L’AI migliora l’analisi delle immagini nell’edema maculare diabetico, nonostante sfide cliniche
BY: QS PRO Oftalmologia
6 Marzo 2026 by Susanna Guzzetti
Secondo una revisione pubblicata su Frontiers in Artificial Intelligence, i modelli di deep learning e machine learning stanno mostrando risultati promettenti nell’analisi delle immagini oftalmologiche per l’edema maculare diabetico (DME), ma l’integrazione di algoritmi di ottimizzazione rappresenta un elemento chiave per migliorarne ulteriormente l’efficacia.
“L’edema maculare diabetico č una delle principali cause di compromissione visiva nei pazienti diabetici e richiede strumenti diagnostici rapidi e accurati. I progressi dell’intelligenza artificiale stanno aprendo nuove prospettive nell’analisi delle immagini retiniche” afferma Seemant Raizada, del Kuwait Specialized Eye Center, Kuwait City, Kuwait, autore senior del documento.
La revisione ha analizzato studi che applicano tecniche di deep learning (DL) e machine learning (ML) alla diagnosi e classificazione del DME, con particolare attenzione al ruolo degli algoritmi di ottimizzazione nell’incrementare robustezza, accuratezza e performance dei modelli. L’analisi č stata condotta utilizzando il framework PICO (Population, Intervention, Comparison, Outcome), mentre la qualitŕ metodologica degli studi inclusi č stata valutata tramite gli strumenti di appraisal del Joanna Briggs Institute. Tra i modelli analizzati, l’Auto-Metric Graph Neural Network ha raggiunto un’accuratezza del 99,57% nella classificazione combinata di retinopatia diabetica ed edema maculare diabetico. I risultati suggeriscono che architetture ibride potenziate da algoritmi metaeuristici possano migliorare significativamente le prestazioni dei sistemi di intelligenza artificiale.
Tuttavia, gli esperti evidenziano alcune criticitŕ. Nei modelli basati su YOLO, ad esempio, la precisione media nell’identificazione delle lesioni rimane relativamente bassa, con valori medi di 0,154 nei test set. Inoltre, la limitata interpretabilitŕ clinica dei modelli rappresenta una barriera importante per l’adozione nella pratica clinica. “I sistemi di intelligenza artificiale per l’analisi dell’edema maculare diabetico stanno mostrando performance molto elevate, ma per un’implementazione clinica efficace sarŕ necessario migliorare l’identificazione delle lesioni e la trasparenza dei modelli, in modo da aumentare la fiducia dei clinici” concludono gli autori.
Front Artif Intell. 2026 Feb 13:9:1684752. doi: 10.3389/frai.2026.1684752. eCollection 2026.
