Ricerche

Un modello di apprendimento automatico sviluppato dai ricercatori della Duke University in Nord Carolina può differenziare la cognizione normale dal lieve deterioramento cognitivo (MCI, mild cognitive impairment) usando immagini retiniche dall'occhio.

Il modello analizza le immagini della retina e i dati associati e riconosce caratteristiche specifiche per identificare le persone con MCI. Il modello, pubblicato su Oftalmology Science, dimostra il potenziale di un metodo non invasivo ed economico per identificare i primi segni di compromissione cognitiva che potrebbe progredire verso il morbo di Alzheimer (MA).

"Questo è un lavoro particolarmente entusiasmante perché finora non eravamo riusciti a differenziare l'MCI dalla cognizione normale con i modelli precedenti", ha affermato l'autrice senior Sharon Fekrat MD, prof.ssa nei dipartimenti di oftalmologia e neurologia della Duke e prof.ssa associata nel Dipartimento di chirurgia. "Questo lavoro ci fa fare un passo avanti nel rilevare il deterioramento cognitivo prima che avanzi alla demenza di MA".

La Fekrat e i colleghi avevano sviluppato in precedenza un modello che usava scansioni retiniche e altri dati per identificare con successo i pazienti con una diagnosi nota di MA. Le scansioni - basate sulla tomografia a coerenza ottica (OCT) e angiografia OCT (OCTA) - hanno rilevato cambiamenti strutturali nella retina neurosensoriale e sulla sua microvascolatura tra i pazienti di MA.

Il presente studio espande quel lavoro, usando tecniche di apprendimento automatico per rilevare l'MCI, che è spesso un precursore di MA. Il nuovo modello identifica le caratteristiche specifiche nelle immagini OCT e OCTA che segnalano la presenza di compromissione cognitiva, insieme ai dati sui pazienti come età, sesso, acuità visiva e anni di istruzione e dati quantitativi dalle immagini stesse.

I ricercatori hanno riferito che il modello ha analizzato le foto e le scansioni della retina insieme a dati quantitativi per differenziare le persone con cognizione normale da quelle con una diagnosi di MCI, con una sensibilità del 79% e una specificità dell'83%.

"Questo è il primo studio a usare le immagini retiniche OCT e OCTA per distinguere le persone con MCI da individui con cognizione normale", ha affermato i primo coautore C. Ellis Wisely MD, assistente professore nel Dipartimento di Oftalmologia. "Avere un mezzo non invasivo e meno costoso per identificare in modo affidabile questi pazienti è sempre più importante, in particolare ora che stanno per essere disponibili nuove terapie per il MA".

"La retina è una finestra sul cervello e gli algoritmi di apprendimento automatico che sfruttano le scansioni della retina non invasive ed economiche per valutare la salute neurologica possono essere uno strumento potente per individuare i pazienti su vasta scala", ha affermato il primo coautore Alexander Richardson, studente nel laboratorio Eye Multimodal Imaging in Neurodegenerative Disease della Duke.