Revisione: Valutazione del glaucoma ad angolo stretto con l’intelligenza artificiale
GLAUCOMA / DEEP LEARNING Singapore – Il glaucoma primario ad angolo stretto è sottodiagnosticato in tutto il mondo e spesso porta a danni alla vista. Molte delle sfide nel trattamento del glaucoma primario ad angolo stretto sono legate alla mancanza di strumenti pratici e accurati per la valutazione clinica e il monitoraggio della malattia. Negli ultimi anni, sono stati sviluppati alcuni metodi assistiti dall’intelligenza artificiale (AI) per il rilevamento e la valutazione del glaucoma primario ad angolo stretto, che hanno mostrato risultati incoraggianti. Zhi Da Soh del Singapore Eye Research Institute e colleghi hanno pubblicato una revisione su questo argomento. Sono stati sviluppati algoritmi di apprendimento automatico (ML) che utilizzano i dati clinici per classificare gli occhi con glaucoma primario ad angolo stretto in base al meccanismo della malattia. Altri algoritmi ML che utilizzano i dati delle tecniche di imaging hanno ottenuto buoni risultati nel rilevare le occlusioni angolari. Tuttavia, gli algoritmi di deep learning (DL) addestrati direttamente sui dati di imaging hanno generalmente ottenuto risultati migliori rispetto agli algoritmi di machine learning convenzionali nella diagnosi del glaucoma primario ad angolo stretto e sono stati in grado di distinguere accuratamente i diversi stati dell’angolo (aperto, stretto, chiuso) e di automatizzare la misurazione dei parametri quantitativi. Tuttavia, secondo gli autori nel numero di gennaio 2024 della rivista scientifica PROGRESS IN RETINAL AND EYE RESEARCH, è necessario un ulteriore lavoro per espandere le capacità di questi algoritmi AI e utilizzarli in contesti clinici reali. Ciò include la necessità di valutare in condizioni di vita reale, definire casi d’uso specifici per diversi algoritmi e valutare la fattibilità del loro utilizzo, tenendo conto di altri fattori clinici, economici e sociopolitici.
Autori: Soh ZD, Tan M, Nongpiur ME, Xu BY, Friedman D, Zhang X, Leung C, Liu Y, Koh V, Aung T, Cheng CY. Corrispondenza Ching-Yu Cheng, Department of Ophthalmology, 1E Kent Ridge Road, NUHS Tower Block, Level 7, 119228, Singapore. E-mail: chingyu.cheng@nus.edu.sg Studio: Assessment of angle closure disease in the age of artificial intelligence: A review. Fonte: Prog Retin Eye Res. 2024 Jan;98:101227. doi: 10.1016/j.preteyeres.2023.101227. Epub 2023 Nov 3. PMID: 37926242. Web: https://bjo.bmj.com/content/early/2023/11/02/bjo-2023-324438.long