“Nella pratica oftalmologica, le immagini retiniche sono ottenute di routine per diagnosticare e monitorare le malattie oculari primarie e le condizioni sistemiche che colpiscono l’occhio, come la retinopatia diabetica. Studi recenti hanno dimostrato che i biomarcatori sulle immagini retiniche, per esempio la densità o la tortuosità dei vasi sanguigni retinici, sono associati alla funzione cardiaca e possono identificare i pazienti a rischio di malattia coronarica. In questo lavoro studiamo l’uso delle immagini retiniche, insieme ai metadati rilevanti del paziente, per stimare la massa ventricolare sinistra e il volume ventricolare sinistro end-diastolico, e successivamente, prevedere l’infarto miocardico incidente”.

È l’abstract dello studio pubblicato su Nature Machine Intelligence da un gruppo di matematici, informatici e cardiologi coordinati da Alejandro Frangi, professore di medicina computazionale alla University of Leeds e dal 2019 membro del comitato per le tecnologie emergenti della Royal Academy of Engineering, e Andres Diaz-Pinto, ricercatore al King’s College London. A sviluppare il sofisticato algoritmo è stato il matematico e informatico italiano Marco Lorenzi, ricercatore presso il centro Sophia Antipolis dell’Institut National de Recherche en Informatique et en Automatique (Inria) in Francia.

Analizzate oltre cinquemila persone

Andando oltre precedenti studi che avevano già seguito questa strada, gli scienziati hanno sviluppato un sistema di intelligenza artificiale che può analizzare le scansioni oculari prese durante una visita di routine a un ottico o una clinica oculistica e identificare i pazienti ad alto rischio di un attacco di cuore.

Il sistema – che ha una precisione dal 70% all’80% – prevede se i pazienti sono a rischio di un attacco di cuore nel corso del prossimo anno. Durante il processo di deep learning, il sistema di intelligenza artificiale ha analizzato le scansioni della retina e le scansioni cardiache di oltre cinquemila persone.

Il sistema ha identificato le associazioni tra la patologia nella retina e i cambiamenti nel cuore del paziente. Una volta appresi i modelli di immagine, il sistema Ai ha potuto stimare dimensione ed efficienza di pompaggio del ventricolo sinistro, una delle quattro camere del cuore, solo dalle scansioni della retina.

Un ventricolo allargato è collegato a un aumento del rischio di malattie cardiache. Attualmente, i dettagli sulle dimensioni e l’efficienza di pompaggio del ventricolo sinistro di un paziente possono essere determinati solo se hanno test diagnostici come ecocardiografia o risonanza magnetica del cuore.

Questi test possono essere costosi e spesso disponibili solo in un ambiente ospedaliero, rendendoli inaccessibili per le persone in paesi con sistemi sanitari meno ricchi di risorse – o aumentando inutilmente i costi sanitari e i tempi di attesa nei paesi sviluppati.

I ricercatori hanno estratto i dati dalla UK Biobank, un enorme database biomedico di informazioni sanitarie da mezzo milione di persone nel Regno Unito. Per addestrare il sistema, hanno usato i dati di 71.515 persone che avevano subito una scansione della retina, così come un altro set di 5.663 persone che avevano sia una scansione della retina che una risonanza magnetica cardiaca.

Il sistema comprendeva due reti. La prima, chiamata autocodificatore variazionale multicanale, è stata addestrata utilizzando il set di dati più piccolo, con entrambi i tipi di immagini, consentendogli essenzialmente di tradurre una scansione retinica in un’immagine cardiaca ricostruita. Una volta che la prima rete è stata addestrata e testata, è utilizzata come modello per utilizzare le scansioni della retina nel set di dati più grande (insieme alle informazioni del paziente come età, sesso, indice di massa corporea, pressione sanguigna e stato del fumo) per prevedere il rischio di infarto.

L’addestramento del sistema

Per testare e addestrare il sistema, i ricercatori hanno diviso ogni set di dati in dieci parti, usando nove parti per addestrarlo e l’ultima per testarlo. Hanno trovato che il sistema ha previsto correttamente un attacco di cuore dalla combinazione della scansione della retina e i dati demografici tra 70% e 80% del tempo, a seconda del tipo di misurazione.

Per confronto, i ricercatori hanno anche fatto un calcolo separato del rischio di attacco di cuore utilizzando solo dati demografici, che è il tipo di dati solitamente utilizzati per determinare se qualcuno potrebbe essere a rischio. Previsioni basate su quei dati erano circa 10% meno accurate.

I ricercatori hanno anche voluto verificare l’accuratezza del sistema utilizzando un set completamente diverso di dati presi dal National Eye Institute’s Age-Related Eye Disease Study. Così hanno scoperto che se le differenze nella qualità dell’immagine e nei dati demografici non hanno avuto un grande impatto sul sistema l’efficacia diminuisce quando vengono utilizzate immagini di pazienti con una degenerazione maculare.

Secondo Alex Frangi, che detiene la Diamond Jubilee Chair in Computational Medicine all’Università di Leeds ed è un Turing Fellow all’Alan Turing Institute, e ha supervisionato la ricerca, “Questa tecnica apre la possibilità di rivoluzionare lo screening delle malattie cardiache. Le scansioni retiniche sono relativamente poco costose e vengono usate di routine in molti studi di ottica. Come risultato dello screening automatizzato, i pazienti che sono ad alto rischio di ammalarsi potrebbero essere indirizzati a servizi cardiaci specializzati”.

Secondo il Ministero della Salute, in Italia, le malattie cardiovascolari rappresentano ancora la principale causa di morte, essendo responsabili del 34,8% di tutti i decessi (31,7% nei maschi e 37,7% nelle femmine). In particolare, secondo i dati Istat 2018, la cardiopatia ischemica è responsabile del 9,9% di tutte le morti (10,8% nei maschi e 9% nelle femmine), mentre gli accidenti cerebrovascolari dell’8,8% (7,3% nei maschi e 10,1% nelle femmine).