L’intelligenza artificiale (AI) sta entrando sempre di più nella nostra vita quotidiana e, anche in campo oftalmico, le potenziali applicazioni sono oggetto di studio. In particolare, in questo articolo, verranno esaminate le applicazioni dell’AI nella tomografia a coerenza ottica (OCT) nell’edema maculare diabetico.
L’edema maculare diabetico (EMD) è una grave complicanza oculare del diabete mellito, sia di tipo 1 che di tipo 2, e rappresenta una delle principali cause di perdita della vista nei Paesi sviluppati. Attualmente, circa 537 milioni di adulti convivono con il diabete e si prevede che questo numero aumenterà costantemente, con l’incremento dell’età media della popolazione. La prevalenza dell’EMD tra le persone con diabete in Europa è stata stimata intorno al 3,7% e la sua incidenza annuale media aggregata nei pazienti con diabete di tipo 2 è dello 0,4%.
Negli ultimi anni, sono stati compiuti progressi significativi nelle tecnologie dei sistemi basati su telecomunicazioni, intelligenza artificiale (AI) e deep learning (DL), che hanno aperto nuovi orizzonti per la creazione di strumenti efficienti per la quantificazione dei principali parametri rilevanti per la diagnosi e monitoraggio dei disturbi maculari. I dati della Letteratura suggeriscono che l’AI possa raggiungere prestazioni elevate nel rilevamento delle caratteristiche della retina e nella valutazione dei cambiamenti anatomici caratteristici dell’edema maculare diabetico. Inoltre, l’intelligenza artificiale è stata già utilizzata con successo per lo screening della retinopatia diabetica, utilizzando foto del fondo oculare, anche se con protocolli variabili, consentendo la diagnosi precoce, con conseguente prevenzione della cecità evitabile e risparmio sui costi di gestione della patologia.
Diagnosi dell’edema maculare diabetico: lo stato dell’arte
L’EMD è una malattia multifattoriale complessa, caratterizzata da ipossia, infiammazione, iperpermeabilità e angiogenesi. Di conseguenza, i pazienti possono presentare fenotipi differenti, con importanti differenze nella gravità della malattia, nel rischio di progressione e negli esiti del trattamento. Pertanto, la valutazione delle caratteristiche morfologiche individuali dell’EMD può fornire una migliore comprensione della fisiopatologia di questa malattia, che, a sua volta, potrebbe aiutare nella selezione della migliore opzione terapeutica e di un approccio medico personalizzato.
In questo contesto, la tomografia a coerenza ottica (OCT), e in particolare lo Spectral-Domain OCT (SD-OCT), apre nuove prospettive in termini di un significativo miglioramento dell’efficacia diagnostica, con la possibilità di ottenere informazioni quantitative e qualitative delle caratteristiche morfologiche della retina interna ed esterna. Tra i principali biomarcatori identificati tramite OCT per la diagnosi dell’EMD vi sono la presenza e la quantità di fluido intraretinico (IRF) e sottoretinico (SRF), l’integrità della membrana limitante esterna (ELM) e della zona dell’ellissoide (EZ) e il numero di focolai iperriflettenti (HRF).
L’AI come strumento affidabile per rilevare e quantificare diversi biomarcatori OCT nel DME: uno studio
Un recente studio si è posto l’obiettivo di convalidare un algoritmo AI per identificare e quantificare diversi biomarcatori di tomografia a coerenza ottica (OCT) nell’EMD, confrontando l’algoritmo con l’esame manuale umano. In particolare, sono stati considerati i principali biomarcatori, quali il rilevamento dei volumi del fluido intraretinico (IRF) e subretinico (SRF), la membrana limitante esterna (ELM), l’integrità della zona ellissoidale (EZ) e la quantificazione dei focolai retinici iperriflettenti (HRF). Nello studio sono stati inclusi più di 100 occhi con EMD. La precisione della quantificazione di IRF, SRF, ELM ed EZ da parte dell’AI variava tra il 94,7% e il 95,7%, mentre i parametri di accuratezza variavano tra il 99,0% (segmentazione dello strato OCT) e il 100,0% (centratura della fovea). Il coefficiente di correlazione intraclasse tra conteggio HRF clinico e automatizzato era eccellente (0,97).
Secondo i risultati, è quindi presente un accordo quasi perfetto tra il software AI e la valutazione clinica umana per il volume SRF e l’integrità ELM ed EZ. Inoltre, l’analisi che confronta il numero di HRF valutato dall’IA e la valutazione clinica ha mostrato ottima affidabilità. In sostanza, i risultati di questo studio suggeriscono che gli algoritmi AI siano strumenti affidabili e riproducibili per rilevare e quantificare diversi biomarcatori OCT nell’EMD, molto utili anche per una valutazione prognostica degli esiti del trattamento. In particolare, l’intelligenza artificiale può facilitare la quantificazione quotidiana di questi biomarcatori, poiché ha dimostrato di essere accurata e precisa come la valutazione clinica, ma meno dispendiosa in termini di tempo.
Saranno necessari ulteriori studi per implementare i software di intelligenza artificiale su larga scala, con dati real world, per valutare i cambiamenti nel tempo e la relazione clinica tra le variazioni dei biomarcatori e il decorso della malattia.