An Intelligent Multimodal Deep Learning Framework for Early Diagnosis of Diabetic and Hypertensive Retinopathy Using Retinal Fundus Images

Sintesi Tecnica: Un Framework di Deep Learning Multimodale Intelligente per la Diagnosi Precoce della Retinopatia Diabetica e Ipertensiva

Problematica
La retinopatia diabetica (DR) e la retinopatia ipertensiva (HR) sono tra le principali cause di perdita irreversibile della vista a livello globale. Sebbene la diagnosi precoce sia fondamentale per prevenire la cecità, le attuali pratiche diagnostiche affrontano limitazioni significative. La maggior parte dei sistemi esistenti si basa esclusivamente sull'analisi delle immagini del fondo oculare, ignorando spesso biomarcatori clinici sistemici vitali come i livelli di glucosio nel sangue (emoglobina glicata) e la pressione sanguigna. Questo approccio "solo immagine" può portare a una riduzione dell'accuratezza diagnostica, in particolare nei casi allo stadio iniziale o quando la qualità dell'immagine varia. Inoltre, molti modelli esistenti si concentrano o sulla DR o sulla HR isolatamente, invece di affrontare entrambe le condizioni simultaneamente all'interno di un framework unificato. Esiste anche una lacuna nell'implementazione clinica di sistemi multimodali che integrino l'imaging con le cartelle cliniche elettroniche (EHR) utilizzando strumenti di prototipazione accessibili come MATLAB.

Metodologia
Gli autori propongono un framework di deep learning ibrido e multimodale implementato in MATLAB (R2023a) per diagnosticare sia la DR che la HR, fondendo le immagini del fondo oculare con i dati clinici sistemici.

1. Acquisizione dei Dati: Lo studio ha utilizzato un dataset di 1.200 immagini del fondo oculare provenienti da un ospedale di Pune, India, accompagnate dai corrispondenti record clinici. Il dataset includeva 300 casi normali, 825 casi di DR (lieve, moderata, grave) e 35 casi di HR. Gli attributi clinici comprendevano l'emoglobina glicata (riferita come cartelle cliniche elettroniche nel testo), la pressione arteriosa sistolica (riferita come cartelle cliniche elettroniche sistoliche) e la durata della malattia.
2. Pre-elaborazione:
   • Immagini: Le immagini del fondo oculare sono state sottoposte a miglioramento del contrasto tramite equalizzazione dell'istogramma, riduzione del rumore tramite filtro mediano, conversione in scala di grigi e normalizzazione della luminosità.
   • Dati Clinici: Le variabili cliniche numeriche sono state normalizzate utilizzando la scalatura z-score.
3. Segmentazione ed Estrazione delle Caratteristiche:
   • Elaborazione Immagini: Il framework ha impiegato U-Net per la segmentazione dei vasi sanguigni e del disco ottico, modelli di contorno attivo per i contorni delle lesioni e crescita a regioni (region growing) per l'identificazione degli essudati.
   • Estrazione delle Caratteristiche: Le caratteristiche profonde (deep features) sono state estratte dalle regioni segmentate utilizzando Reti Neurali Convoluzionali (CNN).
4. Fusione Multimodale e Classificazione:
   • Il sistema utilizza una strategia di Fusione Intermedia (Congiunta). Le caratteristiche dell'immagine (estratte tramite CNN/Vision Transformer) e le caratteristiche cliniche (codificate tramite MLP o encoder di testo) vengono concatenate o fuse utilizzando meccanismi di attenzione per creare una rappresentazione latente congiunta.
   • Le caratteristiche fuse vengono passate attraverso uno strato di classificazione (Softmax) per predire le etichette della malattia.
   • L'architettura del modello integra il deep learning (CNN) con l'elaborazione dei dati clinici tramite encoder MLP e meccanismi di fusione a porta (gated fusion).
5. Validazione: Il dataset è stato suddiviso in set di addestramento (70%), validazione (15%) e test (15%). Il modello è stato valutato utilizzando la validazione incrociata a 10 pieghe (10-fold cross-validation) per garantire la stabilità e prevenire l'overfitting.

Contributi Chiave

• Rilevamento di Patologie Duali: A differenza di molti lavori precedenti che si concentrano su una singola malattia, questo framework diagnostica simultaneamente sia la Retinopatia Diabetica che quella Ipertensiva.
• Integrazione Multimodale: Lo studio dimostra l'efficacia della fusione dell'imaging retinico con i biomarcatori sistemici (emoglobina glicata e pressione sanguigna) per superare i limiti dei modelli basati solo sulle immagini.
• Implementazione in MATLAB: Il framework è sviluppato interamente in MATLAB, offrendo una soluzione scalabile e a basso costo, adatta alla prototipazione medica e ad ambienti con scarse risorse.
• Architettura Ibrida: L'integrazione del deep learning (CNN) con l'elaborazione dei dati clinici (MLP) crea uno strumento diagnostico robusto che cattura sia le lesioni retiniche locali che il contesto fisiologico sistemico.

Risultati
Il framework multimodale proposto ha dimostrato prestazioni superiori rispetto ai baseline a singola modalità:

• Accuratezza: Il modello ibrido ha raggiunto un'accuratezza complessiva del 98%.
• Confronto: Questo ha superato i modelli CNN basati solo sulle immagini (91,82% di accuratezza) e i modelli Random Forest basati solo sui dati clinici (85,90% di accuratezza).
• Metriche: Il modello ha raggiunto una Sensibilità del 96,04%, una Specificità del 98,10%, un F1-Score di 0,976 e un AUC di 0,98.
• Riduzione degli Errori: L'integrazione dei dati clinici ha ridotto i falsi negativi di circa il 40% rispetto agli approcci CNN di base, migliorando particolarmente il rilevamento della DR e della HR allo stadio iniziale.
• Significatività Statistica: Un t-test accoppiato ha confermato che l'inclusione delle caratteristiche cliniche ha prodotto un miglioramento statisticamente significativo dell'accuratezza (p < 0,001). Anche il test ANOVA ha mostrato un effetto principale significativo del tipo di modalità (F(2, 27) = 23,6, p < 0,0005).
• Generalizzazione: Il modello ha mantenuto un'accuratezza superiore al 95% attraverso diversi gruppi demografici (età 35–75) e stadi della malattia.

Significatività e Rivendicazioni
Il documento sostiene che questo framework multimodale rappresenti un "salto quantico" rispetto ai tradizionali metodi basati solo sulle immagini, aumentando significativamente la sensibilità diagnostica, specialmente per i casi precoci in cui i segni visivi sono sottili. Incorporando il contesto sistemico (emoglobina glicata e pressione sanguigna), il sistema riduce i falsi negativi e migliora la stratificazione del rischio.

Gli autori affermano che il framework è particolarmente prezioso per:

• Screening e Telemedicina: Fornire una soluzione scalabile e a basso costo per lo screening oftalmico su larga scala, specialmente in aree con accesso limitato agli specialisti.
• Supporto alle Decisioni Cliniche: Offrire una valutazione del rischio completa che aiuti in processi decisionali più rapidi e accurati.
• Diagnosi Duale: Consentire lo screening sia della DR che della HR attraverso un unico percorso di acquisizione dell'immagine.

Lo studio conclude che, sebbene i risultati attuali siano promettenti, il lavoro futuro dovrebbe concentrarsi sulla validazione del modello con dati multicentrici, sull'implementazione del sistema su dispositivi mobili per la diagnosi al punto di cura (point-of-care) e sulla conduzione di studi longitudinali per monitorare la progressione della malattia e la risposta al trattamento.