and Drug Administration (FDA) statunitense per fornire una decisione di screening senza la necessità di un medico. Ma non è l’unico strumento basato sull’intelligenza artificiale pronto a trasformare il campo dell’oftalmologia. I progressi nell’informatica e la disponibilità di grandi serie di dati di immagini retiniche hanno stimolato lo sviluppo di sistemi di intelligenza artificiale per rilevare non solo la retinopatia diabetica, che è relativamente facile da individuare, ma anche altri comuni

Malattie degli occhi

come la degenerazione maculare senile (AMD) e il glaucoma. Questi sistemi di intelligenza artificiale potrebbero migliorare la velocità e l’accuratezza dei programmi di screening su larga scala, nonché migliorare l’accesso alle visite oculistiche nelle aree meno servite consentendo la loro fornitura in centri medici che altrimenti non potrebbero offrire cure oculistiche.

L’uso dell’intelligenza artificiale in clinica solleverà inevitabilmente preoccupazioni per le diagnosi mancate e le diagnosi errate , afferma Tien Yin Wong, oculista presso il Singapore National Eye Centre. Le questioni legali ed etiche che ne derivano potrebbero in definitiva determinare quanto diventa comune la tecnologia, afferma.

Tuttavia, gli addetti ai lavori sono ottimisti sul fatto che la diagnosi assistita dall’IA sia pronta a decollare. Pearse Keane, oculista del Moorfields Eye Hospital di Londra, è anche consulente presso DeepMind Technologies, una società di ricerca sull’intelligenza artificiale con sede a Londra e di proprietà della società madre di Google, Alphabet, che sta sviluppando un sistema in grado di diagnosticare le malattie degli occhi. “Ricordo ancora una delle prime volte in cui ho visto l’algoritmo in azione”, dice. “Ero semplicemente sbalordito e sentivo di aver visto qualcosa di trasformativo per l’intero campo dell’oftalmologia”.

Una visione di 30 anni

Abràmoff ha iniziato a studiare l’automazione del rilevamento delle malattie degli occhi circa 30 anni fa. Gli oftalmologi in genere diagnosticano tali condizioni studiando una fotografia a colori della parte posteriore dell’occhio o una sezione trasversale della retina acquisita utilizzando una tecnica di imaging chiamata tomografia a coerenza ottica (OCT). Ma Abràmoff era incerto se un programma per computer potesse sostituire uno specialista altamente qualificato, almeno all’inizio.

L’apprendimento automatico, che utilizza dati e algoritmi personalizzati per addestrare le macchine a eseguire attività, ha mostrato risultati promettenti per l’uso nell’analisi delle immagini sin dagli anni ’50. Ma l’hardware non era abbastanza potente da rendere pratico l’apprendimento automatico per l’analisi di immagini mediche del mondo reale, anche quando Abràmoff iniziò la sua ricerca 40 anni dopo.

Tuttavia, Abràmoff ha elaborato equazioni matematiche per descrivere varie lesioni nella retina e quindi ha scritto algoritmi per rilevarle. All’inizio degli anni 2000, aveva pubblicato numerosi articoli sull’argomento e, nel corso del decennio, ha ottenuto brevetti rilevanti nella speranza che un’azienda farmaceutica o biotecnologica li concedesse in licenza. Ma l’idea non è decollata. “Non è successo niente”, dice.

L’uso dei sistemi di intelligenza artificiale nell’imaging medico ha ricevuto un enorme impulso alla fine degli anni 2000, grazie all’industria dei videogiochi. La spinta verso una grafica realistica ha portato allo sviluppo di schede grafiche più potenti, ideali per il tipo di elaborazione parallela richiesta dai sistemi di intelligenza artificiale. Queste schede grafiche hanno semplificato l’implementazione di sistemi computazionalmente intensivi noti come reti neurali artificiali, ispirate al modo in cui i neuroni si interconnettono nel cervello. Tali reti sono costituite da strati di nodi collegati che elaborano diverse caratteristiche di un’immagine. Ad ogni attributo viene dato un certo peso, che il sistema poi combina per generare un output come una decisione se un occhio è stato colpito da retinopatia diabetica.

Combinando reti neurali artificiali con una notevole potenza di elaborazione e enormi set di dati di immagini, i ricercatori sono stati in grado di creare reti di apprendimento profondo in grado di eseguire attività sofisticate oltre la portata del software programmato convenzionalmente, incluso battere alcuni dei migliori giocatori al mondo dell’antico gioco da tavolo Andare. “C’è una sorta di salto quantico in avanti che si è verificato, in cui tutte queste cose che una volta erano una torta nel cielo sono ora tecnicamente fattibili”, afferma Aaron Lee, un oftalmologo dell’Università di Washington a Seattle.

Una prova di successo

In mezzo a questi progressi tecnologici, nel 2010 Abràmoff ha fondato la società di ricerca sull’intelligenza artificiale IDx Technologies a Coralville, Iowa. Dopo una lunga discussione con la FDA, ha avviato una sperimentazione clinica per dimostrare che IDx-DR potrebbe funzionare in un ambiente reale. Lo studio è stato aperto per l’arruolamento nel gennaio 2017 e ha incluso 900 persone con diabete da 10 località negli Stati Uniti.

Lo specialista della retina Michael Abràmoff sta sviluppando programmi di intelligenza artificiale che potrebbero migliorare l’accesso allo screening per le malattie degli occhi nelle regioni con servizi oftalmici limitati. Credito: Brice Critser/Dipartimento di oftalmologia/UIHC

I risultati hanno mostrato che i decenni di lavoro di Abràmoff erano stati ripagati. IDx-DR ha identificato correttamente la presenza di retinopatia diabetica più che lieve circa l’87% delle volte e ha identificato correttamente le persone che non avevano la condizione quasi il 90% delle volte 1 . L’accuratezza del sistema di intelligenza artificiale ha soddisfatto i requisiti della FDA e, nell’aprile 2018, IDx-DR è diventato il primo sistema diagnostico autonomo ad essere approvato per il rilevamento della retinopatia diabetica negli Stati Uniti. “E’ stata una giornata molto buona”, dice Abràmoff.

Il sistema utilizza una fotocamera per fotografare la parte posteriore dell’occhio. Un algoritmo AI analizza quindi le immagini risultanti per rilevare i primi segni di retinopatia diabetica come l’emorragia. Un altro algoritmo aiuta l’operatore a acquisire immagini di alta qualità della retina, il che significa che dopo aver ricevuto solo quattro ore di formazione, chiunque abbia un’istruzione di scuola secondaria potrebbe utilizzare IDx-DR.

A giugno, l’Università dell’Iowa Health Care è diventata la prima organizzazione a implementare IDx-DR nella clinica. I sistemi di IA concorrenti potrebbero non essere troppo indietro. “Con ciò che IDx ha fatto, ora c’è un precedente per altre aziende nel campo del deep learning”, afferma Lee. Finora, la maggior parte si è anche concentrata sulla rilevazione della retinopatia diabetica perché la condizione è relativamente facile da individuare in un’immagine. “Questo è un problema abbastanza semplice dal punto di vista della computer vision”, afferma Lee.

Fai come fanno gli umani

I sistemi di intelligenza artificiale alla fine dovranno fare di più che rilevare una singola malattia dell’occhio. “Quando un medico valuta l’occhio di qualcuno, rileva molte condizioni comuni”, afferma Wong. “Non puoi semplicemente dire: ‘Mi interessa solo sapere se hai o meno la retinopatia diabetica’.” Ecco perché Wong e altri, incluso Abràmoff, stanno sviluppando sistemi di intelligenza artificiale in grado di rilevare diverse malattie degli occhi contemporaneamente.

Invece di insegnare agli algoritmi di intelligenza artificiale quali caratteristiche della malattia cercare (come ha fatto Abràmoff per IDx-DR), alcuni ricercatori addestrano i loro programmi istruendo loro a vagliare numerose immagini provenienti da occhi sani o malati. I sistemi di intelligenza artificiale devono quindi elaborare da soli come differenziarli. Nel 2017, Wong e il suo team hanno utilizzato immagini retiniche raccolte da diversi studi, tra cui il Programma nazionale di screening della retinopatia diabetica di Singapore, per addestrare un sistema di intelligenza artificiale 2. Hanno testato la sua efficacia in 11 coorti multietniche di persone con diabete e hanno dimostrato che il loro programma di intelligenza artificiale potrebbe utilizzare le differenze nelle immagini retiniche per rilevare non solo la retinopatia diabetica, ma anche il glaucoma e l’AMD. L’abilità di screening del sistema corrispondeva a quella di uno specialista umano per la retinopatia diabetica circa il 90% delle volte.

I ricercatori del DeepMind e del Moorfields Eye Hospital sono andati anche oltre. Hanno costruito un algoritmo di intelligenza artificiale che ha imparato da solo a prendere decisioni di riferimento per 50 condizioni oculari comuni 3 . Il sistema identifica i segni della malattia dell’occhio in una scansione della retina OCT e quindi decide l’urgenza con cui una persona dovrebbe vedere uno specialista. Il sistema di intelligenza artificiale di DeepMind potrebbe alleviare considerevolmente il carico del paziente per gli oftalmologi. “Le persone non si rendono conto dell’enorme volume di casi di cui ci occupiamo”, afferma Keane. Il National Health Service in Inghilterra ha programmato 8,25 milioni di appuntamenti ambulatoriali di oftalmologia lo scorso anno.

L’addestramento di un algoritmo di intelligenza artificiale richiede in genere grandi quantità di dati e prepara il sistema a eseguire solo attività limitate; un algoritmo addestrato per giocare a Go istruendogli di giocare da solo 30 milioni di volte non sarebbe adatto agli scacchi, per esempio. Ma un metodo noto come trasferimento di apprendimento potrebbe aiutare a formare programmi di intelligenza artificiale utilizzando meno dati specifici per attività, consentendo loro di imparare a svolgere attività simili più rapidamente.

Un team guidato da Kang Zhang, un oftalmologo dell’Università della California, San Diego, a La Jolla, ha preso un algoritmo di intelligenza artificiale che era stato pre-addestrato su decine di milioni di immagini di oggetti di uso quotidiano dal repository pubblico ImageNet, e poi lo ha applicato a una serie di circa 100.000 immagini retiniche OCT 4. Nonostante il basso numero di immagini specifiche della retina utilizzate per addestrare il sistema, il pre-allenamento ha consentito al programma di intelligenza artificiale del team di diagnosticare con precisione due cause comuni di perdita della vista: edema maculare diabetico e neovascolarizzazione coroidale (spesso una conseguenza dell’AMD avanzata) e di decidere che necessitava di una visita urgente da uno specialista. La riduzione del numero di immagini retiniche OCT utilizzate nell’addestramento a circa 4.000 ha raddoppiato il tasso di errore dell’algoritmo, ma le sue prestazioni erano ancora ampiamente paragonabili a quelle degli esperti umani.

Zhang, Keane e Wong stanno pianificando di condurre studi clinici nei prossimi due anni per confermare se i loro sistemi di intelligenza artificiale sono efficaci nella diagnosi quanto lo sono gli oftalmologi, un precursore necessario per ricevere l’approvazione normativa. Ma sarà ancora necessario un ulteriore lavoro per produrre un prodotto commerciale pronto per l’uso in una varietà di impostazioni. “Gli scienziati devono renderlo utilizzabile come un iPhone”, afferma Wong.

Non solo una questione di tecnologia

Le capacità di questi sistemi di intelligenza artificiale potrebbero, in alcuni casi, superare quelle degli umani. Ad esempio, Bernhard Weber, genetista dell’Università di Regensburg in Germania, e i suoi colleghi hanno sviluppato un algoritmo di deep learning per classificare la progressione dell’AMD 5 , una delle principali cause di perdita della vista nelle persone di età pari o superiore a 50 anni. Sebbene l’AMD in fase avanzata sia facile da rilevare, Weber ha scoperto che il programma di intelligenza artificiale del suo team potrebbe anche identificare le fasi iniziali della malattia. “Questa è roba dura”, dice, stimolante anche per un oftalmologo.

Sebbene l’accuratezza di tali sistemi di intelligenza artificiale aiuti a ottenere l’approvazione normativa, quella luce verde potrebbe non essere sufficiente per conquistare la fiducia di medici e pazienti. “Come società, siamo pronti a mettere in atto queste cose?” chiede Lee.

Un ostacolo all’acquisizione della fiducia degli utenti è la natura chiusa di molti sistemi di intelligenza artificiale, che funzionano come scatole nere: non è sempre chiaro come tali programmi raggiungano una decisione. “Con un algoritmo a scatola nera, non hai idea del motivo per cui l’algoritmo ha scelto di fare quella diagnosi”, afferma Lee (vedi “Aprire la scatola nera”).

Aprendo la scatola nera

Le complesse reti neurali artificiali che rendono i sistemi di intelligenza artificiale (AI) così potenti rendono anche difficile capire come tali sistemi raggiungano le decisioni che prendono, un problema noto come problema della scatola nera.

Questa opacità è particolarmente fastidiosa nella clinica, dove il ragionamento alla base della diagnosi di un sistema di intelligenza artificiale potrebbe essere cruciale per ottenere l’approvazione normativa. “La spiegazione è diventata un grosso problema con la Food and Drug Administration statunitense”, afferma Michael Abràmoff, specialista in retina e scienziato informatico presso l’Università dell’Iowa a Iowa City. “Devi essere in grado di spiegare cosa fa il tuo algoritmo se vuoi che sia autonomo.”

I ricercatori stanno scoprendo come sbirciare nella scatola nera. Le società di ricerca sull’intelligenza artificiale IDx Technologies a Coralville, Iowa e DeepMind Technologies a Londra utilizzano un approccio su due fronti per interrogare il processo decisionale dei loro sistemi di intelligenza artificiale durante la diagnosi delle condizioni oculari. Un algoritmo rileva le caratteristiche della malattia in un’immagine della retina di una persona. Un altro algoritmo utilizza quindi tali funzionalità per decidere se quella persona ha bisogno di consultare un oftalmologo e, in tal caso, con quale urgenza. Dividendo questi passaggi, i medici possono determinare come una rete di deep learning interpreta un’immagine prima di fornire un suggerimento di riferimento, afferma Olaf Ronneberger, informatico presso DeepMind.

Un altro modo per districare ciò che sta accadendo prevede l’uso di un diverso tipo di scatola nera. Kang Zhang, un oftalmologo dell’Università della California, San Diego, a La Jolla, e Bernhard Weber, un genetista dell’Università di Regensburg in Germania, hanno usato maschere nere per schermare parti di immagini retiniche dal loro algoritmo di intelligenza artificiale e hanno osservato come tale il mascheramento ha influito sulle diagnosi del sistema. Ciò ha consentito a Weber di determinare dove nella retina l’algoritmo di intelligenza artificiale stava cercando di prendere la sua decisione 5 . “Quello che vedi è che è esattamente dove guarderebbe un oftalmologo umano”, dice. SR

Wong paragona l’ascesa della diagnosi basata sull’intelligenza artificiale a quella delle auto senza conducente e, in entrambi i casi, non è sicuro che le persone siano pronte per l’automazione completa . Ha quindi progettato il suo sistema per funzionare come un processo completamente automatizzato o semiautomatico, in cui funziona insieme a un essere umano. È simile a garantire che un’auto senza conducente abbia un volante e freni in modo che una persona possa intervenire in caso di emergenza. “Ciò dà molta più fiducia, oltre a ridurre significativamente il carico di lavoro”, afferma Wong.

Questo modello a due livelli potrebbe funzionare bene nei luoghi in cui gli oftalmologi sono prontamente disponibili. Ma il più grande potenziale della tecnologia risiede nel migliorare l’accesso alle cure oculistiche nei paesi a basso reddito o nelle aree remote. Questo ragionamento ha portato Abràmoff a testare l’IDx-DR in una parte isolata del New Mexico, a diverse ore di macchina dall’oculista più vicino, e i ricercatori di Google a provare un algoritmo di deep learning progettato per individuare segni di retinopatia diabetica nelle fotografie retiniche negli ospedali oculistici di India, dove solo 15.000 oftalmologi servono circa 70 milioni di persone con diabete.

I sistemi di intelligenza artificiale esistenti richiedono immagini dettagliate dell’occhio per prendere decisioni e in molti paesi le attrezzature e le competenze necessarie per acquisire tali immagini scarseggiano. Ma gli smartphone dotati di fotocamere speciali per l’imaging retinico potrebbero essere combinati con un software AI basato su cloud per lo screening della retinopatia diabetica, rendendo gli esami oculistici ancora più economici e convenienti.

“Secondo me, il maggior beneficio per l’umanità si avrà in ambienti con risorse limitate, dove non sono disponibili esperti”, afferma Lee. “Penso che l’intelligenza artificiale possa svolgere un ruolo molto importante e dirompente nella consegna della medicina in questi contesti”.