Cinvestav prueba sistema de inteligencia artificial para detectar daño en los ojos de pacientes con diabetes
Su diagnóstico temprano permite su tratamiento con mejores resultados y evita ceguera
estudio
Gaspar González Briceño, estudiante de doctorado en el laboratorio de Diseño Electrónico del Cinvestav Unidad Guadalajara, presentó un modelo de investigación que se apoya en Inteligencia Artificial (IA) para detectar de manera temprana posibles daños en la retina de pacientes con diabetes y que pueden desembocar en ceguera sino se atienden oportunamente.
La Inteligencia Artificial puede ayudar a clasificar las fotografías de fondo de ojo generadas en el tamizaje de la retinopatía con un desempeño similar o mejor que el de personal altamente capacitado; sin embargo, la implementación de estos modelos en la salud pública no sustituye a los médicos oftalmólogos, porque su interacción se sugiere en el primer nivel de salud y con los especialistas se presenta en el segundo nivel.
“El tamizaje sistemático de retinopatía diabética representa un beneficio en la detección temprana y tratamiento oportuno de esta afección ocular, y junto con la asistencia de tecnologías como la IA y la telemedicina, han mostrado ser efectivas para la referencia oportuna del paciente a un oftalmólogo”, explicó González Briceño.
Al ser una de las principales consecuencias de la diabetes mellitus, la retinopatía diabética es un problema de salud mundial, la cual puede provocar pérdida de la visión e incluso ceguera. En México, la encuesta Nacional de Salud y Nutrición 2018 señala que existían 8.6 millones de personas con diabetes mellitus y la visión disminuida fue la complicación más reportada.
Una estrategia clave para disminuir la ceguera provocada por la retinopatía diabética es la detección temprana y el tratamiento oportuno.
En un avance de la investigación publicado recientemente en la revista Computer de la IEEE Computer Society, se establece que el uso de la IA en la detección o diagnóstico de la retinopatía diabética ofrece diversas áreas de oportunidad en términos técnicos y clínicos. La IA se podría definir como un conjunto de técnicas computacionales que pueden desempeñar tareas complejas generalmente reservadas solo para los seres humanos.
En el aspecto técnico, el área de oportunidad se encuentra en que los modelos basados en redes neuronales profundas alcancen una sensibilidad y una especificidad de valoración adecuada, en las cuales intervienen cantidad y calidad de las fotografías de fondo de ojo; mientras que en la parte clínica se presenta el en el desarrollo de protocolos y procesos fundamentales para lograr un tamizaje sistemático de buena calidad.
“Dado que las redes neuronales convolucionales muestran un buen desempeño en reconocimiento de patrones, se ha optado por utilizar esta tecnología, que puede ayudar en la detección temprana de la retinopatía, en combinación con un buen modelo de tamizaje clínico”, sostuvo Gaspar González. Ante la falta de personal especializado que pueda clasificar grandes volúmenes de imágenes, en un primer nivel de atención, se requiere capacitar a nuevos recursos humanos o hacer uso de la IA para realizar las tareas de clasificación de fotografías de fondo de ojo.
“La atención de la retinopatía diabética, en primer nivel de salud, debe ser un trabajo multidisciplinario donde intervengan nuevos actores clínicos, técnicos y de procesos en el sistema de salud pública. En este contexto, el desarrollo y la implementación de modelos de aprendizaje profundo, usando redes neuronales convolucionales, enfocados en la atención primaria de esta afección ocular, sugieren una solución efectiva e innovadora para disminuir la ceguera provocada por la retinopatía diabética”, comentó González Briceño.
La Secretaría de Salud Jalisco ha dictaminado el protocolo de manera aprobatoria y se implementa en tres centros de salud, donde se llevará a cabo la investigación los próximos seis meses. La iniciativa es apoyada por el Colegio de Médicos Oftalmólogos de Jalisco, personal del IMSS y el Hospital Civil Fray Antonio Alcalde.