Anemia screening via deep learning: stima dell’emoglobina da immagini congiuntivali acquisite con microscopio portatile

Uno studio pubblicato su Bioengineering ha esplorato l’impiego di un modello di deep learning per la stima non invasiva della concentrazione di emoglobina e lo screening dell’anemia a partire da immagini della congiuntiva palpebrale. L’approccio si basa sull’utilizzo di un microscopio a lampada a fessura portatile compatibile con smartphone, che consente l’acquisizione di video della congiuntiva in contesti ambulatoriali o di prima valutazione clinica.

Background: dal pallore congiuntivale alla valutazione quantitativa

La diagnosi di anemia richiede attualmente un prelievo ematico invasivo. Il pallore della congiuntiva palpebrale è stato storicamente utilizzato come indicatore clinico a basso costo, ma la sua accuratezza diagnostica è limitata dalla soggettività dell’osservatore. Lo studio mira a superare questo limite attraverso un sistema di apprendimento profondo in grado di predire direttamente il valore di emoglobina e classificare la presenza di anemia secondo soglie sesso-specifiche.

Metodologia dello studio osservazionale

La ricerca, di tipo prospettico osservazionale, ha coinvolto 225 partecipanti giapponesi di età compresa tra 20 e 92 anni. Per ciascun soggetto sono stati registrati video della congiuntiva palpebrale mediante un dispositivo ottico portatile. I fotogrammi sono stati processati attraverso un algoritmo di segmentazione automatica del segmento anteriore e di estrazione della regione congiuntivale. Su tali immagini è stato addestrato un modello di regressione basato sull’architettura ConvNeXt, con l’obiettivo di predire i valori di emoglobina. Lo screening dell’anemia è stato definito utilizzando le soglie ematiche standard differenziate per sesso.

Risultati: correlazione moderata e accuratezza preliminare

Dal totale di 225 video sono stati estratti 53.776 fotogrammi, di cui 9.903 immagini congiuntivali sono state ritenute di qualità sufficiente dopo filtro automatico. Il set di training ha incluso 8.082 immagini, mentre il test set ne ha contate 1.821. A livello di video, i valori di emoglobina predetti dal modello hanno mostrato una correlazione moderata con quelli misurati (coefficiente r = 0,42). Per lo screening dell’anemia, l’analisi a livello di singolo fotogramma ha prodotto un’area sotto la curva ROC (AUC) di 0,75, con una accuratezza del 76%, una sensibilità del 71% e una specificità del 79%. L’aggregazione a livello di video ha portato a un’accuratezza del 69%.

Considerazioni e limiti per una futura applicazione clinica

Il sistema dimostra la fattibilità di una stima non invasiva dell’emoglobina basata su immagini congiuntivali acquisite con uno strumento portatile. Tuttavia, le prestazioni attuali sono moderate e richiedono ulteriori affinamenti del modello prima di un eventuale impiego clinico di routine. La validazione multicentrica prospettica su popolazioni più ampie e diversificate è considerata indispensabile. Per la comunità tecnica, lo studio rappresenta un esempio di applicazione di tecniche di visione artificiale e deep learning in ambito diagnostico, con potenziali ricadute su dispositivi di screening a basso costo.

Riferimenti bibliografici

Nakahara Y, Shimizu E, Mizukami T, et al. Development of a Deep Learning Model to Estimate Anemia from Palpebral Conjunctiva Taken with a Portable Slit-Lamp Microscope. Bioengineering. 2025;13(7):824. doi:10.3390/bioengineering13070824