L’intelligenza artificiale potrebbe trasformare la gestione del cheratocono, una patologia oculare che colpisce soprattutto giovani e adulti, causando una deformazione progressiva della cornea. Al recente Congresso della Società Europea di Chirurgia della Cataratta e Refrattiva è stato presentato uno studio che dimostra come algoritmi di machine learning possano prevedere con precisione quali pazienti necessitano di trattamento immediato e quali possono essere solo monitorati.
La sfida diagnostica del cheratocono
Il cheratocono è una delle principali cause di trapianto corneale nei Paesi occidentali, con un’incidenza di circa una persona ogni 350. La cornea, che normalmente ha una curvatura regolare, si assottiglia e assume una forma conica, compromettendo la vista. Al momento, i medici non dispongono di strumenti predittivi affidabili e sono costretti a controlli periodici, con il trattamento eseguito spesso solo quando la malattia è già in fase avanzata.
Il team guidato dal dottor Shafi Balal del Moorfields Eye Hospital di Londra ha analizzato oltre 36.000 immagini OCT di quasi 7.000 pazienti. L’algoritmo ha classificato correttamente la maggior parte dei casi fin dalla prima visita: due terzi a basso rischio, un terzo ad alto rischio e candidati al trattamento con cross-linking.
Il cross-linking: semplice ma decisivo
Il trattamento, basato su luce ultravioletta e riboflavina, rafforza la cornea ed è efficace in oltre il 95% dei casi se applicato precocemente. Finora però si interveniva solo dopo aver osservato una progressione, aumentando il rischio di cicatrici permanenti e, nei casi peggiori, di trapianto.
Secondo il dottor José Luis Güell dell’Instituto de Microcirugía Ocular di Barcellona, il vero ostacolo è sempre stato capire chi trattare e quando. Lo studio apre la strada a un approccio predittivo: intervenire preventivamente sui pazienti ad alto rischio ed evitare controlli inutili per quelli a basso rischio. Oltre a preservare la vista, ciò permetterebbe di ottimizzare tempo e risorse sanitarie.
Il team sta già sviluppando una versione più potente dell’algoritmo, addestrata su milioni di scansioni oculari, che potrebbe estendersi anche al rilevamento di infezioni e malattie ereditarie.
