Lo screening per la retinopatia diabetica deve essere condotto ogni due anni su tutti coloro che sono affetti da diabete e richiede un forte impegno da parte dei reparti di Oculistica, in termini sia economici sia di personale impiegato.
Inoltre, il numero crescente dei pazienti che necessitano di screening si traduce in difficoltà d’accesso per gli utenti che necessitano di altre verifiche.
In questo contesto, l’uso dell’intelligenza artificiale per leggere gli esiti delle retinografie e individuare i pazienti che necessitano di una verifica diretta renderebbe più rapido ed economico il servizio.
Una review cinese ha indicato nei network neuronali una possibile tecnologia per diagnosticare al meglio la presenza di retinopatia diabetica. Queste considerazioni sono basate sull’analisi di 24 studi su Medline, Embase, IEEE Xplore e Cochrane Library, per un totale di 235.235 pazienti (Wang S, Zhang Y, Lei S, et al. Performance of deep neural network-based artificial intelligence method in diabetic retinopathy screening: a systematic review and meta-analysis of diagnostic test accuracy. Eur J Endocrinol. 2020;183(1):41‐49. doi:10.1530/EJE-19-0968).
Sono stati considerati studi che valutavano le performance di network neuronali nell’individuare la presenza di retinopatia diabetica moderata o grave o di edema maculare attraverso immagini del fondo oculare con annesse osservazioni degli specialisti.
Secondo gli autori, i network neuronali hanno effettivamente la capacità di individuare la retinopatia diabetica, ma si evidenzia la necessità di sviluppare ulteriori algoritmi, da testare su un numero di pazienti ancora maggiore, per migliorare l’accuratezza diagnostica di questi strumenti.
Stefania Somaré
