Origine del termine · Moorfields Eye Hospital, Londra

Il termine oculomics — fusione di "ocular" e "omics", il suffisso che in biologia indica lo studio sistematico e su larga scala di un insieme di dati, come già avviene per genomica o proteomica — compare per la prima volta in un articolo pubblicato nel febbraio 2020 su Translational Vision Science & Technology, firmato da un gruppo di ricerca del Moorfields Eye Hospital e dell'UCL Institute of Ophthalmology di Londra, guidato da Pearse Keane insieme ad Alastair Denniston, a cui i colleghi attribuiscono il conio dell'espressione^[1]. L'idea di fondo è semplice quanto potente: le moderne tecniche di imaging retinico — non invasive, rapide, ormai diffuse in qualunque studio oculistico — permettono di estrarre "biomarcatori oculari" di malattie sistemiche, cioè segnali visibili nella retina ma legati a condizioni che riguardano l'intero corpo.

Perché proprio la retina? Perché è l'unico tessuto del sistema nervoso centrale osservabile direttamente, senza bisturi, ed è anche uno dei tessuti più vascolarizzati e metabolicamente attivi dell'intero organismo. Guardare i suoi vasi sanguigni, sottilissimi e superficiali, equivale in un certo senso a osservare in anteprima ciò che accade nei vasi più profondi del cuore e del cervello.

Da quella pubblicazione del 2020 sono nati oltre 400 studi scientifici sull'argomento^[8], un ritmo di crescita sostenuto da tre fattori che si sono combinati quasi per caso: fotocamere retiniche sempre più economiche e diffuse, l'accumulo di enormi biobanche sanitarie di popolazione — su tutte la britannica UK Biobank, con dati di oltre mezzo milione di persone — e la maturazione del deep learning applicato alle immagini mediche.

Intelligenza artificiale · Nature, 2023

Il salto di qualità più significativo in questo campo porta il nome di RETFound, un sistema di intelligenza artificiale sviluppato dai ricercatori di Moorfields e UCL e presentato su Nature nel 2023^[2]. Non si tratta di un algoritmo addestrato per un solo compito, come spesso accadeva in passato — "riconosci la retinopatia diabetica" e nient'altro — ma di un cosiddetto foundation model: una rete neurale che ha prima imparato in modo autonomo, senza etichette fornite da un medico, la "grammatica visiva" della retina, osservando 1,6 milioni di immagini provenienti in larga parte dagli archivi clinici di Moorfields Eye Hospital.

Solo dopo questa fase di apprendimento generale, RETFound viene specializzato — con relativamente pochi esempi aggiuntivi — su compiti specifici: diagnosticare il glaucoma, prevedere l'insufficienza cardiaca, stimare il rischio di ictus. Nei test pubblicati, il modello ha costantemente superato i sistemi sviluppati ad hoc per ciascun singolo compito, anche disponendo di meno dati di addestramento specifico. Un dettaglio non secondario: Moorfields e UCL hanno reso RETFound liberamente disponibile a ogni istituzione di ricerca nel mondo, nella speranza che diventi una base comune su cui costruire strumenti diagnostici sempre più affidabili.

Le tappe principali, 2018 – 2025

Rischio cardiovascolare · Poplin et al. 2018, Heart 2025, BHF/Dundee 2025

La prima area in cui l'oculomics ha mostrato il suo potenziale è quella cardiovascolare — non a caso, dato che i vasi retinici sono in continuità funzionale con il sistema circolatorio del resto del corpo. Già nel 2018, prima ancora che il termine "oculomics" esistesse, un team di Google Research pubblicò un algoritmo capace di stimare da una semplice fotografia del fondo oculare l'età di una persona, con un margine di errore di circa tre anni, il sesso biologico, lo stato di fumatore e la pressione sistolica — dati che nessun oftalmologo avrebbe mai pensato di poter leggere in una fotografia della retina. Lo stesso modello stimava il rischio di un evento cardiaco maggiore nei cinque anni successivi con un'accuratezza paragonabile a quella dei punteggi di rischio cardiovascolare tradizionali, che richiedono esami del sangue^[3].

Studi più recenti hanno affinato l'approccio. Nel 2025 un'analisi della UK Biobank pubblicata sulla rivista Heart ha mostrato che un modello basato unicamente su "impronte" della vascolarizzazione retinica, età e sesso può predire il rischio di ictus con un'accuratezza simile a quella dei metodi tradizionali, che richiedono esami del sangue e un'anamnesi clinica estesa — un dato rilevante se si considera che circa il 90% degli ictus è legato a fattori di rischio modificabili come ipertensione, colesterolo e fumo^[5]. Sempre nel 2025, ricercatori dell'Università di Dundee, in collaborazione con la British Heart Foundation, hanno addestrato un sistema "a scatola nera" su circa 4.200 fotografie retiniche, capace di prevedere correttamente circa il 70% dei casi di infarto, ictus o morte cardiovascolare nel decennio successivo, osservando pattern nei vasi sanguigni scelti autonomamente dall'algoritmo, senza istruzioni predefinite su cosa cercare^[10].

A questo filone si collega un concetto particolarmente evocativo: il retinal age gap, l'età biologica letta dalla retina. Un modello addestrato sulla UK Biobank stima l'età di una persona da una fotografia retinica con un margine di errore di appena 2-3 anni; quando questa "età retinica" risulta più alta dell'età anagrafica reale, il divario si associa a un rischio più elevato di mortalità per tutte le cause, indipendentemente da altri fattori di rischio noti^[6]. In altre parole, gli occhi di una persona possono apparire — dal punto di vista biologico — più "vecchi" o più "giovani" della sua carta d'identità, e questo scarto sembra dire qualcosa di reale sulla sua salute futura.

Neurodegenerazione · Neurology, 2023 — AlzEye & UK Biobank

Se il collegamento fra occhio e cuore è in qualche modo intuitivo — sono entrambi organi ricchi di vasi sanguigni — quello fra occhio e cervello lo è ancora di più, per una ragione anatomica precisa: la retina è, a tutti gli effetti, un'estensione del sistema nervoso centrale, formatasi durante lo sviluppo embrionale dalla stessa struttura che dà origine al cervello. Osservare la retina significa quindi osservare, indirettamente, tessuto neurale.

Lo studio più citato in questo ambito è stato pubblicato su Neurology nel 2023 da un gruppo guidato da Siegfried Wagner e Pearse Keane^[4]. I ricercatori hanno prima confrontato le scansioni OCT di 700 pazienti con Parkinson già diagnosticato e oltre 105.000 controlli, all'interno della coorte AlzEye, trovando un assottigliamento significativo di due strati retinici interni — lo strato delle cellule ganglionari e lo strato nucleare interno — nei pazienti con la malattia. Per capire se questi segnali comparissero anche prima della diagnosi, hanno poi analizzato retrospettivamente le scansioni di oltre 50.000 partecipanti sani della UK Biobank: fra le persone che negli anni successivi hanno effettivamente sviluppato Parkinson, gli stessi assottigliamenti retinici erano già presenti in media circa sette anni prima della diagnosi clinica.

È un risultato da maneggiare con cautela — gli stessi autori hanno chiarito che il metodo non è ancora pronto per predire con certezza se un singolo individuo svilupperà la malattia, e resta uno strumento di ricerca più che un test diagnostico —, ma apre una prospettiva rilevante: il Parkinson, oggi diagnosticato quasi sempre dopo la comparsa dei sintomi motori, quando una parte consistente dei neuroni dopaminergici è già persa in modo irreversibile, potrebbe un giorno essere identificato in una fase in cui intervenire farebbe davvero la differenza. Un recente Viewpoint pubblicato su JAMA Ophthalmology nel maggio 2026 inquadra questa prospettiva in un contesto più ampio: quasi metà dei casi di demenza potrebbe essere prevenuta o ritardata intervenendo su fattori di rischio modificabili, e l'oculomics viene proposta come possibile strumento di sorveglianza precoce per indirizzare questi interventi nel momento in cui sono più efficaci^[11].

Applicazioni cliniche consolidate · FDA, CE marking

Per quanto le applicazioni cardiovascolari e neurodegenerative dell'oculomics siano ancora in fase di ricerca, vale la pena ricordare che l'intelligenza artificiale applicata alla retina non è affatto un esercizio teorico: è già realtà clinica, seppure per un compito più circoscritto. Nel 2018 la FDA statunitense ha autorizzato IDx-DR (oggi rinominato LumineticsCore), il primo sistema di intelligenza artificiale completamente autonomo — capace cioè di emettere un referto senza la supervisione in tempo reale di un medico — approvato in qualunque campo della medicina, non solo dell'oftalmologia. Il suo compito: individuare la retinopatia diabetica, prima causa di cecità evitabile nella popolazione in età lavorativa^[9]. Da allora si sono aggiunti altri sistemi, come EyeArt, sviluppato da Eyenuk, che ha ottenuto sia l'autorizzazione della FDA sia la marcatura CE come dispositivo medico in Europa.

Questi sistemi restano concentrati su malattie propriamente oculari, ma rappresentano il terreno da cui l'oculomics sistemica sta crescendo: la stessa infrastruttura — fotocamere non midriatiche, reti neurali addestrate su enormi quantità di immagini, flussi di lavoro clinici già validati — può in linea di principio essere riorientata per leggere anche i segnali cardiovascolari e neurodegenerativi descritti finora. Uno studio recente ha misurato concretamente questo effetto moltiplicatore: quando medici non specialisti in oculistica hanno analizzato 500 fotografie del fondo oculare prima senza e poi con l'assistenza di un sistema di intelligenza artificiale, l'accuratezza diagnostica è salita dall'82,8% al 91,1%, con il beneficio maggiore nei casi sospetti di glaucoma e nelle situazioni con più patologie sovrapposte.

Prospettiva critica · FDA, revisioni sistematiche

Non tutto, però, è già pronto per la clinica di tutti i giorni, ed è qui che vale la pena mantenere un sano scetticismo. Il primo limite riguarda la rappresentatività dei dati di addestramento: una revisione sistematica segnala come un modello di oculomics addestrato prevalentemente su popolazione coreana abbia mostrato prestazioni nettamente inferiori quando validato sulla UK Biobank, composta in gran parte da individui di origine caucasica^[12] — un promemoria che un algoritmo funziona bene soprattutto sulle popolazioni che somigliano a quelle su cui è stato addestrato, e che l'estensione a contesti diversi, incluso quello italiano ed europeo, richiede verifiche indipendenti, non un trasferimento automatico dei risultati.

Il secondo limite è la natura di "scatola nera" di molti di questi modelli: gran parte dei sistemi più performanti, incluso l'approccio impiegato nello studio di Dundee sul rischio cardiovascolare, individua pattern nelle immagini che i ricercatori stessi non sono sempre in grado di spiegare in termini clinici tradizionali. Questo pone interrogativi legittimi su responsabilità clinica e fiducia del paziente. Una funzionaria della FDA statunitense, interpellata di recente sul tema, ha sintetizzato bene il punto: i progressi tecnici da soli non bastano, perché l'impatto reale dell'AI in oculomics dipenderà dalla sua interpretabilità clinica, da una validazione rigorosa nella popolazione a cui è destinata e da un'integrazione fluida nei flussi di lavoro sanitari esistenti^[13].

Un terzo limite riguarda la solidità dell'evidenza accumulata finora: non tutte le applicazioni proposte per l'oculomics sono ugualmente mature, e serve prudenza nel distinguere quelle già validate su larga scala — come lo screening della retinopatia diabetica — da quelle ancora esplorative, per cui gli studi disponibili mostrano spesso campioni ridotti o un rischio elevato di bias metodologico. Restano aperte, infine, questioni etiche più ampie: dalla protezione dei dati sanitari sensibili al rischio che uno screening così pervasivo, se comunicato male, generi ansia clinicamente ingiustificata in persone sane a cui viene segnalato un rischio statistico, non una diagnosi.

Prospettive · Modelli globali, medicina di prossimità

Nonostante i limiti descritti, la traiettoria del settore è chiara. Nel settembre 2025 un consorzio internazionale che riunisce Moorfields Eye Hospital, UCL, la Yong Loo Lin School of Medicine dell'Università Nazionale di Singapore e la Chinese University of Hong Kong ha annunciato lo sviluppo del più grande modello fondazionale medico mai realizzato: oltre 100 milioni di fotografie del fondo oculare raccolte in più di 65 paesi, dall'Africa al Sud America, dal Medio Oriente all'Asia — un tentativo esplicito di correggere il problema della rappresentatività emerso negli studi precedenti, costruendo per la prima volta un modello davvero globale^[7]. In parallelo, nuovi filoni di ricerca — come la "neuro-oculomics" allo studio in alcuni centri universitari nordamericani — stanno esplorando il legame fra la microcircolazione dell'occhio e condizioni tanto diverse quanto i disturbi neurologici e l'anemia falciforme, ampliando ulteriormente il perimetro della disciplina.

Se questa traiettoria si confermerà, il beneficio più concreto per chi legge non sarà tanto un nuovo esame da aggiungere al calendario delle visite mediche, quanto un esame già esistente — quello oculistico di routine, magari fatto per un semplice controllo della vista — capace di dire molto di più di quanto dicesse fino a oggi. Un ottico o un oculista, semplicemente fotografando la retina come già fa oggi, potrebbe un giorno essere fra i primi professionisti sanitari a intercettare un rischio cardiovascolare elevato o un segnale precoce di malattia neurodegenerativa, indirizzando la persona verso approfondimenti mirati prima che compaia il primo sintomo.