Marco ha sei anni. In classe non riesce a stare fermo, a casa i capricci durano ore, la maestra ha già scritto due volte alla famiglia. I genitori prenotano una prima visita neuropsichiatrica infantile: la lista d’attesa è di otto mesi. Nel frattempo, Marco va dall’oculista per un controllo di routine, quello che tutti i bambini dovrebbero fare. L’oculista scatta una foto del fondo oculare, guarda la retina, verifica che tutto sia a posto e passa al bambino successivo.
Nessuno, in quella stanza, sta pensando al cervello di Marco. Eppure, se una linea di ricerca ancora giovane dovesse consolidarsi, quella fotografia potrebbe contenere più informazioni di quante ne immaginiamo. Non perché la retina “veda” l’autismo o l’adhd. Ma perché la retina, dal punto di vista embriologico, non è mai stata un organo a sé: è un’estensione del sistema nervoso centrale, l’unico pezzo di tessuto neurale che possiamo fotografare dall’esterno senza bisturi, senza sedazione, in pochi secondi.
È un’idea che suona quasi controintuitiva, ed è esattamente la reazione che ha avuto, tre anni fa, un liceale del New Jersey mentre leggeva un articolo scientifico per un progetto scolastico. Quella lettura lo ha portato, quest’anno, a salire sul palco della Regeneron Science Talent Search, la più antica e prestigiosa competizione STEM per studenti delle superiori negli Stati Uniti, con un progetto chiamato RetinaMind. Ne parliamo, ma con ordine, perché qui il rischio di scambiare un lavoro scolastico brillante per uno studio clinico è concreto, e io non ho intenzione di caderci né di farci cadere voi.
Il problema di sempre: diagnosticare senza un esame biologico
Autismo e adhd condividono un limite strutturale: non esiste, oggi, un singolo esame del sangue, di imaging o genetico che li diagnostichi. Sono quelli che in letteratura si chiamano: si diagnosticano osservando il comportamento, applicando criteri clinici, somministrando questionari e scale standardizzate, spesso in più sedute, spesso con tempi di attesa lunghi. Per l’adhd, la diagnosi richiede una valutazione articolata dell’attenzione, dell’impulsività e del funzionamento esecutivo. Per l’autismo, l’osservazione diretta del comportamento sociale e comunicativo resta lo strumento principale.
Il tempo, qui, non è un dettaglio. Più la diagnosi e l’intervento arrivano precocemente, migliori tendono a essere gli esiti nello sviluppo del bambino, un principio ormai consolidato nella letteratura sull’intervento precoce nei disturbi del neurosviluppo (Cioni, Inguaggiato e Sgandurra, 2016, Developmental Medicine & Child Neurology, DOI). Da qui nasce una domanda che circola da anni nella ricerca in psichiatria biologica: esiste un modo più rapido, oggettivo e accessibile per fare uno screening iniziale, prima ancora della valutazione clinica completa?
Anni di promesse, poche conferme
Va detto con onestà, perché è la cornice in cui questa storia va letta: la psichiatria biologica ha collezionato, negli ultimi decenni, molte più promesse che risultati utilizzabili sul singolo paziente. Biomarcatori ematici, pattern di risonanza magnetica, firme genetiche: quasi sempre funzionano bene a livello di popolazione, quasi mai reggono il passaggio alla pratica clinica individuale, perché gli effetti sono piccoli, gli studi si replicano male, i campioni sono eterogenei. È un problema noto, di cui in redazione discutiamo spesso, e che vale la pena tenere a mente prima di entusiasmarsi per il prossimo titolo con “intelligenza artificiale” e “diagnosi precoce” nello stesso paragrafo.
Detto ciò, sotto la superficie di questo scetticismo qualcosa si muove, ed è la parte che trovo genuinamente interessante.
Quello che la letteratura peer-reviewed dice davvero
Negli ultimi cinque anni tre studi, tutti pubblicati su riviste indicizzate su PubMed, hanno esplorato l’uso di fotografie retiniche e algoritmi di machine learning per lo screening di autismo e adhd. Vale la pena guardarli uno per uno, includendo i loro limiti, perché è lì che si vede la differenza tra un risultato promettente e un risultato pronto per la clinica.
Il primo, del 2020, viene dalla Chinese University of Hong Kong: un modello di analisi automatica delle immagini retiniche applicato a 46 bambini con autismo e 24 con sviluppo tipico, con un’analisi principale su 23 coppie appaiate per età e sesso. Il modello ha raggiunto una sensibilità del 95,7% e una specificità del 91,3%, con un’area sotto la curva ROC di 0,974 (Lai et al., 2020, eClinicalMedicine, DOI). Numeri notevoli, ottenuti però su un campione molto piccolo: gli stessi autori segnalano che la specificità nelle femmine sembra inferiore rispetto ai maschi, un campanello d’allarme che onestà scientifica impone di riportare.
Il secondo, pubblicato nel 2023 su JAMA Network Open, è più corposo: 958 partecipanti e 1.890 occhi analizzati in un unico ospedale universitario coreano, con modelli di deep learning costruiti su una rete ResNeXt-50. Per la distinzione tra autismo e sviluppo tipico l’area sotto la curva ROC ha toccato il valore massimo di 1,00; per la stratificazione della gravità dei sintomi è scesa a 0,74 (Kim et al., 2023, JAMA Network Open, DOI). Un’area sotto la curva di 1,00 è un risultato quasi sospetto, di quelli che in genere richiedono una lettura molto cauta: significa una separazione perfetta tra i due gruppi nel campione di test, un evento raro in medicina e più tipico di popolazioni omogenee, centro unico, criteri di inclusione molto netti. Prima di prenderlo come un fatto acquisito serve una validazione esterna, su popolazioni diverse per etnia, età e comorbilità.
Il terzo, il più recente, è del 2025 e riguarda specificamente l’adhd: 323 bambini e adolescenti coreani, analizzati con una pipeline automatica di estrazione di caratteristiche retiniche. I modelli di screening hanno raggiunto un’area sotto la curva tra 95,5% e 96,9%, ma quando si è provato a usare le stesse immagini per stratificare i deficit delle funzioni esecutive, il risultato è stato disomogeneo: buono per il dominio dell’attenzione visiva, debole per quello uditivo (Choi et al., 2025, npj Digital Medicine, DOI). Anche qui, gli stessi autori sono i primi a riconoscere il limite.
Tre studi, tre paesi dell’estremo oriente, campioni relativamente piccoli o comunque monocentrici, popolazioni non rappresentative della varietà genetica e ambientale mondiale. Nessuno di questi lavori dimostra che la retina “diagnostica” autismo o adhd nella pratica clinica. Dimostrano però, in modo convergente, che esiste un segnale biologico reale e misurabile, non rumore statistico, ed è la prima volta in molti anni che la ricerca sui biomarcatori in psichiatria produce risultati che si replicano tra gruppi di ricerca indipendenti.
Il progetto che ha attirato l’attenzione: RetinaMind
Ed è dentro questo scenario che si inserisce il lavoro che mi avete girato: RetinaMind, il progetto di Edward Kang, diciassette anni, studente all’ultimo anno alla Bergen County Academies, nel New Jersey. Prima di dire qualsiasi altra cosa, va detta questa: non è uno studio pubblicato, non è peer-reviewed, non è un dispositivo medico validato. È un progetto di scienza delle superiori, per quanto di altissimo livello, presentato alla Regeneron Science Talent Search 2026, dove ha vinto il secondo posto e un premio di 175.000 dollari. Tratto le due cose, letteratura scientifica e progetto studentesco, come categorie diverse, e vi invito a fare lo stesso quando ne parlate ai vostri pazienti o follower.
Detto questo, il motivo per cui ne vale la pena parlare non è l’accuratezza dichiarata dell’89% su un compito di classificazione a tre vie (sviluppo tipico, autismo, adhd), ottenuta su un dataset pubblico di immagini retiniche. Il motivo interessante è come Kang ha impostato il problema, perché replica in miniatura i due nodi irrisolti della letteratura professionale.
Primo nodo: accuratezza contro trasparenza. Il progetto costruisce due modelli paralleli, una rete neurale convoluzionale che identifica pattern complessi con alta accuratezza ma funziona come una scatola nera, e un modello più semplice basato su misurazioni dirette e interpretabili, come lo spessore del disco ottico o la densità vascolare, meno accurato ma completamente comprensibile nel suo ragionamento, reso leggibile con tecniche di spiegabilità come le mappe di attivazione e i grafici SHAP. È un tema centrale, tutt’altro che scolastico, nel dibattito attuale sull’intelligenza artificiale in medicina: un modello che nessuno sa spiegare, per quanto accurato, difficilmente verrà mai adottato in un contesto clinico dove occorre poter motivare una decisione diagnostica.
Secondo nodo, ancora più interessante dal mio punto di vista di psichiatra: non fermarsi alla correlazione e chiedersi il meccanismo biologico. Kang ha costruito un modello cellulare in vitro, usando una linea di cellule fotorecettrici retiniche (661W) esposte ad acido valproico, una sostanza il cui legame con il rischio di autismo in esposizione prenatale è tra i più solidi e documentati della letteratura teratologica. Analizzando l’espressione genica di queste cellule ha identificato una serie di geni candidati, tra cui spicca ABCA4, coinvolto nella detossificazione della retina: nel suo modello, una minore espressione di questo gene potrebbe spiegare una maggiore vulnerabilità del tessuto retinico osservata nei pazienti con autismo. È un’ipotesi, non una dimostrazione, ma è esattamente il tipo di domanda che la letteratura professionale finora ha lasciato quasi del tutto inesplorata: perché la retina, in questi pazienti, è diversa?
I giudici della competizione hanno premiato proprio questo, la combinazione tra intelligenza artificiale e biologia di laboratorio, non l’uno o l’altro isolatamente. Ed è, credo, un segnale utile anche per chi tra voi ha inclinazioni imprenditoriali in ambito digital health: i progetti che restano solo modelli predittivi senza un’ipotesi meccanicistica sotto invecchiano rapidamente, quelli che si radicano in una biologia verificabile hanno più chance di sopravvivere alla prova del tempo e della replica.
Cosa cambia oggi, e cosa no
Per rispondere alla domanda pratica: oggi, nulla cambia nel percorso diagnostico di un bambino con sospetto autismo o adhd. Non esistono, allo stato attuale, esami retinici validati e approvati per la diagnosi clinica di questi disturbi, né in Italia né altrove. Se doveste imbattervi in servizi privati che propongono uno “screening retinico per l’autismo” a pagamento, il mio consiglio da medico è di trattarli con la stessa cautela riservata a qualunque test diagnostico non validato: la letteratura che li sosterrebbe è ancora preliminare, monocentrica, e non replicata su popolazioni ampie ed eterogenee.
Quello che invece sta cambiando, sotto la superficie appunto, è la direzione della ricerca: dopo anni in cui la psichiatria biologica ha inseguito biomarcatori che si sgretolavano alla prima replica indipendente, qui abbiamo tre gruppi di ricerca diversi, su tre popolazioni diverse, che convergono su un segnale reale nella struttura retinica di chi ha autismo o adhd, e un progetto scolastico che, con intuizione sorprendente per l’età, prova a chiedersi il perché biologico invece di fermarsi alla correlazione statistica. Non è ancora una diagnosi. È, con ragionevole cautela, l’inizio di qualcosa che vale la pena continuare a osservare.
Punti pratici da portare a casa
- non esiste oggi un test retinico validato per diagnosticare autismo o adhd: il percorso diagnostico resta quello clinico standard, con valutazione comportamentale strutturata
- se un bambino mostra segnali di rallentamento nello sviluppo, comunicativo o attentivo, la strada resta la valutazione neuropsichiatrica infantile, non un test alternativo non validato
- la ricerca su retina e neurosviluppo è promettente ma ancora preliminare: campioni piccoli, popolazioni monocentriche, necessità di validazione su gruppi ampi e diversi per etnia, età e comorbilità
- la spiegabilità dei modelli di intelligenza artificiale in medicina non è un dettaglio tecnico: è la condizione perché uno strumento diagnostico venga davvero adottato in clinica
- il legame tra esposizione prenatale ad acido valproico e rischio di autismo è tra i più solidi della letteratura, ed è proprio questo a rendere interessante, come ipotesi di lavoro, un modello cellulare che lo collega alle differenze retiniche osservate
Domande frequenti
la retina può già diagnosticare autismo o adhd? no. la ricerca ha individuato differenze retiniche statisticamente associate a questi disturbi, ma non esiste un esame retinico validato per uso diagnostico clinico.
perché si guarda proprio alla retina per disturbi che riguardano il cervello? perché dal punto di vista dello sviluppo embrionale la retina è un’estensione diretta del sistema nervoso centrale, non un organo indipendente. è l’unico tessuto neurale osservabile dall’esterno senza procedure invasive.
cos’è RetinaMind? è il progetto di Edward Kang, uno studente liceale statunitense, presentato alla Regeneron Science Talent Search 2026. non è uno studio scientifico pubblicato né peer-reviewed, ma un lavoro studentesco di alto livello che unisce modelli predittivi e un modello cellulare biologico esplorativo.
gli studi scientifici citati sono affidabili? sono pubblicati su riviste indicizzate e peer-reviewed, quindi hanno superato un controllo editoriale. i limiti principali sono i campioni relativamente piccoli, la provenienza da singoli centri e popolazioni non ancora rappresentative a livello globale: servono repliche indipendenti su scala più ampia prima di parlare di strumento clinico.
cosa cambia oggi per un genitore preoccupato per lo sviluppo del proprio figlio? nulla nel percorso diagnostico: resta valida la valutazione clinica standard, con osservazione comportamentale e, se necessario, scale strutturate somministrate da professionisti.
quali saranno i prossimi passi della ricerca? validazione su popolazioni più ampie e diverse, studi longitudinali, e un approfondimento del legame meccanicistico tra genetica, sviluppo prenatale e struttura retinica, per capire non solo che la differenza esiste ma perché.
questo articolo ha finalità divulgative e informative. non sostituisce una valutazione clinica specialistica. in presenza di segnali di rallentamento dello sviluppo comunicativo, sociale o attentivo in un bambino, rivolgetevi a un servizio di neuropsichiatria infantile o a un pediatra di riferimento.
per approfondire il tema della salute mentale con un taglio divulgativo, trovate ulteriori contenuti su Mymentis e nella rubrica editoriale Vaso di Pandora.
Riferimenti Bibliografici
- Lai, M., Lee, J., Chiu, S., Charm, J., So, W. Y., Yuen, F. P., Kwok, C., Tsoi, J., Lin, Y., & Zee, B. (2020). A machine learning approach for retinal images analysis as an objective screening method for children with autism spectrum disorder. eClinicalMedicine, 28. DOI: 10.1016/j.eclinm.2020.100588
- Kim, J. H. et al. (2023). Development of Deep Ensembles to Screen for Autism and Symptom Severity Using Retinal Photographs. JAMA Network Open, 6(12), e2347692. DOI: 10.1001/jamanetworkopen.2023.47692
- Choi, H., Hong, J., Kang, H. G., Park, M.-H., Ha, S., Lee, J., Yoon, S., Kim, D., Park, Y. R., & Cheon, K.-A. (2025). Retinal fundus imaging as biomarker for ADHD using machine learning for screening and visual attention stratification. npj Digital Medicine, 8(1), 164. DOI: 10.1038/s41746-025-01547-9
- Cioni, G., Inguaggiato, E., & Sgandurra, G. (2016). Early intervention in neurodevelopmental disorders: Underlying neural mechanisms. Developmental Medicine & Child Neurology, 58(S4), 61-66. DOI: 10.1111/dmcn.13050
- Kang, E. (2026). RetinaMind: Exploring a Quick, Objective, and Non-Invasive Method to Diagnose Neurodevelopmental Disorders Using the Retina. Poster presentato alla Regeneron Science Talent Search 2026 (progetto studentesco, non pubblicato su rivista peer-reviewed).
