Intelligenza artificiale per predire gli esiti di trattamento dell’edema maculare diabetico con anti-VEGF.

Un nuovo approccio di intelligenza artificiale per l’analisi delle immagini retiniche offre agli oculisti la possibilità di identificare la terapia più adatta per i pazienti con edema maculare diabetico e rischio di perdita della vista.

Molte patologie oculari, come l’edema maculare diabetico e la degenerazione maculare legata all’età, provocano gravi danni alla retina, responsabile della funzione visiva. È importante poter effettuare una diagnosi precoce per poter attuare quanto prima una terapia adeguata, rallentare il danno retinico e il rischio di perdere la vista. Un’attenta analisi della progressione di malattia, dall’altro lato, è fondamentale per il monitoraggio dell’efficacia terapeutica, che dipende dalla risposta individuale di ciascun paziente. I farmaci antagonisti del fattore di crescita dell’endotelio vascolare (VEGF) sono ampiamente utilizzati come terapia di prima linea per l’edema maculare diabetico, ma non risultano efficaci in tutti i pazienti. Dato che la terapia con anti-VEGF richiede l’esecuzione di numerose iniezioni che risultano costose e gravano su pazienti e operatori, risulta quindi fondamentale individuare i soggetti che possono trarre benefici da questo tipo di trattamento.
Lo sviluppo di un sistema di analisi delle immagini retiniche, in grado di accelerare il processo diagnostico e di analisi della progressione di malattia, è una necessità molto sentita in campo clinico. Un gruppo di ricercatori del Dipartimento di Ingegneria Biomedica e del Dipartimento di Oftalmologia, afferenti a due strutture universitarie della città di Durham, nella Carolina del Nord, ha sviluppato un algoritmo che può aiutare gli oculisti nella personalizzazione della terapia per l’edema maculare diabetico. L’algoritmo è costituito da una rete neurale convoluzionale (convolutional neural network, CNN o ConvNet), molto utilizzato nel deep learning, un tipo di machine learning in cui un modello computerizzato impara a svolgere attività di classificazione direttamente da immagini, video, testo o suoni. La CNN analizza le immagini scomponendole in più livelli, fino a centinaia, ciascuno dei quali rappresenta uno schema particolare dell’immagine (curve, angoli, circonferenze o quadrati). I filtri possono essere inizialmente schemi molto semplici, come la luminosità e i bordi, per assumere forme via via più complesse che definiscono in modo univoco l’oggetto.
Il nuovo algoritmo è stato testato su 127 pazienti sottoposti a 3 iniezioni consecutive di anti-VEGF per il trattamento dell’edema maculare diabetico. Lo strumento ha analizzato le immagini acquisite tramite tomografia a coerenza ottica (OCT), lo standard of care per la diagnosi e trattamento di numerose patologie oculari, prima del trattamento. Oltre alle informazioni relative alla struttura retinica, i ricercatori hanno inserito nell’algoritmo alcune caratteristiche fortemente correlate alla risposta terapeutica, come lo spessore retinico. I dati ottenuti sono stati, poi, confrontati con le immagini OCT post-trattamento per confermare la presenza di un miglioramento dovuto alla terapia con anti-VEGF. In base ai risultati, l’algoritmo è stato capace di predire correttamente una risposta al trattamento con anti-VEGF nell’87% dei casi, con una precisione media dell’85% ed una sensibilità dell’80%.
“A differenza degli approcci adottati fino ad oggi,“ precisano gli autori dello studio pubblicato recentemente sulla rivista Biomedical Optics Express, “il nostro algoritmo richiede la raccolta di immagini OCT soltanto da un singolo punto di pre-trattamento, senza la necessità di disporre di OCT sequenziali per predire una risposta terapeutica.” L’algoritmo può essere utilizzato anche per predire la risposta terapeutica in altre patologie oculari, compresa la degenerazione maculare legata all’età di tipo neovascolare.
Questo studio pilota rappresenta un passo avanti verso una medicina di precisione, in grado di andare incontro alle attuali difficoltà delle cliniche oculistiche nell’ottimizzare l’utilizzo delle terapie anti-VEGF, che incidono fortemente sui costi sanitari e sulla compliance dei pazienti.

Bibliografia
Rasti R, Allingham MJ, Mettu PS, Kavusi S, Govind K, Cousins SW, Farsiu S. Deep learning-based single-shot prediction of differential effects of anti-VEGF treatment in patients with diabetic macular edema. Biomedical Optics Express, 2020; 11 (2): 1139.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7041458/pdf/boe-11-2-1139.pdf

Servizio di aggiornamento professionale riservato alla classe medica offerto da:

Proidema Urto
Integratore alimentare a base di Curcuma, Cumarina ed enzima proteolitico.

Related posts