Inteligencia artificial para la degeneraci贸n macular asociada a la edad

A帽adir a tus IAs favoritasQuitar de tus favoritasQuitar de favoritos 0
Puntuaci贸n0

Este reportaje forma parte de una serie sobre los avances actuales en Medicina Regenerativa. Este art铆culo forma parte de una serie dedicada al ojo y a las mejoras en la restauraci贸n de la visi贸n. M谩s concretamente, este art铆culo contin煤a nuestro debate sobre la degeneraci贸n macular asociada a la edad.

En 1999, defin铆 la medicina regenerativa como el conjunto de intervenciones que devuelven la funci贸n normal a los tejidos y 贸rganos da帽ados por una enfermedad, lesionados por un traumatismo o desgastados por el tiempo. Incluyo todo un espectro de medicamentos qu铆micos, gen茅ticos y prote铆nicos, terapias celulares e intervenciones biomec谩nicas que logran ese objetivo.

Identificar a las personas con alto riesgo de degeneraci贸n macular asociada a la edad es un reto debido a la escasez de especialistas y a la necesidad de conocimientos cl铆nicos para evaluar las im谩genes de la retina. Pero tecnolog铆as emergentes como la inteligencia artificial/aprendizaje autom谩tico (IA/ML) allanan el camino hacia m茅todos de cribado m谩s precisos y eficientes.

Estos sistemas de IA pueden evaluar de forma aut贸noma el riesgo de desarrollar degeneraci贸n macular tard铆a asociada a la edad y ayudar a un diagn贸stico y tratamiento r谩pidos. A medida que avanza esta tecnolog铆a, la intervenci贸n precoz puede cambiar las reglas del juego para los pacientes con alto riesgo de enfermedad, ayud谩ndoles a mantener su visi贸n y su calidad de vida.

 

驴Qu茅 es la degeneraci贸n macular?

La degeneraci贸n macular es una enfermedad ocular cr贸nica que afecta a la m谩cula, la parte central de la retina responsable de la visi贸n central. Por lo general, esta enfermedad est谩 relacionada con la edad y es m谩s frecuente en personas mayores de 50 a帽os. Varios factores de riesgo, como la gen茅tica, el tabaquismo, la hipertensi贸n arterial, la obesidad, la falta de ejercicio y una dieta inadecuada, se han asociado a un mayor riesgo de desarrollar degeneraci贸n macular.

Se ha diagnosticado esta enfermedad a m谩s de 200 millones de personas en todo el mundo, lo que la convierte en una de las principales causas de p茅rdida de visi贸n en adultos. Algunos de los primeros signos y s铆ntomas de la degeneraci贸n macular son visi贸n borrosa, dificultad para leer, visi贸n distorsionada de las l铆neas rectas y aparici贸n de manchas oscuras en el campo visual central. Las personas con riesgo de desarrollar degeneraci贸n macular deben priorizar las revisiones peri贸dicas con su oftalm贸logo para recibir el diagn贸stico y el plan de tratamiento adecuados para controlar la enfermedad de forma eficaz.

Identificar la enfermedad en sus primeras fases puede facilitar la intervenci贸n y el manejo oportunos, evitando la p茅rdida irreversible de visi贸n. Gracias a los recientes avances en inteligencia artificial (IA) y aprendizaje autom谩tico, los profesionales sanitarios ya pueden detectar eficazmente la degeneraci贸n macular asociada a la edad.

 

Innovaciones actuales en IA para trastornos de la retina

iHealthScreen desarrolla sistemas de diagn贸stico basados en IA y aprendizaje autom谩tico para identificar la degeneraci贸n macular asociada a la edad. Su producto estrella, iPredict鈩, permite a los proveedores de atenci贸n primaria detectar la degeneraci贸n macular asociada a la edad en sus pacientes y predecir qu茅 personas con una enfermedad incipiente tienen m谩s probabilidades de sufrir p茅rdida de visi贸n.

El sistema se desarroll贸 a partir de m谩s de 93.000 fotograf铆as en color del fondo de ojo del Estudio de enfermedades oculares relacionadas con la edad (AREDS) y se entren贸 utilizando algoritmos de aprendizaje profundo. El modelo resultante se valid贸 y prob贸 con 23.495 im谩genes adicionales de AREDS.

Para utilizar iPredict鈩, los m茅dicos de atenci贸n primaria utilizan una c谩mara de fondo de ojo totalmente automatizada para capturar im谩genes en color de las retinas de un paciente. A continuaci贸n, estas im谩genes se env铆an de forma segura a un servidor centralizado y se analizan mediante iPredict鈩. Bas谩ndose en el an谩lisis, un informe clasifica al paciente como remisible o no remisible para la degeneraci贸n macular asociada a la edad. El sistema asigna una puntuaci贸n de predicci贸n a los pacientes remisibles, cuantificando su riesgo de desarrollar la enfermedad en fase avanzada en los pr贸ximos uno o dos a帽os.

En ensayos cl铆nicos, iPredict鈩 predijo el riesgo de progresi贸n a degeneraci贸n macular tard铆a asociada a la edad en dos a帽os con una precisi贸n del 86% y del 84%. La precisi贸n del sistema en un entorno no especializado se est谩 evaluando en cuatro cl铆nicas de atenci贸n primaria de la zona de Nueva York. El modelo de cribado de iPredict鈩 se ha validado prospectivamente y se ha presentado a la FDA para que autorice la comercializaci贸n del sistema en consultas de atenci贸n primaria a finales de 2023.

En colaboraci贸n con colegas del National Center for Biotechnology Information, los investigadores del NEI desarrollaron otro sistema basado en IA para predecir la degeneraci贸n macular tard铆a relacionada con la edad. Tanto iHealthScreen como el sistema del NIH est谩n entrenados para buscar pseudodrusen reticular, un tipo de lesi贸n que causa un patr贸n moteado en la m谩cula y se asocia con un mayor riesgo de progresi贸n a la enfermedad tard铆a.

 

Un an谩lisis de la inteligencia artificial en la identificaci贸n de la degeneraci贸n macular asociada a la edad

La detecci贸n precoz y el tratamiento de la degeneraci贸n macular asociada a la edad son cruciales para prevenir el deterioro irreversible de la visi贸n, y las herramientas basadas en IA pueden ayudar en la gesti贸n de la enfermedad. Un an谩lisis reciente se centr贸 en el uso de algoritmos basados en IA para detectar la enfermedad en im谩genes de fondo de ojo. El estudio constat贸 que los algoritmos eran casi tan pr谩cticos como los retin贸logos a la hora de detectar la enfermedad.

La base de datos AREDS -con m谩s de 130.000 fotograf铆as de fondo de ojo- se utiliza con frecuencia en estudios de IA sobre la identificaci贸n de la degeneraci贸n macular asociada a la edad. Aunque es muy apreciada por los investigadores, cabe se帽alar que la base de datos se cre贸 en los a帽os 80 y carece de la comprensi贸n matizada de las drusas duras y los cambios relacionados con la edad en la clasificaci贸n cl铆nica actual de la enfermedad. Por lo tanto, algunas im谩genes obsoletas pueden comprometer su idoneidad para modelos de IA a gran escala. Adem谩s, hay que tener en cuenta que algunas de las fotograf铆as se digitalizaron a partir de pel铆culas.

El estudio descubri贸 que la destreza diagn贸stica de la IA debe mejorarse en estudios que empleen conjuntos de datos de validaci贸n m谩s amplios. Es crucial se帽alar que dichos modelos se evaluaron 煤nicamente en conjuntos de datos de investigaci贸n. El cribado basado en IA en poblaciones m谩s grandes difiere significativamente en distintos entornos y condiciones, lo que requiere un enfoque cauteloso. El rendimiento de los algoritmos basados en IA vari贸 considerablemente en los estudios incluidos debido a diversos factores, como la arquitectura del algoritmo, el tama帽o de los datos para el entrenamiento y la validaci贸n, la calidad de la imagen y la falta de est谩ndares de referencia para definir la degeneraci贸n macular asociada a la edad.

 

Limitaciones del uso de la inteligencia artificial para el diagn贸stico y la predicci贸n de la degeneraci贸n macular asociada a la edad

La Inteligencia Artificial tiene el potencial de detectar la degeneraci贸n macular asociada a la edad a partir de datos de imagen multimodales, incluyendo fotograf铆as de fondo de ojo, tomograf铆a de coherencia 贸ptica de dominio espectral (SD-OCT) y angio-OCT. La integraci贸n de software basado en IA en una c谩mara de fondo de ojo puede ayudar a los oftalm贸logos a reducir su carga de trabajo, disminuir la probabilidad de diagn贸sticos err贸neos y detectar la degeneraci贸n macular en estadios tempranos de forma m谩s eficiente, especialmente en zonas remotas que carecen de especialistas cualificados. No obstante, los algoritmos de IA suelen desarrollarse para detectar una sola enfermedad o signo, se entrenan con conjuntos de datos limitados y su eficacia depende de la calidad de la imagen para obtener un diagn贸stico preciso.

La aplicaci贸n del software de IA plantea otros retos, como la viabilidad y el rendimiento del software en comparaci贸n con los m茅dicos cl铆nicos, la confianza de los pacientes en las m谩quinas y los posibles problemas de un sistema de 芦caja negra禄, en el que los m茅dicos podr铆an pasar por alto casos falsos negativos y los pacientes deben entender que es necesario derivarlos si aparecen s铆ntomas de degeneraci贸n macular asociada a la edad. Adem谩s, estas t茅cnicas a煤n no son adecuadas para el cribado en atenci贸n primaria debido a su coste m谩s elevado que las c谩maras autom谩ticas no midri谩ticas, ni son 煤tiles para los especialistas en retina que pueden leer las im谩genes por s铆 mismos.

No obstante, la investigaci贸n en este campo es muy prometedora para el diagn贸stico precoz y el tratamiento de la degeneraci贸n macular asociada a la edad, lo que puede mejorar la evoluci贸n de los pacientes e incluso salvar vidas.

Deja una opini贸n

Deje una respuesta

馃 AI MAFIA
Logo