Una forma di intelligenza artificiale progettata per interpretare una combinazione di immagini retiniche è stata in grado di identificare con successo un gruppo di pazienti con morbo di Alzheimer (MA) diagnosticato, suggerendo che l'approccio potrebbe essere usato un giorno come strumento predittivo.

Il nuovo software per computer, usato dallo studio interdisciplinare della Duke University, esamina la struttura retinica e i vasi sanguigni sulle immagini dell'interno dell'occhio, che sono correlate con i cambiamenti cognitivi.

I risultati, apparsi di recente sul British Journal of Ophthalmology, forniscono una prova di concetto che l'analisi da apprendimento automatico di determinati tipi di immagini retiniche ha il potenziale di essere un modo non invasivo per rilevare il MA negli individui sintomatici.

"La diagnosi di MA si affida spesso ai sintomi e ai test cognitivi", ha dichiarato l'autrice senior Sharon Fekrat MD, specialista retinica della Duke. "I test aggiuntivi per confermare la diagnosi sono invasivi, costosi e con un certo rischio. Avere un metodo più accessibile per identificare il MA potrebbe aiutare i pazienti in molti modi, incluso il miglioramento della precisione diagnostica, consentendo un ingresso anticipato negli studi clinici nel corso della malattia e di pianificare le necessarie regolazioni dello stile di vita".

La Fekrat fa parte di un team interdisciplinare della Duke che include anche competenze dei dipartimenti di neurologia, ingegneria elettrica e informatica e di biostatistica e bioinformatica. Il team ha usato il suo lavoro precedente in cui aveva identificato cambiamenti nella densità dei vasi sanguigni retinici che sono correlati a cambiamenti nella cognizione. Hanno trovato una diminuzione della densità della rete capillare attorno al centro della macula nei pazienti con MA.

Usando questa conoscenza, hanno quindi addestrato un modello di apprendimento automatico, chiamato 'rete neurale convoluzionaria' (CNN), usando quattro tipi di scansioni retiniche come dati da analizzare, per insegnare al computer come discernere le differenze pertinenti tra le immagini. Per costruire il CNN sono state usate scansioni di 159 partecipanti allo studio: 123 pazienti cognitivamente sani e 36 pazienti noti per avere il MA.

"Abbiamo testato diversi approcci, ma il nostro modello migliore ha combinato le immagini retiniche con i dati clinici dei pazienti", ha detto il primo autore C. Ellis Wisely MD, oftalmologo della Duke. "Il nostro CNN ha differenziato i pazienti con MA sintomatico dai partecipanti cognitivamente sani in un gruppo di test indipendenti".

Wisely ha detto che sarà importante reclutare un gruppo più diversificato di pazienti per costruire modelli che possono prevedere il MA in tutti i gruppi razziali e in coloro che hanno condizioni come il glaucoma e il diabete, che possono anche modificare le strutture retiniche e vascolari.

"Riteniamo che l'allenamento aggiuntivo con immagini da una popolazione più grande e più diversificata con confondenti conosciuti migliorerà le prestazioni del modello", ha aggiunto il coautore Dilraj S. Grewal MD, specialista retinico della Duke. "Studi aggiuntivi determineranno anche il modo in cui l'approccio AI è paragonato ai metodi attuali per diagnosticare il MA, che spesso includono costosi e invasivi test del fluido cerebrospinale e neuroscansioni".

"I collegamenti tra il MA e i cambiamenti nella retina, accoppiati con piattaforme di scansione retinica non invasive, convenienti e ampiamente disponibili, posizionano l'analisi dell'immagine retinica multimodale, combinata con l'intelligenza artificiale, come uno strumento aggiuntivo attraente, o potenzialmente anche un'alternativa, per prevedere la diagnosi di MA", ha detto la Fekrat.