La progressione della miopia in età pediatrica è un problema frequente nella pratica clinica. Non tanto per la diagnosi iniziale, quanto per la difficoltà di rispondere a una domanda semplice e inevitabile: quanto peggiorerà, e cosa possiamo realisticamente fare per rallentarla?
Negli ultimi anni sono state proposte diverse strategie di controllo, dall’atropina a basse dosi all’ortocheratologia, fino a soluzioni ottiche più recenti. Tuttavia, la scelta del trattamento rimane spesso empirica, basata su medie di popolazione più che su previsioni sul singolo.
Lo studio pubblicato su npj Digital Medicine affronta proprio questo punto, proponendo un sistema di intelligenza artificiale in grado di prevedere la progressione della miopia su base individuale, integrando dati longitudinali e informazioni sui trattamenti.
Il modello è basato su un’architettura Transformer, progettata per analizzare sequenze temporali complesse. È stato addestrato su un dataset di dimensioni eccezionali: oltre 1,1 milioni di misurazioni refrattive provenienti da più di 300.000 bambini e adolescenti, con validazione su coorti indipendenti.
I risultati mostrano un’elevata accuratezza predittiva. Il sistema è in grado di stimare l’evoluzione dell’equivalente sferico e della lunghezza assiale fino a dieci anni, con valori di R² superiori a 0,9. In altre parole, il modello riesce a descrivere con buona precisione non solo se la miopia progredirà, ma come e quanto velocemente.
La parte più interessante, però, non è solo la previsione. Il modello integra un approccio di causal machine learning che permette di stimare l’effetto dei diversi trattamenti di controllo della miopia sul singolo paziente. Questo consente di confrontare scenari: cosa succederebbe senza intervento, e come cambierebbe la traiettoria con atropina, ortocheratologia, lenti a defocus periferico o luce rossa a bassa intensità.
I risultati confermano che tutte le principali strategie rallentano la progressione miopica, con entità diverse. In particolare, la terapia con luce rossa a bassa intensità mostra, in media, anche una modesta inversione della miopia, un dato che suscita interesse ma che richiede cautela, soprattutto alla luce delle questioni di sicurezza ancora aperte e della necessità di follow-up a lungo termine.
Questo studio, in ogni caso, non prescrive una terapia, non sostituisce la valutazione clinica e non elimina l’incertezza individuale. Introduce, piuttosto, un cambio di prospettiva: dalla gestione reattiva della miopia a una gestione predittiva, in cui il clinico può discutere con la famiglia non solo il presente, ma scenari futuri plausibili.
C’è anche un aspetto culturale rilevante. Questo tipo di modelli sposta l’attenzione dalla domanda “qual è il trattamento migliore, in linea di massima?” alla domanda “quale trattamento è più appropriato per questo bambino, in questo momento?”. È una differenza sottile, ma fondamentale. Non è l’AI a decidere, ma fornisce una mappa delle possibilità, rendendo esplicite traiettorie che altrimenti resterebbero implicite.
Come spesso accade, la tecnologia qui non semplifica il lavoro clinico nel senso banale del termine, ma lo rende più responsabile. Prevedere significa anche assumersi il peso di ciò che si prevede…ma in una condizione cronica e progressiva come la miopia, avere strumenti migliori per anticipare il futuro può fare la differenza tra un intervento tardivo e uno realmente preventivo.