Construction of a Retinopathy of Prematurity Onset Prediction Model Using the Random Forest Machine Learning Algorithm

Ogni anno, migliaia di neonati nati prematuramente affrontano una minaccia silenziosa per la loro vista. Questa condizione, nota come retinopatia del prematuro, è un disturbo in cui i vasi sanguigni nella parte posteriore dell'occhio non si sviluppano correttamente. Poiché questi neonati nascono prima che i loro occhi siano completamente formati, la delicata rete di vasi che dovrà eventualmente trasportare il sangue alla retina può smettere di crescere o crescere in modo caotico e dannoso. Se lasciata incustodita, questa crescita anomala può staccare la retina dal fondo dell'occhio, portando alla cecità permanente. La finestra temporale per prevenire questo fenomeno è stretta; i medici devono identificare quali neonati sono a rischio e trattarli prima che il danno diventi irreversibile. Tuttavia, l'attuale sistema di controllo di ogni bambino prematuro per questa condizione è un pesante onere. La maggior parte di questi neonati non svilupperà mai la malattia, eppure devono sottoporsi a esami oculistici ripetuti, spesso stressanti, che consumano risorse mediche e causano ansia nelle famiglie. La sfida per i medici è trovare un modo per distinguere i pochi che hanno realmente bisogno di un intervento da quelli molti che non ne hanno bisogno, senza mancare un singolo caso.

Per risolvere questo enigma, i ricercatori di Guangxi, in Cina, si sono rivolti a uno strumento potente proveniente dal mondo dell'informatica: un algoritmo di apprendimento automatico chiamato Random Forest. Invece di affidarsi a una singola regola o a una semplice lista di controllo, questo approccio imita il modo in cui un gruppo di esperti potrebbe discutere una diagnosi, combinando molte diverse informazioni per raggiungere una conclusione più affidabile. Il team, guidato da Yong Yang e Minli Huang, si è posto l'obiettivo di costruire e testare un modello che potesse prevedere quali neonati prematuri avrebbero sviluppato la retinopatia del prematuro sulla base della loro storia clinica. Hanno raccolto dati da 150 neonati che erano stati sottoposti a screening in un ospedale locale tra gennaio e settembre 2024. Ogni neonato in questo gruppo era nato in anticipo, aveva un basso peso alla nascita o presentava altre gravi complicazioni di salute che lo ponevano a rischio. I ricercatori hanno esaminato attentamente le cartelle cliniche elettroniche di questi bambini, cercando modelli nelle loro prime fasi di vita che potessero segnalare problemi agli occhi.

I ricercatori sono partiti da una lunga lista di quarantasei potenziali segnali di avvertimento, che spaziavano dalla salute della madre durante la gravidanza ai trattamenti specifici che il bambino ha ricevuto dopo la nascita. Hanno inserito queste informazioni in cinque diversi modelli informatici, ciascuno progettato per trovare gli indizi più importanti. L'obiettivo era trovare i fattori su cui tutti i modelli concordavano come critici. Dopo aver elaborato i numeri, il computer ha identificato nove predittori chiave che apparivano costantemente attraverso i diversi metodi. Questi includevano l'età gestazionale del bambino e il peso alla nascita, l'uso della terapia dell'ossigeno e la specifica concentrazione di ossigeno somministrata, e la presenza di condizioni come l'anemia, la distress respiratorio e una grave infezione intestinale nota come enterocolite necrotizzante. La lista includeva anche se il bambino era stato concepito tramite fecondazione in vitro e se erano stati utilizzati antibiotici durante il loro soggiorno in ospedale. Concentrandosi su questi nove dettagli specifici, i ricercatori hanno ristretto l'enorme quantità di dati medici ai segnali più potenti.

Con questi nove fattori in mano, il team ha costruito il proprio modello di previsione e lo ha testato contro i dati reali dei 150 bambini. I risultati sono stati promettenti. Il modello si è dimostrato altamente efficace nell'identificare i bambini che non avevano la malattia, segnalando correttamente quasi tutti come a basso rischio. Infatti, lo studio ha confermato che nessuno dei 135 neonati prematuri che non hanno sviluppato la ROP è stato mancato dal modello. Ha inoltre previsto con successo l'insorgenza della condizione nella maggior parte dei casi in cui essa si è verificata. L'accuratezza del computer nel distinguere tra occhi sani e quelli che sviluppano la malattia è stata forte, con un punteggio di prestazione che indica che si tratta di uno strumento affidabile. Lo studio ha dimostato che, utilizzando questi nove indicatori medici specifici, il modello poteva analizzare i dati con un alto grado di fiducia, suggerendo che potrebbe aiutare i medici a decidere quali bambini necessitano di maggiore attenzione urgente e quali potrebbero non richiedere uno screening così frequente e intensivo.

Le scoperte offrono un nuovo modo di guardare alla complessa biologia della nascita prematura. Lo studio ha confermato che i rischi più significativi sono legati all'immaturità del corpo del neonato e agli interventi necessari per mantenerlo in vita. Ad esempio, la necessità di alte concentrazioni di ossigeno, pur essendo salvavita per i polmoni, può essere dannosa per i vasi sanguigni in via di sviluppo dell'occhio. Allo stesso modo, condizioni che causano infiammazione o stress nel corpo, come gravi infezioni o difficoltà respiratorie, sembrano essere strettamente legate allo sviluppo di problemi oculari. Il modello non ha solo tirato a indovinare; ha imparato dai risultati reali di 150 pazienti, scoprendo che i bambini che hanno sviluppato la condizione erano generalmente più piccoli, nati in anticipo e con storie mediche più gravi rispetto a quelli che non l'hanno sviluppata. Questa connessione tra la lotta generale del corpo per la sopravvivenza e la specifica salute degli occhi fornisce un quadro più chiaro di chi sia più vulnerabile.

Sebbene il modello abbia mostrato grande potenziale, i ricercatori hanno osservato che non è una sfera di cristallo perfetta. Nei loro test, il sistema è stato estremamente bravo a escludere la malattia nei bambini sani, identificando correttamente tutti i 135 neonati che non hanno sviluppato la condizione. Tuttavia, il modello ha affrontato un limite nel prevedere esattamente quali neonati diagnosticati con ROP non avrebbero richiesto ulteriori screening, poiché la sua sensibilità nel rilevare l'insorgenza specifica nel gruppo più piccolo di soggetti affetti era inferiore. Questa è una distinzione cruciale in medicina: spesso è più sicuro mancare alcuni casi potenziali e trattarli in seguito piuttosto che dare falsi allarmi a molte famiglie sane. Lo studio suggerisce che questo strumento potrebbe essere utilizzato per aiutare i medici a dare priorità ai loro sforzi di screening, assicurando che i neonati più a rischio vengano visitati per primi. Non sostituisce la necessità di un attento esame da parte di un medico, ma offre un modo basato sui dati per organizzare le cure e ridurre il numero di procedure non necessarie. Concentrandosi sui nove fattori specifici identificati, i team medici possono comprendere meglio la traiettoria della salute di un neonato prematuro e prendere decisioni più informate sulla protezione della sua vista.