Nuovo strumento di intelligenza artificiale può diagnosticare in modo preciso le condizioni degli occhi, potrebbe aiutare a rilevare il Parkinson
Nuovo strumento di intelligenza artificiale per diagnosticare condizioni oculari e rilevare il Parkinson.
Condividi su Pinterest- Ricercatori nel Regno Unito hanno ideato un innovativo programma di intelligenza artificiale (IA) che utilizza immagini retiniche per individuare segni di disturbi oculari, cardiaci e neurologici.
- RETFound, uno dei primi modelli fondamentali di IA nel campo della salute e il primo nella oftalmologia, ha utilizzato milioni di scansioni oculari per aiutare a individuare e trattare la cecità.
- In numerosi test, RETFound ha superato i sistemi di IA esistenti e gli esperti clinici nell’esecuzione di una serie di complesse funzioni diagnostiche con meno dati etichettati.
- RETFound tiene conto anche delle diverse popolazioni e delle malattie rare, che molte scansioni tradizionali e i sistemi di IA attuali spesso non riescono a individuare.
- Inoltre, questa “tecnologia trasformativa” riduce notevolmente il carico di lavoro degli esperti umani nell’analisi e nell’etichettatura delle immagini retiniche.
Gli esperti presso il Moorfields Eye Hospital e l’University College London (UCL) Institute of Ophthalmology in Inghilterra hanno recentemente sviluppato un sistema di IA in grado di individuare disturbi della vista in modo più accurato ed efficiente rispetto ai metodi attuali.
Questa nuova tecnologia potrebbe anche contribuire ad accelerare la diagnosi di problemi di salute sistemici, tra cui ictus, attacchi di cuore e malattia di Parkinson.
Gli scienziati hanno condotto uno studio su RETFound, il loro modello fondamentale di riferimento in tutto il mondo, che ha utilizzato milioni di scansioni oculari del National Health Service (NHS) del Regno Unito. La loro iniziativa open-source potrebbe servire come modello per gli sforzi volti a individuare e trattare la cecità con l’IA.
Questo nuovo sviluppo porta buone notizie in tempo per la Giornata Mondiale della Retina il 27 settembre, la Giornata Mondiale della Vista a ottobre e il Mese di Sensibilizzazione sulla Malattia Oculare Diabetica a novembre.
L’autore principale, il Prof. Pearse Keane dell’UCL Institute of Ophthalmology, ha dichiarato in un comunicato stampa:
- Perché le donne che soffrono di emicrania sono a maggior rischio di...
- In Mississippi, un enorme aumento dei casi di bambini nati con sifi...
- Sopprimere i pensieri negativi può essere a volte salutare, sostien...
“Questo è un altro grande passo verso l’utilizzo dell’IA per reinventare l’esame oculare per il XXI secolo, sia nel Regno Unito che a livello globale. Mostriamo diversi esempi di condizioni in cui RETFound può essere utilizzato, ma ha il potenziale per essere sviluppato ulteriormente per centinaia di altre malattie oculari minacciose della vista che non abbiamo ancora esplorato”.
Lo studio è stato pubblicato su Nature.
Addestrato su una “tecnologia trasformativa”
Un rapporto delle Camere di Commercio britanniche ha recentemente definito i modelli fondamentali di IA come “una tecnologia trasformativa” per il loro utilizzo di enormi quantità di dati.
Il lancio di ChatGPT nel novembre 2022 ha evidenziato il potenziale dei modelli di IA nello sviluppo di strumenti linguistici adattabili.
RETFound ha seguito un approccio simile con le immagini retiniche, addestrandosi su milioni di scansioni. Ciò ha permesso la creazione di un modello versatile per usi virtualmente illimitati.
Un modello di IA più efficiente?
I modelli di IA hanno largamente dipeso dall’esperienza e dall’impegno umano. Medical News Today ha discusso della sfida con lo sviluppatore tecnologico Dr. Steve Frank, fondatore di Med*A-Eye Technologies. Egli non ha partecipato a questa ricerca.
Il Dr. Frank ha spiegato a MNT: “L’IA ha bisogno di dati, e insegnare a un sistema di IA a svolgere compiti richiede generalmente enormi quantità di dati di addestramento. Peggio ancora, l’addestramento di solito richiede che i dati siano etichettati in qualche modo, il che significa che stai insegnando al sistema a distinguere una cosa dall’altra basandoti su esempi che gli dici essere una cosa o l’altra. Questo è l’apprendimento tradizionale ‘supervisionato'”.
Inoltre, ha aggiunto il Dr. Frank, gli esperti possono essere in disaccordo su un dato, richiedendo revisioni da parte di un panel di esperti che richiedono tempo.
Secondo i ricercatori britannici, RETFound può raggiungere le prestazioni di altri programmi di IA utilizzando solo il 10% delle etichette umane nel suo dataset.
RETFound ha raggiunto questa maggiore efficienza con il suo approccio di auto-supervisione, mascherando parti di un’immagine e imparando a prevedere le parti mancanti da solo.
“L’apprendimento auto-supervisionato (SSL), alla base di RETFound, si sbarazza completamente dell’etichettatura. Con abbastanza dati di addestramento, un modello di IA adeguatamente strutturato può imparare abbastanza sui dati di addestramento dai dati stessi per fare previsioni significative […] Questo approccio è particolarmente prezioso per l’IA sanitaria perché il costo dell’etichettatura è così elevato: i medici sono già impegnati a salvare vite e il loro tempo è prezioso.”
– Dr. Steve Frank
Potenziale diagnostico dell’oculomica
Una revisione del 2023 nel Journal of Clinical Medicine si riferisce alla retina come “una finestra sul corpo”. Lo studio dell’oculomica utilizza il deep learning per esplorare le correlazioni tra le caratteristiche dell’immagine della retina e le malattie.
Gli autori dello studio attuale ritengono che RETFound possa aiutare a migliorare la diagnosi di malattie oculari che mettono a rischio la vista, come la retinopatia diabetica e il glaucoma.
Il programma potrebbe anche prevedere disturbi sistemici, tra cui insufficienza cardiaca, ictus e malattia di Parkinson.
Inoltre, questa tecnologia di intelligenza artificiale facilita una visione non invasiva del sistema nervoso.
MNT ha discusso questo studio con il co-fondatore di Atropos Health, il dottor Brigham Hyde, che non era coinvolto in questa ricerca. Gli abbiamo chiesto come l’intelligenza artificiale e le tecniche di deep learning possano aiutare nella diagnosi delle malattie.
“Innanzitutto, le tecniche di imaging assistite dall’intelligenza artificiale possono spesso rilevare malattie che un essere umano potrebbe non notare. In secondo luogo, l’intelligenza artificiale e le tecniche di deep learning applicate a combinazioni di dati digitali, medici ed esperienziali possono individuare biomarcatori digitali per la malattia, conducendo a una diagnosi più precoce”, ha risposto.
“Infine”, ha aggiunto, “gli algoritmi di valutazione del rischio impiegati nello studio del medico possono evidenziare e indirizzare i team di cura verso i pazienti con fattori di rischio chiave in modo più tempestivo.”
Lo strumento di intelligenza artificiale ha dimostrato buone prestazioni ed efficienza
Lo studio presente ha impiegato e valutato RETFound, un nuovo modello di base basato su SSL per le immagini retiniche. Gli autori hanno descritto un modello di base come “addestrato su una vasta quantità di dati non etichettati”.
In questo caso, il Prof. Keane e i suoi collaboratori hanno addestrato il sistema di intelligenza artificiale con un set di dati di 1,6 milioni di immagini provenienti dall’Ospedale Oculistico di Moorfields.
“Abbiamo adattato RETFound a una serie di compiti di rilevazione e previsione impegnativi attraverso il miglioramento di RETFound con etichette di compiti specifici, e poi abbiamo validato le sue prestazioni”, si legge nel loro articolo.
Il team ha preso in considerazione malattie oculistiche tra cui la retinopatia diabetica e il glaucoma, e la prognosi delle malattie oculari, in un periodo di 1 anno.
Successivamente, hanno studiato una previsione di 3 anni delle malattie cardiache come l’ictus, l’insufficienza cardiaca, l’infarto miocardico e la malattia di Parkinson.
Rispetto ai modelli preaddestrati su SL-ImageNet, SSL-ImageNet e SSL-Retinal, RETFound ha dimostrato “prestazioni costantemente superiori ed efficienza etichetta”.
Il dottor Frank ha commentato: “I risultati di RETFound sono particolarmente impressionanti per il numero di compiti che il loro sistema può svolgere. Le accuratezze che gli studiosi raggiungono non sono sufficienti per un uso clinico, ma i sistemi più convenzionali con cui li confrontano sono per lo più peggiori”.
Il modello tiene conto della diversità della popolazione
Gli esperti di UCL-Moorfields hanno affermato che RETFound ha dimostrato la stessa efficacia nel trovare malattie in diversi gruppi etnici.
Yukun Zhou, ricercatore dottorando e primo autore dello studio, ha menzionato in un comunicato stampa: “Addestrando RETFound con set di dati che rappresentano la diversità etnica di Londra, abbiamo sviluppato una base preziosa per i ricercatori di tutto il mondo per costruire i loro sistemi nelle applicazioni sanitarie come la diagnosi delle malattie oculari e la previsione delle malattie sistemiche”.
Il dottor Tyler Wagner, vicepresidente della ricerca biomedica presso Anumana, non coinvolto nella ricerca, ha avuto da dire riguardo allo studio: “Mentre RETFound ottiene risultati migliori rispetto agli altri modelli confrontati nel manoscritto durante la valutazione esterna su un gruppo di pazienti con diverse caratteristiche demografiche, gli autori notano una diminuzione delle prestazioni, evidenziando l’importanza della diversità dei pazienti nello sviluppo del modello”.
Gli autori dello studio sperano che le loro scoperte incoraggino ulteriori studi, scrivendo: “Infine, rendiamo RETFound disponibile pubblicamente in modo che altri possano utilizzarlo come base per i propri compiti successivi, facilitando la ricerca oculare e oculomica diversificata”.
