IA para el diagnóstico de retinopatÃa diabética
Mediante un análisis automatizado basado en inteligencia artificial, se logra una sensibilidad y especificidad del 100% y 88,4% para la detección de la complicación ocular.
El análisis automatizado de imágenes de la retina utilizando un teléfono inteligente (smartphone) puede ser un método rentable y extensible para la detección de la retinopatÃa diabética. Sin embargo, hasta donde se sabe, falta la evaluación de un sistema de inteligencia artificial (IA) de este tipo.
El objetivo de este estudio fue evaluar el desempeño de Medios AI (Remidio), un sistema automatizado basado en IA, fuera de lÃnea, para detectar retinopatÃa diabética referenciable (RDR) en imágenes tomadas por un profesional de la salud mÃnimamente capacitado con Remidio Non-Mydriatic Fundus on Phone, una cámara retiniana no midriática basada en smartphones. La RDR fue definida como cualquier retinopatÃa más grave que la forma leve, con o sin edema macular diabético.Â
Este estudio prospectivo, transversal y basado en la población se llevó a cabo entre agosto y septiembre de 2018. Los participantes correspondieron a pacientes con diabetes mellitus que visitaron varios dispensarios administrados por la Corporación Municipal del Gran Mumbai, India, en un dÃa determinado. Se fotografiaron tres campos del fondo del ojo (el polo posterior, el campo nasal y el campo temporal). Las imágenes fueron analizadas por un oftalmólogo y el sistema de IA. El principal resultado del estudio fue la sensibilidad y especificidad del sistema de análisis automatizado para la detección de la RDR en imágenes tomadas por un profesional de la salud.
De los 255 pacientes atendidos, un total de 231 (90,6%) consintieron en someterse a un cribado de retinopatÃa diabética. Las razones principales para no participar fueron la falta de voluntad para esperar a la evaluación y la visión borrosa que se producirÃa después de la dilatación. Las imágenes de 18 sujetos fueron consideradas no graduables por el oftalmólogo y por lo tanto fueron excluidas. En el resto de los participantes (110 mujeres [51,6%] y 103 hombres [48,4%]; edad media [DE], 53,1 [10,3] años), la sensibilidad y especificidad del sistema de IA para el diagnóstico de la RDR fue del 100,0% (IC del 95%: 78,2% - 100,0%) y 88,4% (IC 95%, 83,2% - 92,5%), respectivamente, mientras que para el diagnóstico de cualquier retinopatÃa diabética tales parámetros fueron 85,2% (IC 95%, 66,3%-95,8%) y 92,0% (IC 95%, 97,1%-95,4%), respectivamente, en comparación con la clasificación de los oftalmólogos usando las mismas imágenes.
En resumen, este estudio piloto muestra que los resultados son prometedores en el uso de un sistema de inteligencia artificial fuera de lÃnea para la detección comunitaria de la retinopatÃa diabética referenciable con una cámara de fondo utilizando un teléfono inteligente. Los autores sostienen además que el uso de IA permitirÃa diagnosticar la retinopatÃa diabética en áreas remotas donde no se dispone de los servicios de un oftalmólogo. Este análisis se realizó en pacientes con diabetes que estaban visitando un dispensario que proporciona servicios curativos a la población en el nivel primario. Sin embargo, es posible que se necesite un estudio con un tamaño de muestra mayor para ampliar los resultados al cribado de la población general.