In che modo la tecnologia sta migliorando diagnosi e programmi di screening in Europa e perché in Italia la retinografia digitale non è ancora diventata uno standard?
La retinopatia diabetica è una complicanza microvascolare del diabete che colpisce i vasi sanguigni della retina: l’iperglicemia cronica danneggia le pareti dei capillari provocando microaneurismi, emorragie, essudati e alterazioni della microcircolazione. La patologia è una delle principali cause di disabilità visiva e cecità negli adulti con diabete e idati epidemiologici parlano chiaro.
«Circa il 30-35% delle persone che convive con questa patologia sviluppa una qualche forma di retinopatia diabetica nel corso della vita», spiega Mariacristina Parravano, professore associato di Oftalmologia presso UniCamillus e responsabile dell’Unità Operativa di Retina Medica di Fondazione Bietti di Roma.
Con il progredire della malattia, la retina può sviluppare neovasi fragili e anomali (retinopatia proliferante), che aumentano il rischio di emorragie vitreali, di distacco retinico e di edema maculare.
«Ciò capita nel 7-10% dei casi, quando evolve verso forme che minacciano seriamente la vista».
Retinopatia diabetica: epidemiologia
In Italia i dati epidemiologici, pur non essendo uniformi a livello nazionale, indicano che la prevalenza di retinopatia nei pazienti con diabete varia in funzione del tipo di diabete e della durata della malattia.
Circa 12,9% nei soggetti con diabete di tipo 2 e 22,8% in quelli con diabete di tipo 1, secondo gli Annali dell’Associazione medici diabetologi, con percentuali più elevate nelle popolazioni con malattia di lunga durata.
Altri studi suggeriscono che circa una persona diabetica su tre possa presentare retinopatia, con forme gravi che compromettono la capacità visiva in una minoranza dei casi.
«Il dato più preoccupante è che solo una quota esigua di questi pazienti, il 29,4% sempre secondo gli Annali, effettua controlli oculistici regolari», prosegue Parravano. «Poiché la malattia è spesso asintomatica nelle fasi iniziali, la diagnosi arriva di frequente quando il danno visivo è già avanzato». Ciò rende fondamentale lo screening oculistico periodico per diagnosticare in fase precoce questa e altre patologie retiniche e prevenire la perdita visiva.
Diagnosi: fondo dell’occhio, retinografia e OCT
La diagnosi della retinopatia diabetica si basa essenzialmente su un esame clinico della retina e del fondo dell’occhio tramite lampada a fessura, che consente all’oculista di osservare direttamente la retina e i vasi retinici, individuando segni di microaneurismi, emorragie, essudati lipidici o neovasi.
Tuttavia, per lo screening di popolazione la metodica più raccomandata è la fotografia del fondo oculare (retinografia digitale): le immagini della retina ottenute, standardizzate, sono poi visionate in loco o in telemedicina così da identificare i pazienti positivi prima che compaiano sintomi visivi evidenti.
Per casi sospetti o quando è necessaria una diagnosi più approfondita, oltre alla retinografia si possono utilizzare tecniche di imaging avanzate come l’OCT che analizza in dettaglio gli strati retinici e permette di valutare l’edema maculare. Anche l’angiografia con fluoresceina può essere impiegata in casi selezionati per visualizzare le aree di ischemia o di neovasi, anche se non è raccomandata come strumento di screening di primo livello.
Manca un programma di screening in Italia
La retinografia digitale rappresenta un ottimo strumento di diagnosi precoce, tanto che in diversi Paesi europei è parte di programmi di screening della popolazione. Ciò non avviene a casa nostra. «In Italia il percorso di screening è affidato all’iniziativa del singolo medico o del paziente», precisa Parravano. Da noi, l’adozione della retinografia digitale è in genere affidata a percorsi regionali o locali in collaborazione tra diabetologia e oculistica.
«Questo approccio “opportunistico” è però meno efficace rispetto ai modelli organizzati, come accade nel Regno Unito, dove un programma di diagnosi precoce basato su retinografia digitale periodica ha dimostrato di poter ridurre drasticamente i casi di cecità evitabile». La ragione di questa nostra arretratezza è organizzativa, come vedremo più avanti.
Scarsa aderenza da parte della popolazione diabetica
Campagne di screening non organizzate e fondate solo sull’invito a sottoporsi a visite oculistiche, però, non possono che essere inadeguate: nonostante le linee guida elaborate da società scientifiche come la Società Italiana di Diabetologia e l’Associazione Medici Diabetologi le raccomandino a tutti i pazienti con diabete, gli indicatori di adesione rimangono ancora inferiori agli obiettivi raccomandati.
Per esempio, nel 2023 meno della metà della popolazione diabetica si è sottoposta a screening: circa il 29,5% dei pazienti con diabete di tipo 2 e 37,9% di quelli con diabete di tipo 1 seguiti nei servizi di diabetologia italiani.
Situazione europea diversificata
Anche a livello europeo la situazione è diversificata. Nonostante, infatti, lo screening per la retinopatia diabetica sia raccomandato dall’OMS e riconosciuto come essenziale in tutta in Europa, non tutti i Paesi dell’Unione lo adottano regolarmente. In Finlandia, Irlanda, Spagna, Svezia e Regno Unito è presente uno screening sistematico e regolare, spesso basato su fotografia digitale del fondo oculare con personale specializzato e protocolli di richiamo periodico.
In altri Stati europei è, invece, presente ma non copre tutti i diabetici o è limitato a contesti ospedalieri o consultazioni specialistica, senza un sistema centralizzato di inviti e monitoraggio. La frequenza degli esami varia: molti Paesi offrono uno screening annuale, mentre altri adottano intervalli personalizzati basati sul rischio individuale di progressione della retinopatia. Come in Italia, anche in Europa un elemento critico è rappresentato dalla carenza di registri affidabili dei pazienti diabetici.
L’IA applicata alla retinografia
In questo contesto, però, strumenti come la telemedicina e la valutazione remota delle immagini retiniche stanno emergendo come importanti facilitatori per espandere la copertura diagnostica, ridurre i costi e raggiungere pazienti in zone geografiche più distanti dagli ospedali specialistici. Anche l’introduzione di strumenti di intelligenza artificiale per la lettura delle immagini potranno rivelarsi utili ad ampliare la copertura degli screening, aumentare l’aderenza dei pazienti e migliorare l’efficacia nell’identificazione precoce delle lesioni.
Queste tecnologie consentono già oggi, infatti, di eseguire una prima selezione delle immagini raccolte, con un’affidabilità ormai elevatissima, finalizzata a eliminare quelle certamente negative. Così al personale specializzato è lasciato il compito della visione delle immagini valutate dai sistemi intelligenti come positive.
Tra queste, gli oculisti eliminano quella minima fetta di falsi positivi evidenziando così i pazienti effettivamente da sottoporre a indagini ulteriori. Il vantaggio è chiaro: contenimento dei costi, maggiore velocità di esecuzione degli screening, possibilità per gli oculisti di concentrarsi maggiormente sulle malattie ad alto rischio e per i pazienti di ricevere diagnosi rapide e quindi cure ottimali.
Il caso UK
Proprio da uno dei Paesi più avanzati in termini di copertura di screening, il Regno Unito, arriva una notizia interessante che riguarda l’implementazione dell’IA nella retinografia digitale. In Inghilterra e Galles, in particolare, quattro milioni di persone sono registrate nel programma di screening per le malattie oculari diabetiche del National Healthcare Service e di queste oltre tre milioni vengono esaminate ogni uno o due anni.
Il servizio genera ogni anno circa 18 milioni di immagini della parte posteriore dell’occhio, analizzate da un massimo di tre diverse persone, con un carico di lavoro colossale e sempre più difficile da sostenere che richiede tempo, denaro e risorse preziose. In questo contesto l’applicazione su larga scala dell’IA nella refertazione contribuirebbe a un contenimento di tempi e costi notevole.
Attualmente in commercio esistono diverse piattaforme di IA per la diagnosi delle patologie retiniche tramite retinografia digitale: ma in che modo possono essere scelte dalle strutture ospedaliere per essere implementate nelle pratiche di screening?
Come scegliere le piattaforme di IA?
A questo scopo ricercatori coordinati da Alicja Rudnicka della City St George’s University of London e da Adnan Tufail del Moorfields Eye Hospital NHS Foundation Trust, in collaborazione con la Kingston University e con lo Homerton Healthcare NHS Trust, hanno sviluppato la prima piattaforma a livello mondiale in grado di effettuare un confronto tra gli algoritmi commerciali di IA progettati per rilevare le malattie oculari diabetiche. L’obiettivo è determinare se gli algoritmi siano idonei all’uso da parte del NHS per un’individuazione equa, trasparente e affidabile delle patologie oculari diabetiche in modo equo, equanime.
Lo studio britannico
Un totale di 25 aziende con algoritmi marcati CE sono state invitate a partecipare allo studio. Gli otto algoritmi che hanno accettato sono stati applicati a 1,2 milioni di immagini del fondo oculare prelevate dal North East London Diabetic Eye Screening Programme, uno dei programmi di screening diabetico più grandi e diversificati in termini di etnia, età, livello di privazione e spettro delle malattie oculari diabetiche.
In totale, sono state valutate 202.886 visite di screening, che rappresentano 1,2 milioni di immagini provenienti dal 32% di etnie bianche, dal 17% di etnie nere e dal 39% di etnie sudasiatiche. I sistemi di IA hanno impiegato da 240 millisecondi a 45 secondi per analizzare tutte le immagini per paziente, rispetto ai 20 minuti necessari a un operatore umano esperto. Le prestazioni degli otto algoritmi sono state confrontate con le immagini analizzate da un massimo di tre persone sulla base del protocollo standard utilizzato dall’NHS.
Elevata accuratezza dell’IA in retinografia digitale
L’accuratezza degli algoritmi nell’identificare le malattie oculari diabetiche potenzialmente bisognose di intervento clinico è stata tra l’83,7 e il 98,7%. Più nel dettaglio, per le malattie da moderate a gravi l’accuratezza è stata tra il 96,7 e il 99,8%, mentre per le malattie più avanzate (proliferative) è stata tra il 95,8 e il 99,5%.
Questi dati, paragonabili a quelli emersi in uno studio precedente, mostrano che gli algoritmi di IA ottengono prestazioni uguali o addirittura superiori a quelle di un essere umano in una frazione del tempo.
«Tali evidenze confermano dunque la solidità scientifica dell’approccio adottato nel Diabetic Eye Screening Programme britannico, che copre milioni di pazienti ogni anno», aggiunge Parravano.
I vantaggi per il prossimo futuro
Oggi la selezione degli algoritmi di IA dell’NHS si concentra sull’efficacia in termini di costi e sulla corrispondenza con le valutazioni umane. Tuttavia, ci sono sfide più ampie: per esempio, i software di IA applicati ad altre metodiche diagnostiche sono stati raramente valutati per l’equità algoritmica tra popolazioni di etnie diverse e questo ha portato a disparità come nel caso della minore accuratezza dei pulsossimetri utilizzati per misurare i livelli di saturazione dell’ossigeno nelle persone con pelle scura.
«La nostra piattaforma, invece, offre la prima valutazione equa, imparziale e trasparente dei sistemi di IA per la valutazione delle patologie oculari diabetiche», ha spiegato Rudnicka, «e mostra come questi siano più accurati degli operatori e siano sicuri per l’uso nell’NHS con enormi set di dati e con diverse etnie e fasce d’età».
Sistema centralizzato
L’obiettivo finale dello studio è fornire un’infrastruttura centrale di IA che ospiti gli algoritmi approvati e che consenta ai centri di screening di caricare le immagini della retina per l’analisi. I risultati generati dall’IA possono essere quindi inseriti direttamente nella cartella clinica elettronica del paziente, eliminando la necessità di duplicare l’infrastruttura, riducendo i costi di installazione e garantendo un servizio equo a livello nazionale.
Peraltro, il confronto sistematico tra gli algoritmi ha anche un altro vantaggio: oltre a consentire all’NHS di scegliere gli strumenti di IA più adatti alle proprie esigenze, fornisce alle aziende un feedback indipendente per migliorare le loro tecnologie.
Criticità italiane per l’avvento degli screening con IA
È dunque paradossale che questi sistemi non siano ancora parte di un programma organizzato di screening anche in Italia, dove la tecnologia è ugualmente disponibile.
«L’Italia, pur avendo competenze cliniche di alto livello, sconta una mancanza di coordinamento e di strategie preventive su larga scala», spiega Parravano, «frammentazione regionale del sistema sanitario, assenza di percorsi codificati, priorità politiche diverse e una certa cautela nell’adozione dell’IA in ambito clinico sono le ragioni principali del nostro ritardo».
A ciò si aggiunge la mancanza di un registro nazionale dei pazienti con retinopatia diabetica, il che rende difficile valutare a livello nazionale l’efficacia degli interventi. In fondo nemmeno l’aspetto economico dovrebbe rappresentare un problema.
«Numerosi studi dimostrano come lo screening della retinopatia diabetica sia costo-efficace, perché riduce l’incidenza di disabilità visiva e i costi associati a trattamenti tardivi, pensioni di invalidità e perdita di produttività».
Vantaggi economici e di salute pubblica
Le difficoltà organizzative, inoltre, potrebbero essere aggirate nel nostro paese proprio con l’introduzione dello screening retinografico con IA: questa tecnologia consente infatti una distribuzione capillare dei retinografi anche presso strutture non oculistiche come gli ambulatori dei medici di medicina generale o altre realtà sanitarie territoriali.
«È infatti emerso che lo screening della retinopatia diabetica è efficace anche senza dilatazione pupillare», aggiunge Parravano. «Questo tipo di imaging non midriatico può quindi rappresentare un approccio di prima linea a cui si può affiancare una seconda acquisizione in midriasi solo se la qualità della prima immagine non è adeguata o se si sospetta una retinopatia diabetica che può compromettere la vista».
Inoltre, il coinvolgimento al primo livello di più profili professionali, come l’infermiere e l’ortottista, così come un piano per l’integrazione dell’intelligenza artificiale potrebbero facilitare la diffusione dei percorsi di screening.
Come funzionano retinografia digitale e IA
La retinografia digitale supportata dall’IA rappresenta oggi una delle applicazioni più promettenti nell’ambito della diagnosi precoce e dello screening di malattie retiniche.
«Gli algoritmi sono in grado di riconoscere automaticamente microaneurismi, emorragie, essudati duri, segni di neovascolarizzazione e di classificare la gravità della malattia secondo scale standardizzate», spiega Mariacristina Parravano. «In questo modo molti sistemi possono identificare patologie quali la retinopatia diabetica, la degenerazione maculare legata all’età, segni sospetti di glaucoma e alterazioni vascolari».
La retinografia produce immagini ad alta risoluzione del fondo oculare, immediatamente analizzate con algoritmi di machine learning in grado di riconoscere automaticamente pattern clinici associati a specifiche patologie. L’IA apprende da ampie banche dati di immagini, acquisendo la capacità di distinguere tra retina sana e retina con alterazioni patologiche.
Non è tutto: algoritmi di deep learning sono già applicati con successo anche all’analisi delle immagini OCT per rilevare l’edema maculare e altre patologie retiniche, dimostrando una buona capacità di classificare e differenziare varie condizioni.
Efficienza, velocità ed equità
Tutto ciò garantisce rapidità ed efficienza. «Retinografia e IA insieme consentono di analizzare grandi volumi di immagini in tempi rapidi, con una riproducibilità elevata e una riduzione significativa della variabilità inter-osservatore, uno dei limiti storici dello screening manuale», prosegue Parravano.
Ma non solo: l’IA può contribuire a ridurre le disuguaglianze nell’accesso alle cure. In molte aree con carenza di oftalmologi, gli algoritmi di analisi automatizzata delle immagini retiniche permettono di estendere lo screening a comunità più ampie e geograficamente disperse. Va comunque chiarito che l’intelligenza artificiale non sostituisce l’oculista.
«Lo specialista resta centrale nella validazione dei risultati, nella gestione dei falsi positivi e negativi e, soprattutto, nelle decisioni terapeutiche». Tuttavia, l’IA migliora l’efficienza del sistema consentendo all’oculista di dedicare più tempo ai casi complessi e clinicamente rilevanti.
