Rilevamento e segmentazione automatica dell’anello di Weiss nelle immagini della fotografia del fondo oculare mediante deep learning

Perché contano i piccoli anelli nell’occhio

Con l’avanzare dell’età molte persone notano nuovi “mosche volanti” che si spostano nel campo visivo. La maggior parte non è pericolosa, ma alcune possono indicare cambiamenti che talvolta portano a lacerazioni retiniche e persino alla cecità. Uno dei segni più netti di questo cambiamento è una piccola macchia a forma di anello all’interno dell’occhio, chiamata anello di Weiss. Nelle fotografie oculistiche di uso comune, però, questo anello può essere tenue e facile da perdere — anche per gli esperti, e ancor più per i computer. Questo studio descrive un nuovo sistema di intelligenza artificiale (IA) che impara a individuare e delineare gli anelli di Weiss nelle fotografie retiniche standard, trasformando potenzialmente immagini di routine in una fonte più ricca di informazioni cliniche e di ricerca.

Un indizio sottile nelle fotografie oculari di routine

L’interno dell’occhio è riempito da un gel trasparente che si separa lentamente dalla retina con l’età, un processo noto come distacco posteriore del vitreo. Quando questa separazione è completa, può lasciare davanti alla testa del nervo ottico un anello di tessuto in sospensione: l’anello di Weiss. La sua presenza indica che la separazione è avvenuta, e in alcuni pazienti con lampi improvvisi o mosche volanti può segnare una finestra temporale in cui la retina è più vulnerabile a piccole lacerazioni. Tuttavia gli anelli di Weiss non sono sempre visibili, possono trovarsi fuori dal campo visivo della fotocamera e spesso appaiono come ombre sfocate. I sistemi di IA tradizionali addestrati a trovare malattie retiniche comuni hanno per lo più ignorato queste strutture o le hanno interpretate come artefatti, lasciando inutilizzata un’informazione importante.

Insegnare ai computer a trovare l’anello

I ricercatori hanno raccolto 582 fotografie a colori dell’occhio da diversi database pubblici e hanno chiesto a tre specialisti di etichettare quali immagini contenessero un anello di Weiss e di tracciarne con cura il contorno. Ne sono risultate 194 immagini con anello e 388 senza. Hanno quindi costruito un sistema di IA in due parti. Una componente, chiamata rete di segmentazione, ha imparato a disegnare una mappa pixel per pixel di dove si trova l’anello in ciascuna immagine. L’altra componente, una rete di classificazione, ha imparato a decidere se in quell’immagine sia presente o meno un anello. Un secondo classificatore ha esaminato solo la maschera di segmentazione, giudicando se l’area marcata somigliasse davvero a un anello. Infine, un semplice modello statistico ha combinato i due punteggi di classificazione in una singola previsione finale.

Quanto bene ha funzionato il sistema

Su un set di test tenuto fuori dall’addestramento, che l’IA non aveva mai visto, la rete che delineava l’anello ha prodotto mappe che si sovrapponevano in modo ragionevole ai disegni degli esperti, specialmente nei casi più chiari. È risultata particolarmente sensibile, rilevando la maggior parte degli anelli veri, sebbene talvolta abbia marcato regioni aggiuntive dove riflessi o texture di sfondo imitavano un anello. Quando l’output di segmentazione è stato fuso con il classificatore a livello di immagine, la rilevazione complessiva è migliorata. Il sistema combinato ha distinto correttamente immagini con e senza anello con un alto valore di area sotto la curva (circa 0,90) e buona accuratezza, mostrando anche una solida capacità di escludere le immagini senza anello. Mappe di calore visive hanno confermato che il modello si concentrava principalmente sull’area intorno al nervo ottico dove gli anelli di Weiss tipicamente compaiono, aumentando la fiducia che usasse indizi clinicamente significativi anziché pattern spurii.

Cosa potrebbe significare per assistenza e ricerca

Gli autori sottolineano che questo strumento non sostituisce un esame oculare completo o esami avanzati quando qualcuno riferisce lampi o mosche volanti improvvise. Le fotografie standard coprono solo una parte della retina, e molte persone con distacco del vitreo non mostrano mai un anello visibile. Il sistema è invece presentato come un assistente: può segnalare immagini per un esame più attento in grandi programmi di screening, aiutare i tirocinanti a imparare a riconoscere anelli sottili e permettere ai ricercatori di esplorare migliaia di foto archiviate per studiare con quale frequenza gli anelli compaiono e come si collegano a fattori come età, interventi chirurgici o altre malattie oculari. Poiché lo studio ha usato un numero modesto di immagini provenienti da fonti pubbliche, saranno necessari trial più ampi e real-world — idealmente confrontando i risultati con imaging grandangolare o scansioni tridimensionali — prima che l’approccio possa essere considerato affidabile nelle decisioni cliniche di tutti i giorni.

Un piccolo anello con grande potenziale sui dati

In termini semplici, questo lavoro mostra che un computer può essere addestrato non solo a dire “sì o no” riguardo a un piccolo anello fluttuante nell’occhio, ma anche a delineare dove si trova. Pur essendo ancora una prova di concetto e non un’autorità diagnostica, apre la strada a trasformare una caratteristica spesso trascurata in un segnale ricercabile attraverso gigantesche collezioni di immagini. Usata con prudenza e insieme a un esame appropriato, tale IA potrebbe aiutare medici e ricercatori a prestare maggiore attenzione a mosche volanti sottili che raccontano la storia dell’occhio che invecchia.

Citazione: Kim, H., Ryu, S.Y., Yoo, T.K. et al. Automated detection and segmentation of Weiss ring in fundus photography images using deep learning. Sci Rep 16, 13787 (2026). https://doi.org/10.1038/s41598-026-44593-3

Parole chiave: Anello di Weiss, imaging retinico, deep learning, distacco del vitreo, IA medica