Intelligenza artificiale e diagnosi precoce. Lo studio di Google

Grazie al deep learning che processa le immagini è possibile stimare il rischio insorgenza di retinopatia diabetica entro due anni. *IN COLLABORAZIONE CON NOVO NORDISK

Intelligenza artificiale prevenzione diabete

L’intelligenza artificiale può ridurre il rischio di sviluppare la retinopatia diabetica. Come? Con uno screening basato sull’analisi delle fotografie del fondo oculare o delle immagini ottenute dalla tomografia a coerenza ottica (OCT). Un recente studio di Google, che utilizza un sistema di deep learning, è in grado di stimare il rischio insorgenza entro due anni, con un’affidabilità superiore alle attuali stratificazioni realizzate sulla base di fattori di rischio noti. Negli Stati Uniti sono inoltre già approvati (il primo dal 2018) due sistemi di AI diagnostici che processano le immagini e, in caso di positività, rimandano rapidamente a una visita approfondita con uno specialista.

È solo un esempio nel campo più vasto e promettente legato all’impiego dell’AI nella diagnosi precoce delle complicanze e in particolare della retinopatia diabetica, per la quale esistono alcune approvazioni regolatorie all’estero.

Favorire il processo diagnostico: consapevolezza e tecnologia

Le maggiori potenzialità dell’AI e gli studi pubblicati sul tema si concentrano prevalentemente sulla diagnosi/stima del rischio di insorgenza del diabete di tipo 2, del diabete gestazionale e delle complicanze associate al diabete. Va detto che nonostante il processo diagnostico per la malattia diabetica sia migliorato nel corso degli anni, si stima che addirittura circa il 40% delle persone con diabete in Europa rimanga senza una diagnosi (fonte: International Diabetes Federation).

Nel caso di algoritmi basati su AI/machine learning, è utile fare una piccola distinzione tra quelli che mirano a effettuare una diagnosi e quelli che invece sono sviluppati per calcolare il rischio di insorgenza nel breve/medio termine. I primi contribuiscono a migliorare e ridurre anche il carico di lavoro degli operatori sanitari, con i secondi si cerca di identificare anche persone che sfuggirebbero ai classici criteri per lo screening; sono inoltre utili ad ottimizzare la frequenza degli screening e a indirizzare i pazienti a maggior rischio verso appositi programmi di prevenzione.

AI e diagnosi del diabete di tipo 2: a che punto siamo?

Ad oggi permangono molte limitazioni, prime fra tutte il fatto che la maggior parte degli studi è basata su dati retrospettivi e sono ristretti a particolari etnie (es. gli indiani Pima). Se da un lato usare gli stessi dataset permette di confrontare l’accuratezza di diversi modelli facilmente, dall’altro non è scontata la possibilità di fare generalizzazioni e impiegarlo in popolazioni con etnie e prevalenze diverse.
Un altro problema è dato dalla indisponibilità di dati per motivi di privacy o dalla scarsa interoperabilità: c’è bisogno di più dati (e che siano di buona qualità) per “allenare” correttamente gli algoritmi e fare il passo ulteriore avanzando dal proof-of-concept alla pratica clinica.

AI e diagnosi del diabete gestazionale

La ricerca è andata avanti anche in questo campo. Già nel 2017 una revisione sistematica di Lamain-de Ruiter e colleghi aveva identificato 17 studi che impiegavano l’AI per prevedere la presenza di diabete gestazionale e ne sono poi seguiti altri che aprono scenari interessanti. Ad esempio è del 2020 la ricerca di McLaren e colleghi in cui si identificano parametri predittivi sconosciuti in precedenza, già presenti nei test di routine. Anche in questo caso l’AI mostra maggiori potenzialità nel miglioramento della stratificazione del rischio e successivo screening piuttosto che per una diagnosi vera e propria.

 

>> Leggi l’articolo completo su inNOVOlab diabete

 

Homepage della rubrica ‘Innovation ABOUT Diabetes’

 

Cristalfarma In collaborazione con Novo Nordisk