Il modello di intelligenza artificiale riduce drasticamente gli errori negli esami oculari

I ricercatori hanno recentemente progettato un algoritmo di intelligenza artificiale che sembra diagnosticare più accuratamente i problemi della vista rispetto ai classici test della vista attualmente utilizzati dai medici. Secondo Science, il nuovo test può ridurre l’errore diagnostico per gli esami oculari di circa il 74%.

Gli oftalmologi utilizzano lo stesso test della vista, il classico esame oculare basato su cartelli con lettere e simboli di diverse dimensioni, da decenni. I risultati del test sono interpretati dall’oftalmologo e, naturalmente, possono esserci errori nell’interpretazione dei risultati e nella diagnosi. I ricercatori di Stanford University hanno cercato di migliorare questi test con un algoritmo di intelligenza artificiale.

Secondo un informatico di Stanford, Chris Piech, parte del problema con i test tradizionali è che quando le lettere diventano troppo confuse per il soggetto da vedere, il soggetto inizia a indovinare le lettere. Questo indovinare significa che i risultati del test possono variare se una persona esegue il test più volte. Per sviluppare un test con maggiore accuratezza e ripetibilità, Piech e i suoi colleghi hanno creato un test online, i cui risultati sono stati utilizzati per addestrare un modello di intelligenza artificiale. Il test online inizia guidando l’utente nel processo di calibrazione del proprio schermo. Dopo la calibrazione dello schermo, l’utente inserisce la propria distanza dallo schermo e quindi il programma visualizza una lettera “E”, che appare in diverse orientazioni. Dopo di ciò, il modello assegna all’utente un punteggio di vista, basato su un modello statistico. Il programma pone 20 domande per ogni occhio, aggiornando il proprio punteggio di vista mentre lo fa, e quindi rende una previsione basata sul punteggio di vista.

Il team di ricerca ha eseguito il proprio modello attraverso 1000 simulazioni al computer che emulavano gli input di pazienti reali. La simulazione al computer funziona essendo programmata con un noto punteggio di acutezza visiva e quindi facendo gli stessi tipi di errori che una persona potrebbe fare durante il test. I ricercatori hanno condotto i test in questo modo perché per ogni test c’è un “vero” punteggio di acutezza, che non è il caso quando un essere umano esegue il test. Secondo i ricercatori, il loro modello è stato in grado di ridurre l’errore diagnostico di circa tre quarti (74%) rispetto ai classici test della vista. Nonostante questi risultati piuttosto impressionanti, Piech e i suoi colleghi avvertono che il modello non è destinato a sostituire i medici, ma è uno strumento che i medici potrebbero utilizzare per migliorare l’accuratezza di una diagnosi.

Un oftalmologo, Mark Blecher, ha espresso a Science l’opinione che, mentre il programma è un’implementazione utile e intelligente dei modelli di intelligenza artificiale per l’oftalmologia, i ricercatori dovrebbero anche prendere in considerazione cose come l’ambiente in cui il soggetto del test si trova, poiché questi attributi possono influenzare i risultati del test. Oltre a ciò, Blecher anticipa che i ricercatori potrebbero avere difficoltà a convincere gli oftalmologi a utilizzare il loro nuovo modello e a concordare su un nuovo standard, poiché lo status quo può essere difficile da rovesciare.

La ricerca condotta da Piech e dai suoi colleghi non è l’unico sviluppo recente riguardante sia l’intelligenza artificiale che la vista. Recentemente, Google (GOOGL ) ha sviluppato un modello di intelligenza artificiale che potrebbe occasionalmente superare i clinici nell’identificazione di condizioni oculari comuni che possono portare alla perdita della vista. Google DeepMind ha collaborato con il Moorfields Eye Hospital per sviluppare un modello che potrebbe prevedere in modo significativo la possibilità che un paziente sviluppi una forma grave di degenerazione maculare. Altrove, una startup israeliana di nome AEYE Health ha utilizzato tecniche di visione artificiale e apprendimento automatico per sviluppare scanner retinici che possono potenzialmente riconoscere in modo basilare e accurato condizioni oculari comuni, rimandando il paziente a un medico se la diagnosi è positiva.