Este reportaje forma parte de una serie sobre los avances actuales en Medicina Regenerativa. Este artículo forma parte de una serie dedicada al ojo y a las mejoras en la restauración de la visión. Más concretamente, este artículo continúa nuestro debate sobre la degeneración macular asociada a la edad.
En 1999, definí la medicina regenerativa como el conjunto de intervenciones que devuelven la función normal a los tejidos y órganos dañados por una enfermedad, lesionados por un traumatismo o desgastados por el tiempo. Incluyo todo un espectro de medicamentos químicos, genéticos y proteínicos, terapias celulares e intervenciones biomecánicas que logran ese objetivo.
Identificar a las personas con alto riesgo de degeneración macular asociada a la edad es un reto debido a la escasez de especialistas y a la necesidad de conocimientos clínicos para evaluar las imágenes de la retina. Pero tecnologías emergentes como la inteligencia artificial/aprendizaje automático (IA/ML) allanan el camino hacia métodos de cribado más precisos y eficientes.
Estos sistemas de IA pueden evaluar de forma autónoma el riesgo de desarrollar degeneración macular tardía asociada a la edad y ayudar a un diagnóstico y tratamiento rápidos. A medida que avanza esta tecnología, la intervención precoz puede cambiar las reglas del juego para los pacientes con alto riesgo de enfermedad, ayudándoles a mantener su visión y su calidad de vida.
¿Qué es la degeneración macular?
La degeneración macular es una enfermedad ocular crónica que afecta a la mácula, la parte central de la retina responsable de la visión central. Por lo general, esta enfermedad está relacionada con la edad y es más frecuente en personas mayores de 50 años. Varios factores de riesgo, como la genética, el tabaquismo, la hipertensión arterial, la obesidad, la falta de ejercicio y una dieta inadecuada, se han asociado a un mayor riesgo de desarrollar degeneración macular.
Se ha diagnosticado esta enfermedad a más de 200 millones de personas en todo el mundo, lo que la convierte en una de las principales causas de pérdida de visión en adultos. Algunos de los primeros signos y síntomas de la degeneración macular son visión borrosa, dificultad para leer, visión distorsionada de las líneas rectas y aparición de manchas oscuras en el campo visual central. Las personas con riesgo de desarrollar degeneración macular deben priorizar las revisiones periódicas con su oftalmólogo para recibir el diagnóstico y el plan de tratamiento adecuados para controlar la enfermedad de forma eficaz.
Identificar la enfermedad en sus primeras fases puede facilitar la intervención y el manejo oportunos, evitando la pérdida irreversible de visión. Gracias a los recientes avances en inteligencia artificial (IA) y aprendizaje automático, los profesionales sanitarios ya pueden detectar eficazmente la degeneración macular asociada a la edad.
Innovaciones actuales en IA para trastornos de la retina
iHealthScreen desarrolla sistemas de diagnóstico basados en IA y aprendizaje automático para identificar la degeneración macular asociada a la edad. Su producto estrella, iPredict™, permite a los proveedores de atención primaria detectar la degeneración macular asociada a la edad en sus pacientes y predecir qué personas con una enfermedad incipiente tienen más probabilidades de sufrir pérdida de visión.
El sistema se desarrolló a partir de más de 93.000 fotografías en color del fondo de ojo del Estudio de enfermedades oculares relacionadas con la edad (AREDS) y se entrenó utilizando algoritmos de aprendizaje profundo. El modelo resultante se validó y probó con 23.495 imágenes adicionales de AREDS.
Para utilizar iPredict™, los médicos de atención primaria utilizan una cámara de fondo de ojo totalmente automatizada para capturar imágenes en color de las retinas de un paciente. A continuación, estas imágenes se envían de forma segura a un servidor centralizado y se analizan mediante iPredict™. Basándose en el análisis, un informe clasifica al paciente como remisible o no remisible para la degeneración macular asociada a la edad. El sistema asigna una puntuación de predicción a los pacientes remisibles, cuantificando su riesgo de desarrollar la enfermedad en fase avanzada en los próximos uno o dos años.
En ensayos clínicos, iPredict™ predijo el riesgo de progresión a degeneración macular tardía asociada a la edad en dos años con una precisión del 86% y del 84%. La precisión del sistema en un entorno no especializado se está evaluando en cuatro clínicas de atención primaria de la zona de Nueva York. El modelo de cribado de iPredict™ se ha validado prospectivamente y se ha presentado a la FDA para que autorice la comercialización del sistema en consultas de atención primaria a finales de 2023.
En colaboración con colegas del National Center for Biotechnology Information, los investigadores del NEI desarrollaron otro sistema basado en IA para predecir la degeneración macular tardía relacionada con la edad. Tanto iHealthScreen como el sistema del NIH están entrenados para buscar pseudodrusen reticular, un tipo de lesión que causa un patrón moteado en la mácula y se asocia con un mayor riesgo de progresión a la enfermedad tardía.
Un análisis de la inteligencia artificial en la identificación de la degeneración macular asociada a la edad
La detección precoz y el tratamiento de la degeneración macular asociada a la edad son cruciales para prevenir el deterioro irreversible de la visión, y las herramientas basadas en IA pueden ayudar en la gestión de la enfermedad. Un análisis reciente se centró en el uso de algoritmos basados en IA para detectar la enfermedad en imágenes de fondo de ojo. El estudio constató que los algoritmos eran casi tan prácticos como los retinólogos a la hora de detectar la enfermedad.
La base de datos AREDS -con más de 130.000 fotografías de fondo de ojo- se utiliza con frecuencia en estudios de IA sobre la identificación de la degeneración macular asociada a la edad. Aunque es muy apreciada por los investigadores, cabe señalar que la base de datos se creó en los años 80 y carece de la comprensión matizada de las drusas duras y los cambios relacionados con la edad en la clasificación clínica actual de la enfermedad. Por lo tanto, algunas imágenes obsoletas pueden comprometer su idoneidad para modelos de IA a gran escala. Además, hay que tener en cuenta que algunas de las fotografías se digitalizaron a partir de películas.
El estudio descubrió que la destreza diagnóstica de la IA debe mejorarse en estudios que empleen conjuntos de datos de validación más amplios. Es crucial señalar que dichos modelos se evaluaron únicamente en conjuntos de datos de investigación. El cribado basado en IA en poblaciones más grandes difiere significativamente en distintos entornos y condiciones, lo que requiere un enfoque cauteloso. El rendimiento de los algoritmos basados en IA varió considerablemente en los estudios incluidos debido a diversos factores, como la arquitectura del algoritmo, el tamaño de los datos para el entrenamiento y la validación, la calidad de la imagen y la falta de estándares de referencia para definir la degeneración macular asociada a la edad.
Limitaciones del uso de la inteligencia artificial para el diagnóstico y la predicción de la degeneración macular asociada a la edad
La Inteligencia Artificial tiene el potencial de detectar la degeneración macular asociada a la edad a partir de datos de imagen multimodales, incluyendo fotografías de fondo de ojo, tomografía de coherencia óptica de dominio espectral (SD-OCT) y angio-OCT. La integración de software basado en IA en una cámara de fondo de ojo puede ayudar a los oftalmólogos a reducir su carga de trabajo, disminuir la probabilidad de diagnósticos erróneos y detectar la degeneración macular en estadios tempranos de forma más 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 diagnóstico preciso.
La aplicación del software de IA plantea otros retos, como la viabilidad y el rendimiento del software en comparación con los médicos clínicos, la confianza de los pacientes en las máquinas y los posibles problemas de un sistema de «caja negra», en el que los médicos podrían pasar por alto casos falsos negativos y los pacientes deben entender que es necesario derivarlos si aparecen síntomas de degeneración macular asociada a la edad. Además, estas técnicas aún no son adecuadas para el cribado en atención primaria debido a su coste más elevado que las cámaras automáticas no midriáticas, ni son útiles para los especialistas en retina que pueden leer las imágenes por sí mismos.
No obstante, la investigación en este campo es muy prometedora para el diagnóstico precoz y el tratamiento de la degeneración macular asociada a la edad, lo que puede mejorar la evolución de los pacientes e incluso salvar vidas.
