Un modello multimodale di AI potrebbe prevedere la risposta alle terapie nell’edema maculare diabetico
BY: QS PRO Oftalmologia
6 Marzo 2026 by Susanna Guzzetti
Secondo uno studio pubblicato sull’IEEE Journal of Biomedical and Health Informatics, un nuovo modello di intelligenza artificiale multimodale potrebbe migliorare la previsione della risposta individuale alla terapia nei pazienti con edema maculare diabetico (DME).
“La previsione della risposta terapeutica nel DME rappresenta una sfida clinica rilevante per la medicina personalizzata in oftalmologia. I metodi esistenti spesso utilizzano dati unimodali o non sfruttano adeguatamente l’integrazione tra immagini e dati clinici” spiega Shijing Wu, della Zhejiang University, Hangzhou, Cina, primo nome dello studio.
Per superare questi limiti, gli autori hanno sviluppato MVTT-GMamba, un framework di apprendimento multimodale che integra immagini di tomografia a coerenza ottica (OCT) con indicatori clinici strutturati per prevedere precocemente l’efficacia del trattamento. Il modello si basa su un paradigma di ragionamento tramite grafi eterogenei a livello di caratteristiche, che consente di modellare esplicitamente le relazioni tra pazienti e variabili cliniche. A questo approccio si affianca un sistema di classificazione guidato da grafi che incorpora progressivamente informazioni strutturali nel processo predittivo. Dal punto di vista architetturale, il framework utilizza encoder specifici per ciascun tipo di dato: MambaVision per l’analisi delle immagini OCT e TabTransformer per l’elaborazione dei dati clinici tabellari.
I due flussi informativi vengono poi integrati attraverso un modulo di fusione multimodale basato su cross-attention precoce, consentendo una rappresentazione più fine e completa delle informazioni cliniche e anatomiche. Le prestazioni del modello sono state valutate su un dataset clinico privato (DMETHERA-ECSAHZU) e sul benchmark pubblico APTOS2021, mostrando risultati superiori rispetto ai metodi attualmente disponibili su tutte le metriche di valutazione. Le visualizzazioni generate con tecnica Grad-CAM hanno inoltre evidenziato che il modello focalizza l’attenzione su regioni retiniche clinicamente rilevanti, migliorando la trasparenza e l’interpretabilità delle predizioni. “L’integrazione multimodale tra immagini OCT e dati clinici può migliorare significativamente la previsione della risposta alla terapia, offrendo uno strumento promettente per la medicina di precisione nel trattamento dell’edema maculare diabetico” concludono gli autori.
IEEE J Biomed Health Inform. 2026 Mar 4:PP. doi: 10.1109/JBHI.2026.3670360. Online ahead of print.
