Diabetologia

Introduzione: La microscopia corneale confocale consente in maniera rapida e non invasiva di diagnosticare la neuropatia diabetica. La cornea è il tessuto in assoluto più innervato del nostro organismo poiché contiene al suo interno un elevato numero di piccole fibre nervose amieliniche, di cui le più superficiali formano il plesso nervoso sub-basale (SBP). La microscopia confocale consente la valutazione qualitativa e quantitativa di tali fibre per la diagnosi di neuropatia diabetica.  La procedura tradizionale è lunga e di competenza di operatori esperti. Pertanto, il suo utilizzo non è frequente nella pratica clinica.
Scopo: Il presente studio è stato disegnato con lo scopo di validare un sistema di intelligenza artificiale per la valutazione del SBP utilizzando come riferimento standard la misurazione tradizionale delle fibre del SBP.
Metodi: I sistemi di intelligenza artificiale utilizzati sono stati Tensorflow 1.0.0 (tensorflow.org/; Google, Mountain View, CA, USA) e Keras 1.2.1 (keras.io). L’intelligenza artificiale e il sistema tradizionale sono stati entrambi utilizzati per le differenti misurazioni: lunghezza totale delle fibre, lunghezza media, ramificazioni e numero di fibre per segmento. Sono stati reclutati 6 gruppi di soggetti: 1) sani, 2) IGT, 3) diabete tipo 1 con neuropatia nota, 4) diabete tipo 1 senza neuropatia, 5) diabete tipo 2 senza neuropatia nota, 6) diabete tipo 2 con neuropatia. La neuropatia è stata valutata nei soggetti con diabete utilizzando i test standard descritti nella Consensus di Toronto.
Risultati: I coefficienti di correlazione tra i diversi metodi utilizzati indicavano una concordanza significativa seppur con delle variazioni in base alle diverse misure eseguite. Le curve ROC, disegnate confrontando i modelli di intelligenza artificiale con i test standard per la valutazione della neuropatia hanno mostrato una specificità di 0,87 e sensibilità di 0,68 per la definizione di presenza/assenza della neuropatia diabetica.
Conclusioni e commenti: Lo studio ha dimostrato che un sistema di deep learning (traducibile in apprendimento profondo) inserito in un modello di intelligenza artificiale potrà, in tempi relativamente brevi, agevolare la diagnosi di neuropatia diabetica a carico delle piccole fibre. Tale sistema potrebbe essere utilizzato come sistema di screening nella popolazione con diabete. L’utilizzo della intelligenza artificiale è molto più diffuso di quanto si possa pensare. L’intelligenza artificiale è dotata di sistemi hardware e software che consentono di trasformare delle macchine in sistemi avanzati capaci di analizzare e sintetizzare per esempio le informazioni di dati visivi ed immagini. L’apprendimento automatico o machine learning è un modo per raggiungere l’intelligenza artificiale e si riferisce alla capacità che ha una macchina di apprendere senza essere programmata. Quello descritto nel lavoro è un esempio di machine learning, rappresentato da un sistema di visione artificiale in grado di riconoscere degli oggetti acquisiti digitalmente dai sensori di immagine. La tecnica del deep learning ripropone la caratteristica del cervello di scomporre per esempio le immagini in informazioni semplici per poi complessarle nuovamente. Nel lavoro presentato il sistema scompone le immagini del SBP in linee, curve, ombre per poi aggregare le informazioni in dati analitici qualitativi e quantitativi complessi. L’intelligenza artificiale offre ed offrirà sempre più supporto nella nostra quotidianità.

A cura di Concetta Irace

Williams BM, Borroni D, Liu R, Zhao Y, Zhang J, Lim J, Ma B, Romano V, Qi H, Ferdousi M, Petropoulos IN, Ponirakis G, Kaye S, Malik RA, Alam U, Zheng Y. An artificial intelligence-based deep learning algorithm for the diagnosis of diabetic neuropathy using corneal confocal microscopy: a development and validation study.  Diabetologia (2020) 63:419–430


Fai il login per vedere l'articolo originale

Cookie

Il sito Siditalia.it utilizza esclusivamente cookie tecnici (propri o di terze parti) che non raccolgono dati di profilazione durante la navigazione.
Continuando la navigazione del sito o cliccando su "Chiudi" acconsenti all'uso dei cookie