La data di nascita dice quanti anni abbiamo vissuto, ma non necessariamente quanto velocemente il nostro organismo stia invecchiando. Due persone della stessa età possono infatti presentare condizioni di salute molto differenti, influenzate da genetica, ambiente e stile di vita. È proprio da questa differenza che nasce il concetto di età biologica, un parametro che la ricerca sta cercando di misurare attraverso sangue, organi, caratteristiche metaboliche e, sempre più spesso, immagini mediche.
Ora uno studio della Seoul National University, pubblicato su GeroScience, suggerisce che anche la retina potrebbe offrire informazioni utili. I ricercatori hanno sviluppato un sistema basato sull’analisi delle immagini del fondo dell’occhio in grado di stimare l’età cronologica e calcolare successivamente il cosiddetto retinal age gap, cioè la differenza tra l’età stimata dall’occhio e quella reale della persona.
Il sistema ha mostrato una buona capacità di prevedere l’età anagrafica e, soprattutto, valori più elevati di questo divario retinico sono risultati associati ad alcune condizioni di salute e abitudini già collegate all’invecchiamento. Il dato è interessante, ma non significa ancora che una fotografia della retina possa stabilire con precisione quanto una singola persona sia biologicamente “vecchia”.
Oltre 44 mila immagini della retina analizzate
Per costruire il modello, gli studiosi hanno utilizzato 29.530 immagini retiniche appartenenti a 7.535 partecipanti. Una caratteristica importante del lavoro riguarda il tipo di dati utilizzati: a differenza di molte ricerche precedenti, il set di addestramento non comprendeva soltanto occhi sani, ma anche immagini provenienti da persone con patologie della retina o del nervo ottico.
Successivamente il sistema è stato valutato su un gruppo indipendente formato da 14.832 immagini di altri 7.416 partecipanti. Questa separazione tra i dati utilizzati per sviluppare l’algoritmo e quelli impiegati per verificarne le prestazioni permette di capire meglio quanto il modello riesca a funzionare su immagini che non ha già visto durante la fase di apprendimento.
La stima dell’età cronologica ha raggiunto un errore medio compreso tra 2,5 e 2,7 anni, una precisione considerata competitiva rispetto ai precedenti modelli dedicati alla cosiddetta età retinica.
In altre parole, osservando un’immagine del fondo oculare, il sistema riusciva mediamente ad avvicinarsi all’età reale della persona con uno scarto di pochi anni.
Cos’è il retinal age gap e perché interessa i ricercatori
Il passaggio successivo è stato calcolare il retinal age gap, o RAG. In modo semplificato, questo valore rappresenta la differenza tra l’età che il modello attribuisce alla retina e l’età cronologica reale della persona.
Se, per esempio, l’algoritmo osserva una retina e la considera più “anziana” rispetto all’età anagrafica del soggetto, il RAG risulta positivo. L’ipotesi è che questa differenza possa contenere informazioni sullo stato generale dell’organismo, perché la retina è un tessuto altamente vascolarizzato e strettamente collegato sia al sistema nervoso sia a quello cardiovascolare.
È su questo punto che lo studio ha trovato alcune delle associazioni più interessanti.
Le persone con diabete presentavano in media un retinal age gap superiore di 2,52 anni. Nei fumatori attuali il valore era maggiore di circa 0,5 anni, mentre negli ex fumatori la differenza era di 0,46 anni.
Anche alcune patologie oculari mostravano un’associazione: la degenerazione maculare era collegata a un aumento medio del RAG di 0,6 anni, mentre per la cataratta la differenza arrivava a 1,86 anni.
Diabete e fumo associati a una retina apparentemente più vecchia
Il rapporto con il diabete è quello che, tra i fattori analizzati, mostra una delle differenze più marcate.
Il risultato è coerente con il fatto che il diabete può produrre modificazioni vascolari e retiniche, ma lo studio non permette di dire che la malattia “invecchi” la retina esattamente di 2,52 anni nel senso biologico del termine. Quel numero rappresenta una differenza media nella stima prodotta dal modello, osservata confrontando gruppi di persone.
Lo stesso vale per il fumo. I fumatori mostravano una retina stimata mediamente più anziana rispetto ai non fumatori, ma la differenza era relativamente piccola e inferiore al margine medio di errore del sistema nella previsione dell’età.
Questo dettaglio diventa importante soprattutto quando si tenta di trasferire il risultato dal livello di popolazione al singolo paziente. Una differenza di mezzo anno può emergere chiaramente analizzando migliaia di persone, ma non è sufficiente per stabilire con precisione il grado di invecchiamento di un individuo.
Il dato sulla cataratta richiede particolare cautela
Tra le associazioni osservate compare anche la cataratta, collegata a un retinal age gap maggiore di 1,86 anni.
Gli stessi ricercatori, però, invitano a interpretare questo dato con attenzione. La cataratta rende più opaco il cristallino e può quindi peggiorare la qualità delle immagini del fondo oculare. Una parte della differenza rilevata dall’algoritmo potrebbe perciò dipendere non da un effettivo invecchiamento accelerato della retina, ma semplicemente da immagini meno nitide.
È un esempio utile per comprendere i limiti dei sistemi basati sull’intelligenza artificiale applicata alle immagini mediche: l’algoritmo può identificare pattern molto complessi, ma capire esattamente quale caratteristica dell’immagine stia utilizzando per arrivare alla sua conclusione non è sempre immediato.
Per questo i risultati devono essere verificati con altri indicatori biologici e seguiti nel tempo prima di poter attribuire al RAG un significato clinico preciso.
Un algoritmo che considera contemporaneamente età e sesso
Per migliorare il modello, i ricercatori hanno utilizzato anche una tecnica di multi-task learning, facendo in modo che il sistema valutasse contemporaneamente età e sesso.
L’obiettivo è ridurre eventuali errori legati alle differenze fisiologiche tra uomini e donne. Se alcune caratteristiche della retina variano anche in base al sesso, un algoritmo che non ne tiene conto potrebbe erroneamente interpretarle come segnali dell’età.
L’utilizzo contemporaneo di più informazioni potrebbe quindi rendere le stime più robuste.
Un altro elemento innovativo è l’inserimento nel set di addestramento di immagini provenienti sia da occhi sani sia da occhi con malattie retiniche o del nervo ottico. Le precedenti ricerche sull’età retinica utilizzavano spesso campioni maggiormente selezionati, con il rischio di ottenere modelli meno efficaci quando applicati alla popolazione reale, dove le patologie oculari sono frequenti.
Potrebbe diventare un indicatore durante una normale visita oculistica
La prospettiva più interessante riguarda un possibile utilizzo futuro nella pratica clinica.
Le fotografie del fondo oculare vengono già effettuate regolarmente negli ambulatori di oftalmologia. Se il retinal age gap si dimostrasse realmente collegato allo stato di salute generale, l’analisi potrebbe un giorno essere integrata in esami che vengono già eseguiti, senza richiedere procedure invasive aggiuntive.
Secondo gli autori, valori particolarmente elevati potrebbero eventualmente aiutare a segnalare pazienti da sottoporre a ulteriori controlli sistemici, soprattutto quando non sono ancora presenti sintomi evidenti.
Un’altra possibilità sarebbe ripetere l’esame nel tempo e osservare se il parametro cambia dopo trattamenti o modifiche dello stile di vita.
Sono però applicazioni ancora ipotetiche. Prima di arrivare a questo punto sarà necessario dimostrare che le variazioni del RAG nel tempo riflettano realmente cambiamenti dell’invecchiamento biologico e non semplicemente variazioni delle immagini o del funzionamento dell’algoritmo.
Non è ancora un test dell’età biologica individuale
Lo studio presenta infatti un limite fondamentale: il retinal age gap non è stato confrontato direttamente con altri biomarcatori già utilizzati per studiare l’invecchiamento biologico.
Il fatto che valori più elevati siano associati a diabete, fumo e alcune condizioni oculari rende il parametro interessante, ma non basta a dimostrare che misuri davvero l’età biologica dell’organismo.
Serviranno soprattutto studi longitudinali, nei quali le stesse persone vengano seguite per anni. Solo così sarà possibile capire se una retina che appare “più vecchia” predica effettivamente un maggiore rischio di malattie, declino funzionale o altri esiti legati all’invecchiamento.
Gli stessi autori sottolineano che, al momento, il metodo è più adatto a descrivere tendenze a livello di popolazione che a stimare il rischio di una singola persona. Molte delle differenze osservate sono infatti inferiori al margine di errore del modello nella stima dell’età.
L’idea che gli occhi possano offrire una finestra sull’invecchiamento dell’intero organismo resta quindi promettente, ma ancora da verificare. Per ora la ricerca dimostra soprattutto che le immagini della retina contengono molte più informazioni di quelle necessarie a valutare soltanto la salute dell’occhio: il passo successivo sarà capire quanto queste informazioni possano davvero raccontare sul modo in cui il resto del corpo sta invecchiando.
Fonte
Springer Nature - Deep learning–derived retinal age gap and its associations with lifestyle, systemic, and ocular health in a health screening cohort
