En un artículo publicado en el portal ScienceNews, los algoritmos de Inteligencia Artificial (AI) pronto pueden llevar el conocimiento diagnóstico de un oftalmólogo a las oficinas de atención primaria y a cualquier clínica de atención familiar, lo que acelerará la detección de problemas de salud y el inicio de tratamiento, especialmente en lugares donde los especialistas son escasos.
Un equipo internacional ha desarrollado una nueva herramienta basada en Inteligencia Artificial y técnicas de aprendizaje automático para detectar rápidamente enfermedades oculares y neumonía, según un estudio publicado en la revista Cell.
El primer programa de este tipo, entrenado para detectar síntomas de pérdida de visión relacionada con diabetes (retinopatía diabética) durante un examen de ojos, está aún pendiente de aprobación por la Administración de Alimentos y Medicamentos (FDA, Estados Unidos)
“La AI tiene un gran potencial para revolucionar el diagnóstico y la gestión de las enfermedades haciendo análisis y clasificaciones que involucran una gran cantidad de datos que son difíciles para los expertos humanos”, señaló el autor principal Kang Zhang, profesor de oftalmología en Shiley Eye Institute en San Diego (California, EE.UU.).
Mapa de calor verde (derecha) enfocado en vasos sanguíneos.
Durante su estudio, un nuevo algoritmo examina las imágenes de los ojos del fondo de la retina (izquierda) para predecir la salud cardiovascular. Una para de calor verde superpuesto en una de estas imágenes resalta las áreas de la imagen (derecha), especialmente los vasos sanguíneos, que son los que más influyen en la predicción del algoritmo sobre la presión sanguínea del paciente. Si la presión arterial es alta, el paciente puede estar en riesgo de una arritmia cardíaca o ataque cardíaco.
Una red neuronal de AI optimizada para reconocer las estructuras anatómicas discretas del ojo, como la retina, la córnea o el nervio óptico, puede identificarlas y evaluarlas de manera más rápida y eficiente cuando se examinan las imágenes de un ojo completo. Esto permite que el sistema aprenda de manera efectiva con un conjunto de datos mucho más pequeño que los métodos tradicionales.
Los investigadores agregaron luego pruebas de oclusión en las que la computadora identifica las áreas en cada imagen que son de mayor interés y la base de sus conclusiones.
El algoritmo fue 71% preciso para distinguir las imágenes oculares entre fumadores y pacientes no fumadores, según un informe del 19 de febrero en la revista Nature Biomedical Engineering. Y predijo qué pacientes sufrirían un evento cardiovascular importante en los próximos cinco años.