Gli scienziati del NIH utilizzano l'intelligenza artificiale per affinare l'imaging oculare standard

Gli scienziati del NIH utilizzano l'intelligenza artificiale per affinare l'imaging oculare standard

Gli scienziati del National Institutes of Health (NIH) hanno sfruttato l’intelligenza artificiale per trasformare un dispositivo che ha convertito il fondo di un occhio in cellule affilate. La tecnica offre una risoluzione delle immagini che rivaleggia con le apparecchiature più avanzate disponibili ed è più economica, più veloce e non richiede apparecchiature o competenze specializzate. La strategia ha implicazioni per l’individuazione precoce della malattia e il monitoraggio della fornitura di cure, rendendo visibile ciò che una volta era invisibile.

"L'intelligenza artificiale mette potenzialmente l'imaging di prossima generazione nelle mani delle cliniche oculistiche standard. È come un obiettivo ad alta risoluzione per una semplice fotocamera." ha detto Johnny Tam, Ph.D., ricercatore presso il NIH-National Eye Institute e autore senior del rapporto di studio, che è stato pubblicatoMedicina della comunicazione.

I dispositivi di imaging noti come oftalmoscopi vengono spesso utilizzati per esaminare la retina sensibile alla luce nella parte posteriore dell'occhio. Un oftalmoscopio laser a scansione è standard nelle cliniche oculistiche, ma la sua risoluzione può rilevare solo strutture a livello tissutale, ad esempio lesioni, vasi sanguigni e la testa del nervo ottico. Gli oftalmoscopi di nuova generazione con ottica adattiva, una tecnologia che compensa lievi distorsioni, possono rilevare le caratteristiche cellulari e fornire maggiori informazioni diagnostiche. Tuttavia, l’imaging abilitato dall’ottica adattiva è ancora in fase sperimentale.

TAM e i suoi collaboratori hanno sviluppato un sistema di intelligenza artificiale personalizzato per migliorare digitalmente le immagini di uno strato di tessuto sotto i fotorecettori sensibili alla luce noti come epitelio pigmentato retinico (RPE). Il primo passo è stato insegnare al sistema a riconoscere la qualità dell'immagine come scarsa, moderata o buona. I ricercatori hanno fatto questo alimentando il sistema con più di 1.400 immagini provenienti da diverse aree della retina, ottenute utilizzando l'ottica adattiva dell'oftalmoscopia. Successivamente, hanno alimentato il sistema con le immagini corrispondenti provenienti dalle stesse posizioni retiniche, ma ottenute utilizzando l'oftalmoscopia standard. Un test sulla nitidezza dell'immagine ha dimostrato che l'intelligenza artificiale ha migliorato la nitidezza otto volte.

Il nostro sistema ha utilizzato ciò che ha appreso valutando le immagini ottenute dall'ottica adattiva per migliorare digitalmente le immagini ottenute utilizzando l'oftalmoscopia standard. È importante sottolineare che il sistema non crea nulla dal nulla. Le caratteristiche che vediamo nelle celle RPE con l'imaging standard non sono chiare. “

Johnny Tam, Ph.D., ricercatore presso il National Eye Institute del NIH

Queste tecniche comportano l’iniezione di un colorante chiamato verde indocianina (ICG) nel flusso sanguigno per aumentare il contrasto delle caratteristiche anatomiche. Nella clinica oculistica, l'ICG viene solitamente utilizzato per visualizzare i vasi sanguigni dell'occhio.

"La nostra strategia di imaging ICG consente di valutare rapidamente e regolarmente le cellule RPE in clinica", ha affermato Joanne Li, Ph.D., prima autrice del rapporto e ingegnere biomedico nel laboratorio di Tam. “Con l’intelligenza artificiale, è possibile ottenere immagini di alta qualità delle cellule RPE in pochi secondi utilizzando strumenti di imaging clinico standard”.

La funzione delle cellule RPE è quella di nutrire e supportare i fotorecettori. Una varietà di condizioni di abbagliamento colpiscono inizialmente le cellule RPE, tra cui la degenerazione maculare legata all'età, la distrofia maculare vitelliforme e la malattia di Stargardt. Tuttavia, le cellule RPE non possono essere facilmente visualizzate in clinica. L'oftalmoscopia ICG potenziata dall'intelligenza artificiale porta l'imaging RPE alla portata della tipica clinica oculistica. ##

Fonti: