Verso uno screening universale per la miopia

Last Updated on 6 Marzo 2026 by Segreteria 1

(da Univadis)   Utilizzando tecniche basate su reti neurali artificiali un gruppo di ricercatori dell’Università di Pechino ha sviluppato un modello in grado di prevedere con elevata accuratezza se un bambino in età scolare diventerà miope e se svilupperà una miopia di grado elevato. La previsione si basa sulla fotografia del fondo oculare e sui dati di rifrazione, elementi di facile acquisizione, per cui quello sviluppato con il deep learning (una branca dell’intelligenza artificiale [AI]) e descritto nell’articolo pubblicato sulla rivista ‘Jama Network Open’ ha le potenzialità per diventare uno strumento di screening su larga scala anche in contesti con risorse limitate.

Un’ottima performance

Lo studio ACES (Anyang Childhood Eye Study) ha arruolato 3.048 bambini di 6-9 anni frequentanti 11 scuole primarie della città di Anyang, nella Cina nord-orientale. I bambini stono stati sottoposti a visita oculistica completa per 6 anni consecutivi. Le oltre 16.000 immagini del fundus acquisite e i dati di rifrazione alla baseline sono stati utilizzati per addestrare l’AI: combinando una rete neurale convoluzionale (CNN) e una ricorrente (RNN) è stato sviluppato un modello per predire il rischio futuro di miopia elevata ( superiore a – 6 diottrie) e per prevedere la progressione miopica in modo quantitativo.   L’area sotto la curva (area under the curve, AUC) – indicatore della performance del modello predittivo, che risulta tanto più accurato quanto più si avvicina a 1 – era 0,941 (95% CI 0,936-0,946) per la capacità di predire il rischio di miopia e 0,985 (0,982-0,988) per la capacità di predire il rischio di miopia elevata. L’errore medio assoluto della previsione della rifrazione era basso (0,322 diottrie per anno). Per valutare la generalizzabilità tra popolazioni è stata condotta una validazione esterna utilizzando due coorti indipendenti, una di bambini cinesi di etnia Han (n=130) e una di bambini tibetani (n=1.039): il modello ha mostrato un’ottima performance anche in queste coorti.

La fiducia è un fattore cruciale

“Perché un medico agisca in base a una previsione dell’AI, per esempio per iniziare una terapia con atropina per un bambino, non è necessario solo un punteggio AUC elevato, ma anche una profonda fiducia. L’approccio di deep learning di Kang et al. offre un modello esemplare per costruire questa fiducia”, afferma Daniel Duck-Jin Hwang, del dipartimento di oftalmologia della Catholic Kwandong University (Korea), in un articolo che accompagna lo studio.   Gli autori del trial ACES hanno utilizzato tecniche di explainable AI (XAI) che facilitano l’interpretazione delle decisioni prese dalle reti neurali: vengono infatti generate delle heatmap (mappe di calore) che evidenziano le regioni di un’immagine che contribuiscono maggiormente alla classificazione finale da parte del modello. “Ancora più importante, gli autori hanno incluso un’analisi trasparente dei casi di fallimento. Questa analisi identifica le modalità di fallimento del modello, come l’errata attribuzione del pattern vascolare periferico e i limiti della soglia di rilevamento. Paradossalmente, è proprio questa trasparenza, questa onesta spiegazione di quando e perché il modello è sbagliato, che crea la fiducia clinica necessaria per l’adozione”.

Uno strumento necessario

La prevalenza della miopia è in forte crescita: secondo l’Organizzazione Mondiale della Sanità entro il 2050 oltre metà della popolazione mondiale sarà miope. Circa 2 milioni di bambini italiani tra i 6 e i 16 anni sono miopi, l’80% dei quali in progressione miopica. Oggi esistono delle strategie per contrastare la progressione della malattia per cui sarebbe utile sapere in anticipo come evolverà la malattia, in particolare quanto è grande il rischio che un bambino sviluppi una miopia elevata, condizione che si associa a patologie come il distacco di retina e la maculopatia che possono portare alla perdita della vista.   Attualmente non disponiamo di strumenti con cui identificare i bambini ad alto rischio che trarrebbero beneficio da un intervento tempestivo, il modello proposto segna “una pietra miliare”, dice Hwang, sulla strada verso questo traguardo.

(https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2844223