7 Minute
Inteligența artificială (IA) poate acum identifica pacienții cu keratoconus care sunt susceptibili să experimenteze o progresie dăunătoare a bolii cu ani înainte ca monitorizarea clinică convențională să arate modificări. Prezentat la cel de-al 43-lea Congres al Societății Europene de Cataractă și Chirurgie Refractară (ESCRS), un nou studiu de la Moorfields Eye Hospital și University College London arată că învățarea automată aplicată scanărilor corneene și datelor clinice poate triage cu acuratețe pacienții pentru tratament precoce sau supraveghere sigură. Abordarea promite să prevină pierderea ireversibilă a vederii, să reducă transplanturile de cornee și să îmbunătățească alocarea resurselor în oftalmologie.
Context științific: Ce este keratoconusul și de ce contează momentul
Keratoconusul este o boală degenerativă a corneei care de obicei debutează în adolescență și progresează în viața adultă, determinând subțierea și bombarea spre exterior a corneei care în mod normal are o formă de cupolă. Corneea distorsionată produce vedere încețoșată sau distorsionată și poate reduce sever calitatea vieții. Estimările sugerează că keratoconusul afectează până la 1 din 350 de persoane în unele populații. Managementul variază de la lentile de contact speciale la o procedură minim invazivă numită cross-linking cornean (CXL), care folosește picături cu riboflavină (vitamina B2) și lumină ultravioletă pentru a rigidiza și stabiliza corneea.
CXL efectuată precoce — înainte de apariția cicatricilor permanente sau a subțierii severe — poate opri progresia și poate preveni necesitatea transplantului de cornee în majoritatea covârșitoare a cazurilor. Provocarea clinică este prezicerea pacienților care vor progresa. În prezent, majoritatea pacienților necesită ani de monitorizare regulată cu tomografie în coerență optică (OCT) și evaluări biomecanice pentru a detecta progresia; în momentul în care deteriorarea este confirmată, unele leziuni devin ireversibile.
Designul studiului și performanța IA
Cercetătorii conduși de Dr Shafi Balal au analizat un cohort mare retrospectiv de pacienți recomandați la Moorfields Eye Hospital pentru evaluarea și monitorizarea keratoconusului. Echipa a combinat 36.673 de imagini OCT de la 6.684 de pacienți unici cu date clinice de rutină și a antrenat un algoritm de IA pentru a prezice traiectoria bolii începând de la prima vizită clinică.
Rezultate-cheie
Modelul a împărțit pacienții în grupuri de risc utile clinic: aproximativ două treimi au fost clasificați ca risc scăzut (pot continua monitorizarea), iar aproximativ o treime au fost identificați ca risc înalt și recomandați pentru cross-linking prompt. Când algoritmul a primit imagistică și date dintr-o a doua vizită, acuratețea a crescut și mai mult — clasificând corect până la 90% dintre pacienți. Ratele de succes ale cross-linking-ului raportate în literatură depășesc 95% atunci când procedura este efectuată înainte de apariția cicatricilor structurale, ceea ce subliniază potențialul intervenției timpurii ghidate de IA.
Dr Balal a rezumat concluziile: "Cercetarea noastră arată că putem folosi IA pentru a prezice care pacienți au nevoie de tratament și care pot continua cu monitorizarea. Acesta este primul studiu de acest fel care obține acest nivel de acuratețe în prezicerea riscului de progresie a keratoconusului dintr-o combinație de scanări și date ale pacientului." El a observat că, deși lucrul curent a folosit un singur dispozitiv OCT, metodele și algoritmul pot fi adaptate la alte platforme de imagistică și vor fi supuse unor teste suplimentare de siguranță înainte de implementarea clinică.
Implicații clinice și beneficii pentru sistemul de sănătate
Dacă vor fi validate în studii multicentrice prospective, trierea algoritmică ar putea transforma îngrijirea keratoconusului din reacționare în proactivă. Beneficiile anticipate includ:
- Prevenirea pierderii evitabile a vederii prin efectuarea CXL înainte de apariția cicatricilor ireversibile.
- Reducerea numărului de transplanturi de cornee și a complicațiilor și poverii de recuperare asociate.
- Scăderea frecvenței vizitelor clinice inutile pentru pacienții cu risc scăzut, eliberând capacitate pentru îngrijiri complexe.
- Permiterea specialiștilor de a prioritiza pacienții cu cea mai mare nevoie, îmbunătățind parcursurile de îngrijire.
Dr José Luis Güell, membru ESCRS și șef al secției de Cornee, Cataractă și Chirurgie Refractară la Instituto de Microcirugía Ocular (neimplicat în studiu), a comentat: "Keratoconusul este o afecțiune gestionabilă, dar a ști pe cine să tratezi, când și cum să oferi tratamentul este o provocare. Din păcate, această problemă poate duce la întârzieri, iar mulți pacienți experimentează pierdere de vedere și ajung să necesite intervenții invazive sau transplant." Remarcile sale subliniază urgența clinică pentru o stratificare a riscului mai bună.
Limitări, validare și pași următori
Limitările studiului includ dependența de date obținute cu un singur dispozitiv OCT și designul retrospectiv. Autorii recunosc necesitatea validării prospective pe diferite dispozitive, în populații de pacienți diverse și în sisteme de sănătate variate pentru a confirma generalizabilitatea. Algoritmul va fi supus testelor de siguranță și revizuirii regulatorii înainte de orice implementare clinică.
Cercetătorii plănuiesc deja o generație următoare de IA antrenată pe milioane de scanări oculare pentru a extinde capabilitățile dincolo de prezicerea keratoconusului. Extensii potențiale includ detectarea automată a infecțiilor corneene, identificarea timpurie a bolilor ereditare retiniene sau corneene și integrarea cu dosarele electronice de sănătate pentru modelare longitudinală a riscului.
Opinia expertului
Dr. Maya Thompson, oftalmolog consultant și cercetător în IA aplicată sănătății, oferă o perspectivă practică: "Modelele de învățare automată sunt utile doar în măsura în care sunt integrate în fluxul clinic. Pentru keratoconus, un instrument de triere validat ar fi transformațional — permițând clinicianilor să ofere CXL timpuriu pacienților potriviți, reducând în siguranță urmărirea pentru alții. Pașii critici următori sunt studiile multicentrice, raportarea transparentă a performanței în funcție de tipul de dispozitiv și căi clare pentru consimțământul pacientului și guvernanța datelor. Realizat corect, IA poate proteja vederea și poate reduce presiunea asupra serviciilor oftalmologice."
Tehnologii conexe și perspective viitoare
Lucrarea se situează la intersecția imagisticii oftalmice, diagnosticării computaționale și IA tranlațională. Tehnologiile esențiale includ OCT de înaltă rezoluție, antrenarea modelelor la scară în cloud și dosarele electronice interoperabile. Cadrul de reglementare pentru IA medicală, studiile clinice aplicate și instruirea clinicianului vor determina cât de rapid trec algoritmii diagnostici din cercetare în practica de rutină.
Concluzie
Studiul demonstrează că IA aplicată la zeci de mii de scanări OCT și dosare clinice poate prezice progresia keratoconusului suficient de devreme pentru a schimba deciziile terapeutice. Prin permiterea unui cross-linking cornean țintit și în timp util, tehnologia ar putea preveni pierderea vederii, reduce ratele de transplant și optimiza resursele în oftalmologie. În așteptarea validării suplimentare și a testării agnostice față de dispozitiv, stratificarea algoritmică a riscului reprezintă un pas promițător către o îngrijire oculară personalizată și preventivă.
Sursa: sciencedaily
Comentarii