Intelligenza artificiale nella diagnosi e gestione del glaucoma

La neuropatia ottica glaucomatosa è una delle principali cause di cecità irreversibile, con una prevalenza a livello mondiale del 3,5% e ben 76 milioni di persone colpite, su scala globale, nel 2020. Diagnosi e trattamento precoci possono preservare la vista negli individui, soprattutto nelle fasi iniziali della patologia. La diagnosi e il monitoraggio della malattia implicano l’integrazione delle informazioni dell’esame clinico con i dati soggettivi del test del campo visivo e i dati biometrici oggettivi acquisiti attraverso la pachimetria, l’isteresi corneale e l’imaging del nervo ottico e della retina. Questo articolato processo è ulteriormente complicato dalla mancanza di definizioni univoche relative alla presenza e progressione della neuropatia ottica glaucomatosa, con conseguente possibilità di errori di interpretazione da parte del clinico. 

L’intelligenza artificiale in medicina 

In questo contesto, la tecnologia dell’intelligenza artificiale (AI) è stata proposta come possibile opzione per il processo diagnostico. Infatti, le applicazioni sviluppate in questo campo dell’informatica possono migliorare la qualità e la solidità delle informazioni ottenute dai dati clinici, i quali possono, a loro volta, migliorare l’approccio del medico alla cura del paziente.

In particolare, una delle applicazioni dell’AI che ha dimostrato di essere molto promettente in medicina è l’apprendimento automatico (ML: Machine Learning), sviluppato a partire dagli anni ’80. Dall’ML, intorno al 2010, è nato il deep learning (DL), i cui algoritmi, in breve tempo, hanno superato gli algoritmi preesistenti in medicina e altre discipline. 

Le potenzialità del DL in ambito medico, ad oggi, sono state applicate, ad esempio, alla valutazione dei tumori, al rilevamento della fibrillazione atriale e ai tempi di insorgenza dell’ictus. In oftalmologia, l’intelligenza artificiale e, in particolare, il DL si sono rivelati utili nella diagnosi della retinopatia diabetica (DR), della degenerazione maculare legata all’età e della retinopatia del prematuro, fino proprio alla valutazione del glaucoma.  

Intelligenza artificiale e gestione del glaucoma 

L’uso della tomografia ottica a radiazione coerente (OCT), la valutazione del campo visivo (VF) e l’esame clinico del disco ottico sono alla base della diagnosi della neuropatia ottica glaucomatosa in ambito clinico. La disponibilità di sistemi automatizzati basati sull’intelligenza artificiale e sugli algoritmi può contribuire a migliorare l’efficienza diagnostica e automatizzare il processo di diagnosi. Anche il rilevamento della progressione del glaucoma è una componente chiave della gestione clinica dei pazienti, al fine di identificare quegli individui a rischio di sviluppare disabilità visiva correlata al glaucoma. In questo senso, quindi, l’intelligenza artificiale ha diverse potenziali applicazioni nel glaucoma. Tra queste, ci sono:

  • DL e rilevamento del disco ottico glaucomatoso: la rilevazione del disco glaucomatoso dalle immagini del fondo dell’occhio può essere difficoltosa e queste difficoltà possono essere aggravate da fattori che influiscono sulla piattaforma di acquisizione delle immagini (esposizione, messa a fuoco, ingrandimento), dallo stato di midriasi e dalla presenza di malattie non glaucomatose. Il deep learning ha fatto notevoli passi avanti nel rilevamento del danno del disco glaucomatoso dalle immagini di fotografia digitale. Inoltre, il DL è stato anche applicato alle immagini ottenute dalla tomografia ottica a radiazione coerente (OCT). 
  • AI nell’esame del campo visivo: il test automatizzato computerizzato del campo visivo ha rappresentato un vero progresso che ha consentito ai test del campo visivo di essere una pietra miliare nella diagnosi e nel monitoraggio del glaucoma, grazie alle varie piattaforme e algoritmi sviluppati. Diversi studi hanno dimostrato che gli algoritmi di DL sono in grado di identificare il glaucoma a partire dall’analisi del campo visivo in modo più efficiente rispetto agli oftalmologi. 
  • Previsione clinica e AI: la previsione clinica permette di anticipare l’evoluzione della malattia e formulare la prognosi. Alcuni studi hanno dimostrato che i modelli di previsione tramite AI possono essere aggiornati utilizzando dati dalle varie visite cliniche, portando ad una maggiore precisione delle previsioni, oltre che a una maggiore tempestività.

Applicazioni future

In futuro, l’AI potrà avere un grande impatto sullo screening ambulatoriale del glaucoma, sulla gestione della neuropatia ottica glaucomatosa e sul suo monitoraggio da remoto. Infatti, i metodi basati sull’intelligenza artificiale potrebbero essere applicati a programmi di screening teleretinico nel contesto della medicina di base, consentendo un primo triage efficace del paziente. Il monitoraggio dei pazienti da remoto potrà essere facilitato dal test domestico del campo visivo, che potrebbe essere effettuato utilizzando la realtà virtuale. Naturalmente, gli strumenti per il monitoraggio da remoto della malattia richiederanno la capacità degli algoritmi DL di sintetizzare i dati acquisiti a distanza.

Bibliografia
  1. Ittoop SM, Jaccard N, Lanouette G, Kahook MY. The Role of Artificial Intelligence in the Diagnosis and Management of Glaucoma. J Glaucoma. 2022 Mar 1;31(3):137-146.   
  2. Mayro EL, Wang M, Elze T, Pasquale LR. The impact of artificial intelligence in the diagnosis and management of glaucoma. Eye (Lond). 2020 Jan;34(1):1-11. 
  3. Mursch-Edlmayr AS, Ng WS, Diniz-Filho A, Sousa DC, Arnold L, Schlenker MB, Duenas-Angeles K, Keane PA, Crowston JG, Jayaram H. Artificial Intelligence Algorithms to Diagnose Glaucoma and Detect Glaucoma Progression: Translation to Clinical Practice. Transl Vis Sci Technol. 2020 Oct 15;9(2):55.