Articoli

La fluorangiografia (FAG) rappresenta uno degli esami diagnostici più importanti per verificare lo stato di salute della retina e del nervo ottico. Attraverso un modello innovativo, basato sugli algoritmi dell’Intelligenza Artificiale (AI), si è riusciti a generare video FAG, partendo da foto del fondo oculare e descrizioni testuali della retina.

I risultati di questa metodica sono stati presentati in uno studio di Wu e colleghi, pubblicato a giugno 2025 su JAMA Ophthalmology.

Si tratta di un’applicazione avanzata delle tecniche di AI generativa “text-to-video”, già utilizzate in neurochirurgia ed endoscopia.

Fluorangiografia: il test clinico

La Fluorangiografia è stato in ordine cronologico il primo esame diagnostico disponibile in ambito retinico. Introdotta nella pratica clinica negli anni sessanta, è considerata una pietra miliare nello studio delle affezioni del fondo oculare. Tutt’oggi è ancora ritenuta l’indagine basilare nella gestione delle maculopatie.

Per l’esame viene utilizzata la fluoresceina, un colorante organico idrosolubile, di aspetto giallo-arancio, con peso molecolare di 376,67. Iniettata per via endovenosa, il 70-80% si lega alle proteine sieriche mentre la restante parte rimane libera nel plasma. Raggiunta la circolazione retinica, in condizioni di normalità resta in sede intravascolare e circola con il flusso ematico. Infatti, né la forma legata alle proteine sieriche, né la forma libera sono in grado di oltrepassare la barriera emato-retinica interna, costituita dalle giunzioni serrate intercellulari delle cellule endoteliali.

Il colorante rimane, quindi, confinato, in condizioni normali, nel lume dei capillari. Si ha invece diffusione del colorante solo in presenza di condizioni patologiche che provochino una rottura della barriera emato-retinica interna. A livello coroideale la situazione è diversa. I vasi maggiori sono impermeabili a entrambe le forme, mentre i vasi della coriocapillare hanno una parete molto sottile e composta da fenestrature, attraverso le quali la fluoresceina libera può diffondere negli spazi extravascolari, ma non può attraversare in condizioni di normalità il complesso membrana di Bruch – epitelio pigmentato retinico (barriera emato-retinica esterna).

Le caratteristiche fondamentali della Fluorangiografia sono legate a queste proprietà, che sono la chiave di lettura per capire ed interpretare le immagini ottenute:

• la molecola della fluoresceina presenta un peso molecolare basso e si trova in elevata quantità libera nel plasma: diffonde quindi con estrema facilità in condizioni patologiche;

• la lunghezza d’onda d’emissione della fluoresceina può essere facilmente rilevata dai sistemi di acquisizione delle immagini, anche quando il colorante è presente in quantità modesta, come nel caso di lesioni clinicamente non evidenti (elevata sensibilità);

• la luce utilizzata per eccitare la Fluoresceina non è in grado di attraversare l’epitelio pigmentato retinico, così come fluidi torbidi e sangue.

I progressi della FAG

L’angiografia, che utilizza come mezzo di contrasto la fluoresceina, rimane quindi un esame fondamentale per visualizzare i vasi sanguigni nella retina e grazie agli sviluppi dell’imaging diagnostico ha semplificato la raccolta dei dati dei pazienti e la condivisione delle immagini cliniche.

Le immagini statiche conservano, tuttavia, una natura soggettiva per la variabilità delle interpretazioni qualitative, mentre nello studio di Wu e colleghi viene proposto un metodo per ottenere un output quantitativo standardizzato.

Dal Testo al Video

Il processo di generazione video attraverso l’AI prevede una serie di step:

1. Raccolta Dati: acquisizione immagini del fondo oculare.
2. Elaborazione AI: analisi dei dati visivi e testuali.
3. Generazione Video: che rappresentano in modo dinamico i dati acquisiti.

Trasformazione da Soggettivo a Oggettivo

Nelle procedure tradizionali le valutazioni delle anomalie retiniche sono soggette all’interpretazione umana, che implica margini di errore.

L’AI generativa sta cambiando questo panorama con:

1. Analisi automatizzata delle immagini.
2. Riduzione dell’errore umano
3. Generazione di report oggettivi e dettagliati.

Vantaggi della Misurazione Oggettiva

La misurazione oggettiva comporta numerosi vantaggi tra cui:

• Maggiore precisione
• Diagnosi più rapide e accurate.
• Riduzione delle discrepanze: meno errori di interpretazione.

Questi vantaggi si traducono in trattamenti più mirati e efficaci.

I video generati dalla FAG

Aree di non perfusione, leakage e microaneurismi sono esempi delle anomalie retiche per cui è possibile sviluppare un video dinamico attraverso questo modello AI-driven.

Una serie di verifiche oggettive e soggettive vengono utilizzate per confermare allineamento e corrispondenza con la descrizione della lesione o della patologia.

La text-to-video generation ha anche un elevato potenziale nella creazione di dati medici per la condivisione tra centri clinici e la formazione medica, in pieno rispetto della privacy dei pazienti.

Miglioramento dell’Accuratezza Diagnostica

L’accuratezza diagnostica è cruciale per il trattamento efficace dei pazienti. L’AI generativa, grazie al deep learning e al volume di dati che è in grado di processare, consente di ottenere rappresentazioni più precise.

Con dati più accurati e completi:

• Migliorano le decisioni cliniche.
• Si riducono le diagnosi errate.
• Aumenta la fiducia dei pazienti.

Futuro della Fluorangiografia con AI

L’evoluzione dell’AI generativa promette di ridefinire ulteriormente la fluorangiografia e l’assistenza sanitaria in generale.

Innovazioni Attese nel Settore Sanitario

Nuove tecnologie stanno emergendo per migliorare ancora di più la qualità delle cure.

Aspettative future:

• Maggiore integrazione con i dispositivi medici.
• Sviluppo di algoritmi più avanzati.
• Espansione dell’accessibilità a livello globale.

Queste innovazioni rendono il settore sanitario più dinamico e resiliente.

Sfide e Opportunità per i Professionisti Medici

Con le nuove tecnologie arrivano nuove sfide e opportunità per i professionisti della salute.

Opportunità da considerare:

• Formazione continua sulle nuove tecnologie.
• Collaborazione interdisciplinare.
• Sviluppo di nuove competenze.

Conclusioni

I progressi che vengono dalle applicazioni dell’AI in Oftalmologia debbono essere considerati un’opportunità per offrire prestazioni migliori ai pazienti, integrando il potenziale della nuove tecnologie alle competenza specialistiche.

Affrontare queste sfide con flessibilità e apertura mentale è l’unica strategia che può garantire ai medici di sfruttare al meglio il grande potenziale di queste innovazioni.

• Wu X, Wang L, Chen R, et al. Generation of Fundus Fluorescein Angiography Videos for Health Care Data Sharing. JAMA Ophthalmol. Published online June 26, 2025. doi:10.1001/jamaophthalmol.2025.1419
• Feng X, Xu K, Luo MJ, et al. Latest developments of generative artificial intelligence and applications in ophthalmology. Asia Pac J Ophthalmol (Phila). 2024 Jul-Aug;13(4):100090. doi: 10.1016/j.apjo.2024.100090. Epub 2024 Aug 14. PMID: 39128549.