Detección precoz de retinopatía diabética con inteligencia artificial en teléfonos inteligentes

Detección precoz de retinopatía diabética con inteligencia artificial en teléfonos inteligentes. El emparejamiento de un teléfono inteligente para capturar imágenes de la retina con inteligencia artificial para interpretarlos puede ayudar a superar los obstáculos para el cribado oftalmológico.

Una combinación novedosa de dos tecnologías puede ofrecer una solución para una mejor detección de la retinopatía diabética, una afección que puede conducir a una pérdida permanente de la visión si no se detecta en forma temprana.

En la reunión anual de la Asociación para la Investigación en Oftalmología y Visión en 2019, los investigadores del Kellogg Eye Center de la Universidad de Michigan revelaron que la combinación de un dispositivo montado en un teléfono inteligente que toma imágenes de la retina de alta calidad con el software de inteligencia artificial que las lee, puede determinar en en tiempo real si un paciente debe ser referido a un oftalmólogo para su seguimiento.

“La clave para prevenir la pérdida de la visión relacionada con la RD es la detección temprana a través de exámenes de detección regulares”, dice Yannis Paulus, MD, cirujano vitreorretiniano de Kellogg y autor principal del estudio. “Creemos que la clave para eso es llevar el examen de retina portátil, fácil de administrar y confiable a los consultorios médicos y clínicas de salud de atención primaria”.

Herramienta basada en teléfono inteligente para una detección rápida de la retinopatía diabética

Michigan Medicine es una de las pocas instituciones que está liderando un esfuerzo para adaptar la tecnología de los teléfonos inteligentes para el cribado oftalmológico.

Paulus formó parte de un equipo de Kellogg que desarrolló un dispositivo que convierte un teléfono inteligente en una cámara retinal funcional.

En 2016, el proyecto, CellScope Retina, fue uno de los 12 financiados por el Centro de Investigación y Comercialización Traslacional para Ciencias de la Vida de UM, que impulsa ideas con un alto potencial de impacto positivo en la salud humana.

El nuevo estudio utiliza la última generación del dispositivo, ahora llamado RetinaScope.

“Los retinógrafos tradicionales son caros, grandes, fijos y requieren entrenamiento especial para operar, mientras que RetinaScope es una plataforma basada en teléfonos inteligentes que es barata, portátil y fácil de usar sin necesidad de formación” dice Paulus, profesor asistente de oftalmología y ciencias visuales y profesor asistente de ingeniería biomédica.

Si bien las plataformas de teléfonos inteligentes como RetinaScope se pueden usar para conseguir imágenes de la retina de alta definición prácticamente en cualquier lugar, eso es solo una parte del desafío.

“Un oftalmólogo puede tardar entre dos y siete días en interpretar las imágenes”, explica Paulus. “Para que el cribado sea realmente accesible, debemos proporcionar respuestas sobre la marcha, tomar la foto e interpretarla mientras el paciente está allí para programar una cita oftalmológica si es necesario”.

Ahí es donde entra en juego otra tecnología emergente llamada software de aprendizaje profundo.

“La red neuronal artificial es una plataforma de software de IA que puede mejorar y revisar imágenes y proporcionar una clasificación automatizada de las lesiones presentes en RD, lo que indica qué lesiones requieren la derivación a un oftalmólogo para su seguimiento”.

El equipo de Paulus utiliza una plataforma de software patentada llamada EyeArt ™ desarrollada por la empresa Eyenuk, con sede en California.

“Este es el primer estudio que combina la tecnología de imágenes con la interpretación automatizada en tiempo real y la compara con las referencias del examen con dilatación de pupilas”, dice Paulus, “y los resultados son muy alentadores”.

Reducir los obstáculos para los cuidados

Los datos se obtuvieron de 69 pacientes adultos con diabetes atendidos en la Clínica de Retina Kellogg Eye Center, incluidos los resultados registrados previamente de los exámenes de fondo de ojo con lámpara de hendidura por parte de los clínicos que los trataron.

Después de la dilatación pupilar, se utilizó RetinaScope para obtener imágenes de las retinas de los pacientes y las imágenes se analizaron con el software EyeArt ™, que los clasificó como retinopatía diabética con derivación (RWDR) o RD sin derivación.

Las mismas imágenes fueron evaluadas de forma independiente por dos expertos entrenados para reconocer los signos de retinopatía diabética.

“Dimos el paso adicional de comparar tanto la interpretación automatizada y los evaluadores expertos humanos con la evaluación con lámpara de hendidura para superar lo que consideramos una deficiencia de estudios similares realizados en otros lugares”, dice Michael Aaberg, asistente de investigación en el laboratorio de Paulus y coautor del estudio.

“Cuando se usa la clasificación humana como la única comprobación de la clasificación basada en la IA, existe el riesgo de que las fotos que no logran captar con precisión la patología de la RD puedan ser interpretadas incorrectamente por ambos”, dice Aaberg.

El estudio comparó dos mediciones: si la prueba de detección fue lo suficientemente sensible como para detectar una enfermedad y si es lo suficientemente específica como para confirmar cuándo una persona no tiene retinopatía diabética.

“La sensibilidad es la medida más crucial en una prueba de detección”, explica Aaberg, “ya que el peor de los casos es una enfermedad que progresa debido a un diagnóstico erróneo”.

La evaluación con lámpara de hendidura confirmó el RWDR en 53 sujetos (76.8 por ciento). La interpretación automatizada tuvo una sensibilidad del 86.8 por ciento (más del 80 por ciento recomendado para un dispositivo de detección oftálmica) y una especificidad del 73.3 por ciento.

Uno de los graduadores humanos alcanzó un nivel de sensibilidad que fue mayor por un factor estadísticamente significativo (96.2 por ciento) y ambos tuvieron una concreción más baja (40 por ciento y 46.7 por ciento).

“Esta es la primera vez que la inteligencia artificial utilizada en una plataforma basada en teléfonos inteligentes ha demostrado ser efectiva en comparación con el criterio de referencia de la evaluación clínica”, dice Paulus.

Alentados tanto por estos hallazgos como por los resultados que se publicarán próximamente en un estudio de funcionalidad en una clínica de atención primaria, el laboratorio de Paulus continúa buscando mejoras de hardware y software (especialmente una versión que no requiere dilatación pupilar), así como la aprobación de la FDA.

“Estamos centrados en superar la resistencia de los pacientes para el diagnóstico de la DR proponiendo los servicios de cribado”, dice Paulus, “haciéndolo fácil, inmediato y disponible en un entorno clínico familiar”.

Traducción: Asociación Mácula Retina.

Web Relacionada