Intelligenza artificiale e machine learning sono potenzialmente utili nel diagnosticare patologie dell’occhio a partire da immagini della retina.
Una review sistematica si è concentrata sui principali algoritmi di machine learning studiati da vari gruppi di ricerca per diagnosticare il glaucoma e per seguirne l’evoluzione (Barros, D.M.S., Moura, J.C.C., Freire, C.R. et al. Machine learning applied to retinal image processing for glaucoma detection: review and perspective. BioMed Eng OnLine 19, 20, 2020).
Tra questi, il metodo più promettente è quello del deep learning, per lo più basato su deep convolutional network.
L’altra tipologia di architettura sperimentata è quella delle features extraction.
Una delle criticità di questi sistemi è legata ai database di partenza, che devono essere ampi: i sistemi di machine learning, infatti, migliorano le proprie prestazioni con l’esperienza, più dati processano più si affinano.
La review in oggetto ha preso in considerazione solo studi pubblicati tra 2014 e 2019 che contenessero le seguenti parole chiave: “machine learning and retinal image”, “glaucoma and machine learning”, “optic disc and machine learning”, “deep learning and glaucoma”.
La prima ricerca su PubMed, US National Library of Medicine National Institute of Health, IEEE Xplore Digital Library, Science Direct e Scopus ha individuato 15.228 lavori.
Una volta applicati i criteri d’esclusione, si è arrivati a 110 lavori. Di questi alla fine ne sono stati analizzati a fondo solo 18, di cui 10 basati su machine learning e 8 su deep learning.
Stefania Somaré
