Il futuro nella gestione della retinopatia diabetica

Con la continua evoluzione delle tecnologie di imaging, gli oftalmologi hanno a disposizione una quantità sempre maggiore di dati necessari per gestire la malattia oculare diabetica nel tempo. La continuità dei dati sempre più solida a disposizione dei medici si è dimostrata in grado di ridurre l’errore diagnostico ottimizzando al contempo il trattamento dei pazienti. Questo vale anche per i casi complicati di retinopatia diabetica (DR) con proliferazione o edema. Tuttavia, questo è meno vero per i pazienti con stadi moderati e gravi di DR, in quanto il nostro potere di previsione dell’evoluzione degli stadi più avanzati della retinopatia diabetica non è migliorato e probabilmente è addirittura diminuito, poiché si basa ancora sui dati longitudinali del secolo scorso, quando il controllo del diabete non era efficiente come oggi.

Per migliorare la previsione, la futura gestione e trattamento della DR dovrà basarsi sempre più su dati clinici longitudinali attraverso varie tecnologie di imaging e anche piattaforme di intelligenza artificiale (AI) che consentano di integrare questa crescente quantità di dati. L’implementazione dell’intelligenza artificiale e dell’apprendimento automatico nel mondo dell’oculistica fornirà dati ausiliari che contribuiranno alla classificazione e valutazione del rischio dell’attuale livello di DR del paziente. I dati non comunemente utilizzati per la valutazione della DR diventeranno sempre più importanti per la stratificazione del rischio di DR (ad esempio, l’andamento della pressione arteriosa, l’HBA1c, l’uso di farmaci).

L’angiografia con tomografia a coerenza ottica (OCT-A), un metodo di imaging non invasivo utilizzato per valutare l’integrità e la perfusione vascolare retinica, può anche avere un impatto sulla classificazione e sulla gestione della DR. L’OCT-A fornisce una valutazione superiore dei vasi retinici rispetto alla sola fotografia del fondo oculare in un campo che oggi è paragonabile alle fotografie del fondo oculare ETDRS a 7 campi. A differenza della fotografia del fondo oculare, la classificazione della gravità della DR basata sull’OCT-A non è ancora molto diffusa e sta trovando il suo posto nella pratica clinica e nella ricerca. Per quanto riguarda le tecnologie future che modelleranno e cambieranno il modo in cui gestiamo la retinopatia diabetica, l’OCT-A sembra molto promettente.

Negli ultimi decenni, l’OCT a dominio spettrale ha rivoluzionato anche la diagnosi e la gestione dell’edema maculare diabetico (DME). Continua a svolgere un ruolo fondamentale nella pratica clinica, nella ricerca e nello sviluppo di nuovi modelli di previsione basati sull’IA.

Il futuro nella gestione della retinopatia diabetica con l’intelligenza artificiale e la diagnostica per immagini

Spostamento del paradigma nella classificazione della retinopatia diabetica

Oltre 50 anni fa, il gruppo di ricerca ETDRS (Early Treatment Diabetic Retinopathy Study) ha sviluppato una scala di classificazione oggettiva per la gravità della DR. Questa scala di classificazione ha permesso ai medici di stimare il rischio di progressione di un paziente verso la retinopatia proliferativa sulla base di fotografie del fondo oculare a 7 campi. All’epoca in cui è stata sviluppata la scala ETDRS, i medici avevano poco più che le fotografie del fondo oculare per integrare la loro valutazione clinica nella gestione della retinopatia diabetica. Con l’elevata quantità di tecnologie di imaging non invasive oggi disponibili, la scala di classificazione ETDRS non dovrebbe più svolgere un ruolo così significativo come un tempo. L’imaging più preciso, a campo più ampio, e le nuove possibilità di integrare dati non oculari dovrebbero consentirci di ottenere una scala più predittiva per la DR.

Con l’avvento dell’intelligenza artificiale (AI) e le ultime innovazioni nella tecnologia di imaging oftalmico, la scala di classificazione ETDRS potrebbe presto diventare obsoleta. Attualmente, il progetto Intelligent Evaluation of Diabetic Retinopathy (EviRed) in Francia mira ad aggiornare e ottimizzare l’ormai datata scala di classificazione ETDRS. Con un coinvolgimento a livello nazionale, questo progetto mira a combinare l’AI, i dati clinici dei pazienti e l’imaging oftalmico per creare un nuovo sistema di valutazione del rischio di DR.

EviRed utilizza una miriade di tecnologie di imaging oftalmico e altri dati clinici per alimentare il suo algoritmo. Questi includono OCT, OCT-A e imaging ultra-widefield, oltre ad altre variabili non di imaging raccolte dall’anamnesi del paziente (ad es. pressione arteriosa, glicemia, peso, età e sesso). Questi dati vengono compilati in un’unica fase e hanno un potenziale reale di accuratezza diagnostica superiore rispetto al vecchio sistema di classificazione ETDRS. In precedenza, era stata data meno importanza a questi biomarcatori ausiliari nel trattamento dei pazienti con DR; tuttavia, questi dati potrebbero essere più importanti di quanto si pensasse. Sfruttando l’accuratezza predittiva dell’AI, EviRed mira a ottimizzare gli algoritmi di trattamento DR, ad aprire la strada a futuri trattamenti preventivi e a diminuire il margine di errore dei risultati del trattamento.

Validazione dell’algoritmo EviRed

In Francia è attualmente in corso una sperimentazione clinica che mira alla formazione sul modello di previsione EviRed per il rischio di DR e alla sua validazione. Lo studio recluterà circa 5.000 pazienti diabetici che saranno seguiti in media per 24 mesi. In questo lasso di tempo, il nostro gruppo di ricerca spera di raccogliere dati sufficienti dalla fotografia a campo ultra-largo, dall’OCT e dall’OCT-A, oltre a vari altri biomarcatori, per contribuire a perfezionare e validare l’algoritmo. L’endpoint primario dello studio sarà la previsione della progressione della DR grave. Verrà effettuata un’attenta osservazione per determinare l’accuratezza del modello nel valutare la gravità della DR e il rischio di progressione. Le sue prestazioni saranno inoltre confrontate con le previsioni fatte dagli oftalmologi utilizzando la classificazione ETDRS o modelli simili.

Come la diagnostica per immagini e l’intelligenza artificiale influenzeranno il flusso di lavoro dei professionisti oftalmologi

L’AI e la diagnostica per immagini avanzata offrono un enorme valore in termini di miglioramento del processo decisionale clinico e ottimizzazione dell’efficienza del flusso di lavoro. Con un maggior numero di dati clinici prontamente disponibili, gli oculisti sono più preparati a gestire casi complessi di pazienti, dedicando meno tempo a setacciare i dati precedenti.

Le piattaforme di intelligenza artificiale come EviRed mirano a raccogliere, nel modo più automatico possibile, i dati clinici nell’arco di alcuni anni e ad aiutare i medici a prevedere con maggiore precisione quali pazienti sono a rischio di progredire verso una DR complicata. Per ottenere l’accuratezza diagnostica di EviRed, con metodi classici senza AI, altri modelli predittivi avrebbero richiesto diversi decenni per essere determinati. Questo ottimizzerà l’assistenza al paziente, migliorerà i risultati del trattamento e aiuterà a prevenire in maniera più efficace la cecità legata al diabete.
 

I progressi dei principali strumenti diagnostici per la gestione della retinopatia diabetica

Per il medico oculista che assiste pazienti con retinopatia diabetica, i progressi compiuti dagli strumenti diagnostici essenziali come l’imaging del fondo oculare e l’OCT sono fondamentali. Strumenti come ZEISS CLARUS e ZEISS CIRRUS offrono la possibilità di visualizzare molto rapidamente lo sviluppo della patologia oculare, cruciale per la gestione di tutte le malattie, ma particolarmente importante nei casi di edema maculare diabetico. Sebbene esistano pochi studi sugli effetti di queste nuove tecnologie sulla gestione della malattia, è chiaro il potenziale di questi strumenti in termini di miglioramento dell’efficienza diagnostica e delle decisioni per la gestione della patologia.

Grazie ai progressi dell’OCT-A, gli oftalmologi hanno la possibilità di osservare i vasi sanguigni meglio che con qualsiasi altro sistema. Sebbene l’OCT-A non mostri un campo visivo così ampio come l’imaging ultra-widefield, mostra comunque più dettagli sui vasi rispetto a qualsiasi altro dispositivo di questo tipo, consentendo ai medici di convalidare le loro scelte di gestione. In particolare, l’OCT-A è utile per monitorare i pazienti sottoposti a trattamenti anti VEGF; questi pazienti possono riscontrare un miglioramento del loro punteggio ETDRS ma, forse, non della perfusione, e l’OCT-A può essere uno strumento fondamentale per valutare qualsiasi variazione del rischio correlato.

L’imaging ultra-widefield sta diventando uno strumento sempre più diffuso nell’ottimizzazione del flusso di lavoro per la gestione della DR e consente anche ai medici di identificare e documentare le lesioni retiniche al di fuori dell’area convenzionale a 7 campi, tipicamente utilizzata con la fotografia del fondo oculare. Per esempio, il rischio di progressione per due pazienti con DR proliferativa precoce può essere molto diverso se uno ha anche una neovascolarizzazione al di fuori dell’area a 7 campi e l’altro no. In altri casi, la neovascolarizzazione può essere solo al di fuori dell’area a 7 campi e non viene notata a meno che non si utilizzi l’imaging ultra-widefield. I progressi nell’imaging widefield del fondo oculare e nell’OCT-A hanno fornito ai medici gli strumenti per aumentare l’accuratezza diagnostica e migliorare la valutazione del rischio e i risultati del trattamento nei pazienti con DR. La ricerca ha dimostrato che fino al 15% dei pazienti affetti da retinopatia diabetica vede i propri trattamenti modificati in base alla maggiore copertura del fondo oculare mostrata dall’imaging ultra-widefield.

Diagnostica per immagini avanzata, apprendimento automatico e futuro dell’oculistica

La diagnostica per immagini avanzata e l’intelligenza artificiale contribuiranno anche a promuovere risorse come la telemedicina, consentendo ai pazienti a basso rischio di essere visitati a distanza, mentre quelli a rischio più elevato continueranno a essere visitati di persona per i loro esami e trattamenti. I pazienti diabetici senza storia di retinopatia o con una storia stabile di risultati di retinopatia lieve sono in genere i candidati ideali per i consulti di telemedicina. Mentre per la gestione dei pazienti con retinopatia diabetica si continueranno a utilizzare strumenti quali l’AI e l’apprendimento automatico, oltre all’OCT, all’OCT-A e all’imaging ultra-widefield. Lo sviluppo di piattaforme di intelligenza artificiale come EviRed fornirà un enorme valore per la gestione della retinopatia diabetica e migliorerà gli algoritmi di trattamento per gli oculisti.


Condividi questo articolo