La retinopatía del prematuro (ROP) es una de las principales causas de ceguera infantil en todo el mundo. La decisión de tratar se basa principalmente en la presencia de enfermedad plus, definida como dilatación y tortuosidad de los vasos de la retina. Sin embargo, el diagnóstico clínico de la enfermedad plus es altamente subjetivo y variable.

Por lo tanto, el objetivo de este estudio fue implementar y validar un algoritmo basado en el aprendizaje profundo para diagnosticar automáticamente enfermedad plus a partir de fotografías de la retina. Se entrenó una red neural convolucional profunda utilizando un conjunto de datos de 5.511 fotografías de la retina. A cada imagen se le asignó previamente un diagnóstico estándar de referencia (RSD, por sus siglas en inglés) basado en el consenso de la clasificación de imágenes por 3 expertos y el diagnóstico clínico por 1 experto (es decir, normal, enfermedad pre plus, o plus). El algoritmo fue evaluado mediante una validación cruzada 5 veces y probado en un conjunto independiente de 100 imágenes. Se recopilarin imágenes de 8 instituciones académicas que participaron en el estudio de cohorte Imaging and Informatics in ROP (i-ROP). El algoritmo de aprendizaje profundo fue probado contra 8 expertos en ROP, cada uno de los cuales tenía más de 10 años de experiencia clínica y más de 5 publicaciones revisadas por pares sobre el tema. Finalmente los datos se recogieron entre julio de 2011 y diciembre de 2016, siendo analizados desde diciembre de 2016 hasta septiembre de 2017.

De las 5.511 fotografías de la retina incluidas, 4.535 (82,3%) fueron clasificadas como normales, 805 (14,6%) como enfermedad pre plus y 172 (3,1%) como plus, según el RSD. El área media (DE) bajo la curva característica del funcionamiento del receptor fue de 0,94 (0,01) para el diagnóstico de la patología normal (frente a la pre plus o plus) y de 0,98 (0,01) para el diagnóstico de la enfermedad plus (versus la normal o pre plus). Para el diagnóstico de la enfermedad plus en un conjunto de pruebas independientes de 100 imágenes de la retina, el algoritmo alcanzó una sensibilidad del 93% con una especificidad del 94%. Para la detección de la enfermedad pre plus o peor, la sensibilidad y la especificidad fueron del 100% y 94%, respectivamente. En el mismo equipo de prueba, el algoritmo alcanzó un coeficiente cuadrático de 0,92 comparado con el RSD, superando a 6 de 8 expertos en ROP.

En conclusión, el algoritmo totalmente automatizado diagnostica enfermedad plus en retinopatía del prematuro con una precisión comparable o mejor que los expertos. Esto tiene aplicaciones potenciales en la detección, monitoreo y pronóstico de patologías en bebés en riesgo de ROP.