AI, rileva il rischio di malattie oculari e Parkinson da immagini della retina

Roma – Un gruppo internazionale di scienziati ha sviluppato uno strumento di intelligenza artificiale, addestrato in modo simile a ChatGPT, in grado di diagnosticare e prevedere, sulla base delle immagini della retina delle persone, il rischio di sviluppare molteplici condizioni di salute, dalle malattie oculari, all’insufficienza cardiaca, al Parkinson. Il modello, descritto su Nature, differisce dagli altri strumenti di intelligenza artificiale in quanto, mentre questi sono già stati addestrati per individuare le malattie attraverso le immagini della retina, il nuovo strumento, chiamato RETFound, è stato sviluppato con un metodo, noto come apprendimento auto-supervisionato, che evita procedure lunghe e costose, necessarie durante lo sviluppo della maggior parte dei modelli standard di apprendimento automatico. Tale metodo ha evitato ai ricercatori di analizzare ciascuna delle 1,6 milioni di immagini retiniche impiegate per l’addestramento ed etichettarle, ad esempio, come “normali” o “non normali”. Gli scienziati hanno, invece, adottato un procedimento simile a quello usato per addestrare modelli linguistici di grandi dimensioni, come ChatGPT. Questo strumento di intelligenza artificiale sfrutta una miriade di esempi di testo, generati dall’uomo per imparare a prevedere la parola successiva in una frase, grazie al contesto delle parole precedenti. Allo stesso modo, RETFound utilizza una moltitudine di foto della retina per imparare a prevedere l’aspetto delle porzioni mancanti delle immagini. “Nel corso di milioni di immagini, il modello impara in qualche modo come è fatta una retina e quali sono tutte le sue caratteristiche”, ha spiegato Pearse Keane, oftalmologo del Moorfields Eye Hospital NHS Foundation Trust di Londra e coautore dello studio. “Questo costituisce la pietra miliare del modello e lo classifica come quello che alcuni chiamano un modello di base, che significa che può essere adattato per molti compiti”, ha sottolineato Keane. La retina di una persona può offrire informazioni sul suo stato di salute, perché è l’unica parte del corpo umano attraverso la quale è possibile osservare direttamente la rete capillare, costituita dai vasi sanguigni più piccoli. “Se si soffre di una malattia cardiovascolare sistemica, come l’ipertensione, che interessa potenzialmente tutti i vasi sanguigni del corpo, possiamo visualizzarla direttamente nelle immagini della retina”, ha detto Keane. La retina è anche un’estensione del sistema nervoso centrale, che condivide con il cervello; questo significa che le immagini della retina possono essere utilizzate per valutare il tessuto neurale. “Il problema è che spesso le persone non hanno le competenze necessarie per interpretare queste scansioni; qui che entra in gioco l’intelligenza artificiale”, ha dichiarato Keane. Dopo aver pre-addestrato RETFound su 1,6 milioni di immagini retiniche non etichettate, Keane e i suoi colleghi hanno potuto introdurre un piccolo numero di immagini etichettate, ad esempio 100 immagini retiniche di persone che hanno sviluppato il Parkinson e 100 di persone che non l’hanno sviluppato, per insegnare al modello le condizioni specifiche. “Avendo imparato da tutte le immagini non etichettate come dovrebbe essere la retina – ha affermato Keane – il modello è in grado di apprendere facilmente le caratteristiche retiniche associate a una malattia”. “L’uso di dati non etichettati per addestrare inizialmente il modello sblocca un importante collo di bottiglia per i ricercatori”, ha precisato Xiaoxuan Liu, ricercatore clinico che studia l’innovazione responsabile nell’IA presso l’Università di Birmingham, Regno Unito. “Le etichette di alta qualità per i dati medici sono estremamente costose, quindi la loro efficienza è diventata la moneta del regno”, ha aggiunto Curtis Langlotz, radiologo, direttore del Center for Artificial Intelligence in Medicine and Imaging della Stanford University, in California. Il sistema ha, inoltre, ottenuto buoni risultati nel rilevamento di malattie oculari come la retinopatia diabetica. Su una scala in cui 0,5 rappresenta un modello che non fa meglio di una previsione casuale e 1 rappresenta un modello perfetto che fa una previsione accurata ogni volta, ha ottenuto un punteggio compreso tra 0,822 e 0,943 per la retinopatia diabetica, a seconda del set di dati utilizzato. Per quanto riguarda la previsione del rischio di malattie sistemiche, come infarto, insufficienza cardiaca, ictus e Parkinson, le prestazioni complessive sono state limitate, ma comunque superiori a quelle di altri modelli di intelligenza artificiale. “RETFound è finora una delle poche applicazioni di successo di un modello di fondazione alla diagnostica per immagini in campo medico”, ha sostenuto Liu. I ricercatori stanno ora cercando di capire a quali altri tipi di imaging medico potrebbero essere applicate le tecniche utilizzate per sviluppare RETFound. “Sarà interessante vedere se questi metodi si generalizzano a immagini più complesse”, ha detto Langlotz, “Ad esempio alle immagini di risonanza magnetica o alle scansioni di tomografia computerizzata, che spesso sono tridimensionali o addirittura quadridimensionali”, ha continuato Langlotz. Gli autori hanno reso il modello disponibile pubblicamente e sperano che i gruppi di tutto il mondo siano in grado di adattarlo e addestrarlo per adattarlo alle loro popolazioni di pazienti e alle loro impostazioni mediche. “Tutti possono potenzialmente prendere questo algoritmo e perfezionarlo, utilizzando i dati del loro Paese, e ottimizzarlo per il suo uso”, ha evidenziato Keane. (30Science.com) Lucrezia Parpaglioni