Il glaucoma è un nemico silenzioso della vista, una malattia degli occhi che colpisce più di 1 milione di persone in Italia, di cui circa 150 mila in Lombardia, ma la metà di esse non ne sarebbero a conoscenza perché non effettuano visite oculistiche periodiche complete. “La maggior parte dei pazienti – dichiara il prof. Luca Rossetti, Direttore della Clinica Oculistica della ASST Santi Paolo e Carlo di Milano – non sa di avere il glaucoma perché nelle sue fasi iniziali è totalmente asintomatico e ciò rende la diagnosi precoce molto difficile”.
È una patologia degenerativa che “generalmente coinvolge entrambi gli occhi determinando danni permanenti al nervo ottico che nel tempo possono portare a ipovisione e cecità. Basti pensare che nel 25% dei casi un occhio va incontro alla perdita della vista mentre nel 10% dei casi entrambi gli occhi sono esposti al rischio concreto di perdere la vista. A partire dai 40 anni è buona norma sottoporsi regolarmente a controlli oculistici che includano la misurazione della pressione intraoculare cosi’ da poter scoprire la malattia nelle fasi iniziali quando ancora non presenta sintomi evidenti”.
Il glaucoma è una patologia cronica, progressiva ed irreversibile, caratterizzata da un danno alle cellule nervose dell’occhio, con conseguente danno del campo visivo, correlata a una pressione dell’occhio troppo elevata. Diagnosi precoce e trattamenti efficaci e tempestivi possono salvare la vista e preservare la qualità di vita nella maggior parte dei casi di glaucoma.
Nel 2020, durante la pandemia di Covid-19 si è verificata una svolta epocale nell’utilizzo delle innovazioni digitali, grazie a un sempre maggiore utilizzo dell’intelligenza artificiale. Nel campo della diagnosi e del monitoraggio del glaucoma, l’IA ha rivoluzionato il settore attraverso due principali approcci nell’ambito dell’apprendimento automatico: l’apprendimento supervisionato e l’apprendimento non supervisionato delle macchine.
L’apprendimento supervisionato implica che il modello venga addestrato utilizzando dati etichettati come “patologici” o “non patologici” (informazioni fornite), mentre l’apprendimento non supervisionato si riferisce a una modalità in cui il modello cerca di identificare pattern o strutture nei dati senza avere queste etichette iniziali.
