Parkinson: diagnosi precoce con esame oculistico


Diagnosi precoce del Parkinson con un esame oculistico: è possibile elaborando una foto della retina con l’intelligenza artificiale

Diagnosi precoce del Parkinson con un esame oculistico: è possibile elaborando una foto della retina con l'intelligenza artificiale

Un semplice esame oculistico combinato con la potente tecnologia di machine learning dell’intelligenza artificiale (AI) potrebbe fornire la diagnosi precoce della malattia di Parkinson, secondo una ricerca presentata all’incontro annuale della Radiological Society of North America (RSNA).

La malattia di Parkinson, come è noto, è un disturbo progressivo del sistema nervoso centrale che colpisce milioni di persone in tutto il mondo. La diagnosi si basa in genere su sintomi come tremori, rigidità muscolare ed equilibrio alterato: un approccio che ha limitazioni significative.

«Il problema con questo metodo è che i pazienti di solito sviluppano sintomi solo dopo una progressione prolungata con lesioni significative ai neuroni cerebrali della dopamina» ha detto l’autore principale dello studio Maximillian Diaz, ingegnere biomedico presso l’Università della Florida a Gainesville. Ciò significa che stiamo diagnosticando i pazienti in ritardo nel processo della malattia».

Patognomonica una microvascolatura più fine
La progressione della malattia è caratterizzata dal decadimento delle cellule nervose che assottiglia le pareti della retina, lo strato di tessuto che ricopre la parte posteriore del bulbo oculare. La malattia colpisce anche i vasi sanguigni microscopici, o microvascolatura, della retina. Queste caratteristiche presentano l’opportunità di sfruttare il potere dell’IA per esaminare le immagini degli occhi alla ricerca di segni della malattia di Parkinson.

Per il nuovo studio, Diaz ha collaborato con il collega Jianqiao Tian e con Adolfo Ramirez-Zamora, neurologo dell’Università della Florida, sotto la direzione di Ruogu Fang, direttore del J. Crayton Pruitt Department of Biomedical Engineering’s Smart Medical Informatics Learning and Evaluation Lab (SMILE).

I ricercatori hanno impiegato un tipo di IA chiamato support vector machine (SVM) learning che è a disposizione dal 1989. Utilizzando le immagini della parte posteriore dell’occhio di entrambi i pazienti con malattia di Parkinson e dei partecipanti al controllo, hanno addestrato l’SVM a rilevare segni sulle immagini suggestive della patologia.

I risultati hanno indicato che le reti di apprendimento automatico possono classificare la malattia di Parkinson in base alla vascolatura della retina, con le caratteristiche chiave costituite dalla presenza di vasi sanguigni più piccoli. I metodi proposti supportano ulteriormente l’idea che i cambiamenti nella fisiologia cerebrale possano essere osservati nell’occhio.

Il vantaggio di by-passare l’imaging cerebrale tradizionale
«Il singolo risultato più importante di questo studio è stato che una malattia cerebrale è stata diagnosticata da un’immagine di base dell’occhio» ha detto Diaz. «Questo approccio è molto diverso da quelli tradizionali in cui per trovare un problema del sistema nervoso centrale si esaminano diverse immagini cerebrali».

Diaz ha osservato che tali approcci di imaging tradizionale con tecniche di risonanza magnetica, TC e medicina nucleare possono essere molto costosi. Al contrario, il nuovo metodo utilizza la fotografia di base con attrezzature comunemente disponibili nelle cliniche oculistiche per ottenere un’immagine. Quest’ultims può anche essere ottenuta da uno smartphone con un obiettivo speciale.

Ulteriori progetti: screening annuali e uso per Alzheimer e SM 
«È solo una semplice immagine dell’occhio, si può fare in meno di un minuto e il costo dell’attrezzatura è molto inferiore a una macchina CT o MRI» ha detto Diaz. «Se possiamo rendere questo sistema uno screening annuale, allora la speranza è che possiamo catturare più casi precocemente, il che può aiutarci a capire meglio la malattia e trovare una cura o un modo per rallentarne la progressione».

L’approccio può anche avere applicazioni nell’identificazione di altre malattie che influenzano la struttura del cervello, come la malattia di Alzheimer e la sclerosi multipla, ha concluso Diaz.