Imaging Biomedicale nella Degenerazione Maculare: Tecnologie e Metodi di Analisi

La maculopatia degenerativa dovuta all’invecchiamento (o anche Degenerazione Maculare Senile) è una patologia complessa che tende a manifestarsi con l’avanzare dell’età e risulta essere la maggior causa di cecità dovuta all’avanzare dell’età nel mondo. Essa comporta dei danni alla macula oculare, concludendosi con la perdita irreversibile della visione centrale. Questa patologia è caratterizzata da degli accumuli di lipoproteine che si depositano tra il tessuto pigmentato esteriore della retina e la membrana di Bruch. A seconda della grandezza, forma e densità di questi accumuli (chiamati “drusen”) la patologia è stata suddivisa in più stadi e categorizzata in diversi livelli di severità dove, nelle fasi più avanzate, possono essere presenti regioni caratterizzate da atrofia maculare (Geographic Atrophy) e/o trasudazione di liquidi dovuta alla neovascolarizzazione coroideale della macula. Circa nel 15% dei casi la maculopatia si presenta in questa seconda “forma” (ci si riferisce con Maculopatia “umida”) ed è possibile intervenire clinicamente, mentre per il restante 85% (Maculopatia “Secca”) la perdita della vista è un processo irreversibile. Con questo lavoro si intende analizzare e confrontare fra loro le tecnologie e le metodiche adoperate nella diagnostica e nella classificazione della severità della patologia. L’attenzione maggiore è rivolta alle tecniche di imaging e di elaborazione delle immagini (anche automatizzate e/o che prevedono machine learning). Per quel che riguarda una prima diagnosi iniziale della patologia, test clinici come la retinografia (Color Fundus Photography), la griglia di Amsler o anche semplici test dell’acuità visiva sono i più utilizzati. Per successive classificazioni dello stadio e della severità della maculopatia, verranno discusse tecniche di imaging invasive e non, come l’Autofluorescenza (FAF), la Tomografia Ottica Computerizzata nel Dominio Spettrale (SD-OCT), la Fluoroangiografia (rispettivamente con fluoresceina (FA) o indocianina verde (ICG)) o ancora mediante l’uso di infrarossi con L’oftalmoscopia a scansione Laser (SLO). L’elaborazione delle immagini ottenute mediante questi test ha come fine ultimo quello di dare una stima, in modo più qualitativo possibile, dei livelli di avanzamento e di severità della patologia, nonché la possibilità di rilevarla con successo; l’elaborazione varia a seconda delle tecniche di screening adoperate. L’interesse maggiore è volto agli algoritmi legati all’individuazione e alla quantificazione dei drusen: verranno evidenziate le tecniche che si basano sull’analisi delle texture, dei bordi e della morfologia matematica dei drusen. Saranno affrontate anche tecniche di pre-processing delle immagini ai fini di rendere più semplici successive elaborazioni (Sogliatura, contrasto, segmentazione). Ogni test diagnostico e algoritmo di post elaborazione che verranno trattati presentano sia vantaggi che svantaggi ed è nostro obiettivo quello di comprendere quali sono quelli più validi ed efficaci. In conclusione, sarà quindi di nostro interesse valutare queste metodologie e gli algoritmi tramite i quali è possibile automatizzare i processi di elaborazione delle tecniche precedentemente discusse per migliorarne efficacia ed affidabilità, tramite Deep & Machine Learning.