La ricerca, pubblicata sulla rivista Ophthalmology, ha analizzato grandi volumi di dati provenienti da oltre 24 mila persone prese in carico dal sistema sanitario nazionale del Regno Unito. In particolare, è stato usato il deep learning, un tipo di apprendimento automatico che imita il modo in cui gli esseri umani ottengono alcuni tipi di conoscenza. Nell’indagine, tali modelli sono stati applicati in maniera indipendente a due tipologie di immagini di occhi affetti da glaucoma: la tomografia ottica e la spettroscopia infrarossa. L'obiettivo era verificare se potessero essere utilizzati per ipotizzare in quali aree della visione un soggetto potesse vedere.
L’aspetto unico della ricerca, secondo il team di studiosi, è che il deep learning avrebbe imparato a prevedere il campo visivo del paziente osservando le immagini senza che gli esperti o i medici abbiano classificato le caratteristiche al loro interno. Ogni modello avrebbe avuto un valore predittivo utile di quello che sarebbe stato il campo visivo di una particolare persona, solo a partire dall'immagine del suo occhio. Lo studio ha anche rilevato che l'esecuzione di un processo di deep learning su entrambi i tipi di test, OCT e IR, avrebbe fornito un'accuratezza ancora maggiore nell’anticipazione dei campi visivi dei pazienti.
Sebbene i risultati dell’uso dell’intelligenza artificiale non siano, in questa fase della ricerca, significativi dal punto di vista clinico, sono abbastanza promettenti da indurre gli autori dello studio a ritenere che una tecnica di tale tipo potrebbe essere indicata per decidere se intensificare i trattamenti in modo da evitare un ulteriore peggioramento della patologia. Inoltre, la capacità di analizzare le immagini della parte posteriore dell'occhio per prevedere la funzione visiva potrebbe essere particolarmente utile anche per la ricerca di nuovi trattamenti contro il glaucoma (foto tratta da Freepik).
(red.)
