Rilevamento assistito da IA delle anomalie strutturali dei nervi corneali nella cheratopatia diabetica precoce: sviluppo e validazione di un framework di deep learning

Perché i minuscoli nervi oculari contano nel diabete

Il diabete è noto per danneggiare i nervi di grandi dimensioni nei piedi e nelle gambe, causando spesso dolore, intorpidimento e talvolta amputazioni. Ma molto prima che questi danni diventino evidenti, i nervi più piccoli del corpo possono cominciare a funzionare male. La finestra trasparente nella parte anteriore dell’occhio — la cornea — è ricca di queste fibre minute. Questo studio dimostra come l’imaging avanzato e l’intelligenza artificiale (IA) possano collaborare per individuare precocemente i danni ai nervi corneali, offrendo potenzialmente un nuovo metodo indolore per rilevare problemi neurologici nei pazienti diabetici prima che diventino gravi.

Vedere il danno nervoso precoce attraverso l’occhio

I test attuali per il danno nervoso diabetico sono lontani dall’essere perfetti. I controlli semplici a letto dipendono dall’abilità del medico e dalle risposte del paziente e spesso non rilevano cambiamenti sottili e iniziali. Test più precisi, come gli studi di conduzione nervosa o le biopsie cutanee, sono invasivi, costosi e non pratici per uno screening di routine. La cornea, invece, può essere esaminata in modo non invasivo con la microscopia confocale in vivo, una videocamera specializzata che acquisisce immagini altamente ingrandite dei nervi corneali. I ricercatori hanno già dimostrato che la perdita complessiva di questi nervi è correlata alla gravità della neuropatia diabetica. Ma i segnali d’allarme più precoci non riguardano sempre la quantità di nervi; possono consistere in minuscoli difetti strutturali lungo fibre altrimenti integre.

Concentrarsi su piccoli punti caldi chiamati microneuromi

Negli ultimi anni, medici che usano microscopi ad alta potenza hanno osservato piccole macchie luminose e gonfie lungo i nervi corneali in persone con diabete. Questi “microneuromi” sono ritenuti riflettere terminazioni nervose sotto stress o in rigenerazione e possono comparire prima di ampie aree di perdita nervosa. Il team dietro questo studio ha deciso di insegnare a un computer a riconoscere automaticamente queste caratteristiche sottili. Hanno raccolto più di 5.000 immagini corneali da persone con diabete e da volontari sani in due centri oftalmici in Cina. Specialisti corneali esperti hanno attentamente scartato le immagini di scarsa qualità, etichettato dove erano presenti i microneuromi e li hanno classificati in tre pattern visibili: rigonfiamenti localizzati, ingrossamenti maggiori a forma di bulbo e chiazze più diffuse e brillanti.

Addestrare un assistente IA a leggere le immagini dei nervi

Utilizzando queste immagini etichettate dagli esperti, i ricercatori hanno costruito un sistema di deep learning multi-fase. Innanzitutto, un modello IA ha selezionato le immagini sfocate o fuori bersaglio e ha mantenuto solo quelle che mostravano chiaramente lo strato nervoso chiave. Un secondo modello ha valutato se un’immagine contenesse o meno microneuromi. Un terzo ha delineato le regioni esatte in cui comparivano queste lesioni, e altri tre modelli le hanno classificate nei tre tipi visivi. Il sistema è stato addestrato con dati provenienti da un ospedale ed è stato poi testato sia su immagini non viste dello stesso centro sia su un gruppo completamente indipendente proveniente dall’altro ospedale, per verificare l’affidabilità su differenti popolazioni di pazienti e sessioni di imaging.

Come si è comportata l’IA nella pratica

L’IA ha dimostrato un’alta accuratezza nel controllo di qualità di base, giudicando correttamente le immagini utilizzabili oltre il 97% delle volte. Nel decidere se fossero presenti microneuromi, ha classificato correttamente le immagini circa l’81–84% delle volte sia nei set di test interni sia in quelli esterni. Anche la capacità di segmentare e sottotipizzare le lesioni è risultata solida, con prestazioni che sono rimaste ragionevolmente elevate anche sui dati del secondo centro. Per valutare l’impatto nella lettura reale, il team ha chiesto a giovani oftalmologi — con poca formazione formale in questa tecnica di imaging — di leggere un set separato di 150 immagini prima da soli e poi con il supporto dell’IA. Con la guida dell’IA, la loro accuratezza diagnostica è passata da circa il 69% all’88%, e il tempo medio di lettura per immagine è stato ridotto di più della metà, suggerendo che strumenti di questo tipo potrebbero accelerare le attività ambulatoriali e ridurre l’affaticamento visivo dei clinici.

Cosa potrebbe significare per le persone con diabete

Questo studio dimostra che un sistema IA accuratamente addestrato può trovare e descrivere automaticamente minuscole anomalie nervose nella cornea, e che ciò può aiutare in modo sostanziale medici meno esperti a interpretare scansioni oculari complesse. Sebbene la ricerca sia ancora preliminare e basata su dati retrospettivi provenienti da due centri, rafforza l’idea che la superficie oculare possa funzionare come una “finestra” sulla salute dei piccoli nervi del corpo. Se futuri studi multicentrici e a lungo termine confermeranno che i microneuromi corneali segnalano in modo affidabile un danno nervoso diabetico precoce, questo tipo di imaging assistito dall’IA potrebbe diventare un modo rapido e non invasivo per effettuare screening nelle persone con diabete, monitorare la progressione e forse intervenire prima che il danno nervoso diventi permanente.

Citazione: Pan, J., Shi, X., Wan, L. et al. AI-Assisted detection of corneal nerve structural abnormalities in early diabetic keratopathy: development and validation of a deep learning framework. Sci Rep 16, 5846 (2026). https://doi.org/10.1038/s41598-026-36576-1

Parole chiave: neuropatia diabetica, nervi corneali, microneuromi, deep learning, microscopia confocale in vivo