Dall’IA alla visita specialistica: speciale salute visiva

Immagina questa scena: ti capita di vedere una macchia davanti all’occhio quando guardi un muro bianco, oppure vedi doppio la sera quando torni a casa dall’ufficio. Fino a poco tempo fa in presenza di un disturbo non familiare avresti aperto Google e ricercato le possibili cause.

Oggi invece basta chiedere all’intelligenza artificiale per ricevere risposte rapide ed esaustive. La sensazione di avere tutto sotto controllo però ha portato molte persone a ritenere che l’autodiagnosi sia sufficiente e a non sottoporsi ad un accertamento specialistico.

Ma quanto è affidabile l’IA quando si parla di salute? E, soprattutto, può davvero sostituire una visita specialistica, soprattutto quando si tratta di occhi e visione?

QUANDO L’AUTODIAGNOSI CONFONDE (E RISCHIA DI PEGGIORARE LE COSE)

Affidarsi all’intelligenza artificiale per chiarire un dubbio sulla salute può sembrare comodo e rassicurante. Ma quando si tratta di visione, e soprattutto della visione nei bambini, le risposte automatiche rischiano di semplificare troppo, portando a interpretazioni sbagliate o fuorvianti.

Ecco alcune situazioni, tratte dall’esperienza clinica, che lo dimostrano:

• “Mio figlio ha l’occhio storto ogni tanto” Una mamma si affida a un assistente virtuale e legge che si tratta probabilmente di uno strabismo intermittente. Ma l’intelligenza artificiale non può valutare il contesto, la frequenza o le condizioni in cui il fenomeno si manifesta, né eseguire test specifici. In realtà, potrebbe trattarsi di una foria latente – una deviazione compensata dal sistema visivo che emerge solo in condizioni di stanchezza – che richiede un’attenta valutazione ortottica.
• “Vedo doppio la sera, sarà lo stress?” Un adulto descrive una diplopia che compare solo a fine giornata. Chat GPT suggerisce un affaticamento visivo, magari dovuto a stress o postura. Ma non valuta la presenza di altri segnali clinici che potrebbero far pensare a disturbi più complessi, come una miastenia o una paralisi oculare parziale. Una diagnosi affrettata può portare a ritardi importanti nel trattamento.
• “L’occhio pigro si può curare solo fino a 6 anni” Un genitore legge questa frase e si arrende. Ma è un’affermazione parziale e superata: se è vero che il trattamento dell’ambliopia ha maggiore efficacia nei primi anni di vita, oggi sappiamo che è possibile ottenere miglioramenti anche in età successive, con approcci mirati e personalizzati.

E’ chiaro quindi che un sintomo può sembrare banale solo finché non lo si guarda davvero da vicino. E l’unico modo per farlo è affidarsi a uno specialista.

L’intelligenza artificiale può essere un alleato prezioso per informare, guidare e supportare. Ma deve essere usata con senso critico, come uno strumento di approfondimento e non come un sostituto del medico. È fondamentale che i genitori, davanti a un dubbio visivo nei loro figli, scelgano la strada giusta: quella della visita in studio, con professionisti della visione.

La salute visiva è troppo preziosa per essere affidata a risposte automatiche. Fidarsi dell’IA va bene, ma solo dopo essersi affidati agli specialisti.

OCCHI E VISIONE MERITANO ATTENZIONE VERA, NON UNA DIAGNOSI “GENERATA”

I VANTAGGI DELL’IA IN OFTALMOLOGIA

Negli ultimi anni l’intelligenza artificiale ha iniziato a rivoluzionare l’oftalmologia offrendo nuovi strumenti per la diagnosi e la gestione di patologie oculari. L’oculistica è una disciplina fortemente basata su immagini diagnostiche e numerosi studi dimostrano come algoritmi di deep learning raggiungono prestazioni diagnostiche comparabili o persino superiori a quelle degli specialisti umani in determinati compiti.

Le analisi automatiche di immagini acquisite avvengono con una precisione e velocità straordinaria.

In particolare i sistemi di Deep Learning hanno raggiunto livelli di accuratezza nell’individuare patologie comuni superiori all’85%, pari a quella di retinologi esperti; per esempio molti algoritmi per lo screening della retinopatia diabetica hanno ottenuto un AUC (area sotto la curva) di circa 0.96 nel distinguere una retinopatia diabetica (RD) che richiede l’intervento dello specialista da casi non avanzati. Anche nella degenerazione maculare legata all’età un sistema di Deep Learning ha raggiunto un AUC media di 0.95 nel riconoscere casi che necessitano di trattamento e non.

Un’altro vantaggio dell’IA è la possibilità di esaminare un numero enorme di esami in poco tempo senza rischio di perdere dettagli; immaginiamo, per esempio, gli screening di massa: un algoritmo è in grado di esaminare in pochi secondi migliaia di fotografie al giorno in cerca di lesioni, cosa che uno specialista umano non potrebbe fare. Questo strumento potrebbe essere un valido aiuto in un contesto con carenza di specialisti.

L’IA inoltre garantisce una coerenza di giudizio a differenza degli esseri umani: un modello di rete neurale applica gli stessi criteri in modo uniforme su ogni immagine, riducendo la variabilità degli osservatori dovuta a stanchezza o bias individuali.

Le reti neurali possono poi cogliere anche dettagli nelle immagini che possono sfuggire all’occhio umano. In uno studio sull’imaging del segmento anteriore, un algoritmo ha analizzato scansioni OCT dell’angolo irido-corneale individuando caratteristiche più ampie di quelle evidenziate clinicamente (ad esempio misurazioni automatiche oltre i parametri tradizionali).

L’IA, analizzando grandi moli di dati, può potenzialmente scoprire anche biomarcatori inediti, suggerendo nuovi indicatori per diagnosi e prognosi e offrendo ai clinici conoscenze aggiuntive sulla patogenesi di malattie oculari. Questo strumento potrebbe condurre a intuizioni innovative come identificare segnali precoci di malattie ancora non noti.

E’ comune già da tempo, l’utilizzo dell’IA anche per valutare la progressione delle malattie; l’esempio più comune è il glaucoma: è stato sviluppato un modello di analisi di campi visivi eseguiti in serie che permette di rilevare una progressione glaucomatosa con tre anni di anticipo rispetto ai metodi clinici tradizionali, da ciò ne deriva la possibilità di intervenire prima che il danno del nervo ottico sia conclamato (e irreversibile).

Queste applicazioni di Predictive Analytics dimostrano come l’IA possa affiancare i professionisti nel follow up e nelle terapie in base al rischio futuro del singolo paziente.

I vantaggi dell’IA non si limitano solo alla diagnostica: nell’ambito chirurgico stanno emergendo sistemi robotici e dispositivi intelligenti in aiuto del chirurgo. Studi sperimentali dimostrano che la precisione robotica nella microchirurgia oculare estremamente delicata migliora il controllo operatorio, con riduzione delle complicanze. La combinazione dell’abilità umana e la precisione computazionale si traduce in maggiore sicurezza per il paziente e migliori risultati anatomici.

L’IA dunque offre molteplici benefici in oftalmologia, motivo per cui la comunità oftalmologica sta investendo molto in questa tecnologia.

I LIMITI DELL’INTELLIGENZA ARTIFICIALE

Nonostante le notevoli potenzialità, è fondamentale riconoscere che l‘intelligenza artificiale odierna presenta limiti importanti se paragonata all’intelligenza umana, soprattutto nel contesto clinico reale.

Gli algoritmi IA sono eccellenti in compiti ristretti come ad esempio classificare un’immagine, tuttavia operano senza una vera e propria comprensione del contesto clinico: un modello che analizza una foto retinica ad esempio non sa nulla sulle condizioni generali, sui farmaci assunti e sui sintomi del paziente e si limita ad un’analisi oggettiva. Ciò può portare ad errori che un umano non commetterebbe. Il processo automatizzato non è in grado di tenere conto della complessità del processo decisionale. Un oftalmologo interpreta un referto imaging alla luce del quadro generale: per esempio può decidere che una lieve anomalia all’OCT, in assenza di sintomi e con esami funzionali normali, non sia preoccupante o sia semplicemente un artefatto.

La capacità di sintesi clinica e ragionamento multifattoriale resta un punto di forza esclusivo dell’intelligenza umana.

Un altro problema dell’IA medica è il fatto che molti algoritmi mostrano risultati eccellenti su dataset di test controllati, ma poi degradano quando applicati a popolazioni diverse o contesti operativi differenti: ad esempio un algoritmo allenato quasi interamente su fotografie di pazienti caucasici potrebbe fallire nel riconoscere correttamente la retinopatia diabetica in pazienti asiatici o africani a causa della differenza di pigmentazione retinica.

Allo stesso modo un algoritmo allenato su fotografie di alta qualità potrebbe scadere sulle medesime immagini acquisite con strumenti con imaging di qualità inferiore. Questo è un grave ostacolo perché un algoritmo che in laboratorio vanta il 95% di accuratezza potrebbe scendere ben al di sotto degli standard di sicurezza quando incontra la variabilità del mondo reale.

La tecnologia sta cercando di ridurre questo problema ma al momento il sistema non è infallibile e quindi richiede la stretta vigilanza dello specialista umano.

Un altro limite è il fatto che i sistemi di Deep Learning traggono una conclusione, esempio “glaucoma probabile al 90%”, senza spiegare il perchè sono arrivati a questa conclusione, ciò comporta dal punto di vista clinico una difficoltà a fidarsi ciecamente di uno strumento di cui non è comprensibile il ragionamento e dunque un oculista potrebbe esitare ad agire, per esempio con una terapia invasiva, basandosi unicamente su un responso AI. Sono in corso molti sforzi per sviluppare AI interpretabili, in cui il modello evidenzia i particolari dell’immagine su cui si è basato. Alcuni studi hanno dimostrato che dotare AI di meccanismi di interpretazione migliora la fiducia dei clinici e può persino migliorare le loro prestazioni combinando i punti di forza dell’oculista e dell’IA interpretabile.

Proprio come i medici che necessitano di formazione continua, anche l’IA dovrebbe essere soggetta a continui aggiornamenti in quanto i profili epidemiologici cambiano, emergono nuovi dati e si sviluppano nuove terapie. Purtroppo però molti risultati dell’IA provengono da studi retrospettivi che potrebbero essere obsoleti o sperimentali quindi non ancora validati dalla comunità scientifica.

In ambito oftalmologico, ad esempio, la versione 4.0 di Chat GPT ha risposto correttamente solo al 70% delle domande in test specialistici, scendendo ulteriormente nelle situazioni più complesse.

Uno studio pubblicato su Nature Medicine a Gennaio 2024, ha dimostrato che modelli avanzati come Chat GPT ottengono buoni risultati nei test teorici, ma arrancano nel dialogo clinico e nella raccolta delle informazioni essenziali. Un aspetto insostituibile dell’intelligenza umana è la relazione medico-paziente: la comunicazione empatica, la capacità di ascoltare e rassicurare e rispondere ai dubbi modulando il linguaggio in base alla persona che si ha davanti sono sfide che attualmente l’IA non è in grado di affrontare.

Un algoritmo, per quanto accurato, può spiegare una diagnosi ma non tiene conto della preparazione del paziente, della sua sensibilità. Riconoscere l’espressione del viso di un paziente o il tono in cui riferisce un sintomo è esclusivo giudizio di un umano.

La medicina, non è solo teoria e aggiornamento: è fatta di osservazione, capacità di cogliere dettagli, contestualizzazione ed empatia, cose che un algoritmo non è in grado di fare. Quando si parla di salute visiva, questo diventa ancora più evidente.

VERSO LA COLLABORAZIONE UOMO-MACCHINA

L’intelligenza artificiale rappresenta uno strumento straordinario che sta cambiando il volto dell’oftalmologia, ma come ogni strumento, deve essere maneggiato con consapevolezza e senso critico.

Gli studi degli ultimi anni delineano un panorama in cui l’IA ha raggiunto la capacità di svolgere egregiamente compiti diagnostici di routine, tuttavia l’integrazione con la clinica tradizionale deve essere graduale. Questa tecnologia è in rapida evoluzione, le pubblicazioni dopo il 2020 mostrano un trend in miglioramento costante delle prestazioni dell’IA e soprattutto una maggiore consapevolezza dei suoi limiti.

Ad oggi però l’IA oftalmologica può solo affiancare a non rimpiazzare il professionista.

Nessun algoritmo può sostituire lo sguardo clinico esperto, l’empatia o l’intuizione maturata con l’esperienza.

In Europa è stato formalizzato il concetto di “Human in Command”, che prevede che le decisioni in sanità rimangano sempre sotto controllo medico e non affidate completamente ad un algoritmo.

Quando si parla di occhi e visione, scegliere un controllo specialistico non è solo una precauzione: è un atto di responsabilità verso sé stessi e verso i propri figli.

 

Fonti:

• Artificial intelligence in ophthalmology: The path to the real-world clinic – PMC
• Artificial intelligence and digital health in global eye health
• Behind the mask: a critical perspective on the ethical, moral, and legal implications of AI in ophthalmology Artificial intelligence deployment in diabetic retinopathy: the last step of the translation continuum
• Nature Medicine (2024), DOI:10.1038/s41591-024-02801-6
• PMC10835593 – Large Language Models for Ophthalmology
• American Optometric Association – Digital Eye Strain
• Corriere della Sera Salute – “IA e colloquio clinico, i limiti attuali” (2024)