AI & Oculomics

Un approccio del tutto nuovo alla diagnosi, che sfrutta la potenza di algoritmi sempre più complessi e sofisticati in grado di processare una enorme mole di dati

Dall’intelligenza artificiale applicata in medicina nascono sempre nuove e promettenti prospettive, anche e soprattutto in Oftalmologia. I ricercatori dell’Università di Birmingham sono, infatti, riusciti a mettere a punto, proprio grazie al deep learning, un nuovo algoritmo di AI in grado di produrre una diagnosi partendo da immagini retiniche.

Si chiama RETFound ed è un “foundation model”, cioè un modello di base di machine learning, addestrato su un set molto ampio di dati in modo da poter essere applicato a una vasta gamma di casi d’uso.

RETFound è in grado di formulare diagnosi e prognosi sia di gravi patologie oculari, quali la retinopatia diabetica e il glaucoma, che di malattie cardiovascolari e neurodegenerative, quali l’insufficienza cardiaca, l’infarto del miocardio, la malattia di Parkinson o l’ictus ischemico.

L’Intelligenza Artificiale in Medicina ha un potenziale altissimo, soprattutto nel riconoscimento dei segni di condizioni patologiche. Nello specifico, RETFound è stato addestrato su 1 milione e seicentomila immagini retiniche non classificate e successivamente adattato ai compiti di rilevazione delle patologie attraverso etichette classificatorie esplicite.

Per lo sviluppo sono state utilizzate milioni di scansioni oculari di proprietà del NHS (National Health Service), ma il team di ricerca per contribuire alla lotta contro la cecità evitabile attraverso l’utilizzo dell’AI renderà l’algoritmo disponibile gratuitamente per l’utilizzo da parte di istituzioni. Lo studio che presenta il modello RETFound è stato pubblicato su Nature nel settembre 2023 (https://doi.org/10.1038/s41586-023-06555)

Come viene dimostrato nel paper, RETFound è in grado di assicurare performance analoghe ad altri sistemi di AI utilizzando appena il 10% delle classificazioni relative ad organismi umani del suo database. Questo miglioramento di efficienza è stato raggiunto utilizzando un innovativo approccio “self-supervising”, in cui  RETFound maschera parti di un’immagine e poi impara a prevedere da solo le porzioni mancanti.

RETFound ha dimostrato di poter svolgere performance nettamente superiori rispetto a tutti i sistemi più avanzati di AI per una gamma di prestazioni cliniche complesse. Consente, inoltre, di superare alcuni dei limiti di molti sistemi di AI poiché funziona bene su popolazioni diverse e in pazienti affetti da malattie rare.

L’identificazione di problematiche di carattere generale attraverso gli occhi costituisce una vera e propria scienza emergente denominata “oculomics”, termine coniato nel 2020 da Prof. Alastair Denniston, dell’Institute of Inflammation and Ageing di Birmingham, che è tra gli autori dello studio su RETFound

L’occhio offre, infatti, una “finestra” per poter valutare le nostre condizioni di salute complessive. Oltretutto le misurazioni non invasive che possiamo ottenere dall’occhio possono essere utilizzate per consentire ai medici una più approfondita conoscenza di patologie complesse non correlate all’occhio e di altri problemi legati all’invecchiamento.

Vedi anche:

Bibliografia

Zhou, Y., Chia, M.A., Wagner, S.K. et al. A foundation model for generalizable disease detection from retinal images. Nature 622, 156–163 (2023). https://doi.org/10.1038/s41586-023-06555

Topol, E.J. High-performance medicine: the convergence of human and artificial intelligence. Nat Med 25, 44–56 (2019). https://www.nature.com/articles/s41591-018-0300-7

Moor, M., Banerjee, O., Abad, Z.S.H. et al. Foundation models for generalist medical artificial intelligence. Nature 616, 259–265 (2023). https://doi.org/10.1038/s41586-023-05881-4

De Fauw, J., Ledsam, J.R., Romera-Paredes, B. et al. Clinically applicable deep learning for diagnosis and referral in retinal disease. Nat Med 24, 1342–1350 (2018). https://doi.org/10.1038/s41591-018-0107-6

Potrebbe interessarti anche