Desarrollo de un sistema de aprendizaje profundo para la identificación de afecciones neurooftalmológicas en fotografías en color del fondo de ojo en el servicio de urgencias (DEEP-VISION)

En los últimos años, la inteligencia artificial (IA) se ha integrado ampliamente en el campo médico, contribuyendo en particular a mejorar el diagnóstico de los pacientes. El estudio BONSAI, Brain and Optic Nerve Study with AI, en el que participa nuestro equipo, ha demostrado con éxito la capacidad de la IA para identificar patologías neurooftalmológicas o neurológicas individuales que afectan a los nervios ópticos y/o al cerebro, a partir de una simple imagen del fondo de ojo.

Si bien se trata de un avance prometedor, sigue siendo limitado en la práctica clínica actual. Nuestro gran reto es poder identificar simultáneamente en un mismo análisis una gama más amplia de patologías del nervio óptico y/o cerebral, para mejorar el manejo de los pacientes, especialmente aquellos remitidos a urgencias. De hecho, en ausencia de un diagnóstico preciso, las complicaciones pueden ser irreversibles y poner en peligro la vida.

Entre los signos clínicos más alarmantes en el servicio de urgencias se encuentra el edema de papila por estasis, que, acompañado de dolores de cabeza agudos, puede indicar la presencia de hipertensión intracraneal, patología inflamatoria o isquémica. Esto último puede ser una manifestación de la enfermedad de Horton. Nuestro equipo ha desarrollado un algoritmo de IA para diagnosticar anomalías de la retina y del nervio óptico basándose en retinofotografías tomadas en condiciones ideales durante las consultas programadas, y no en imágenes de pacientes que acuden al departamento de urgencias. En los hospitales sin servicios de urgencias de oftalmología, es fundamental que los médicos de urgencias (urgentes, médicos generales, neurólogos) puedan valorar el fondo de ojo en ausencia de un especialista en oftalmología. Esta evaluación, aunque forma parte del examen general, a menudo presenta desafíos para los no oftalmólogos. El objetivo de nuestro estudio es mejorar el rendimiento de nuestro algoritmo de IA para que pueda discriminar entre diferentes patologías de la retina y del nervio óptico en el servicio de urgencias. Por lo tanto, planeamos crear una base de datos de imágenes del fondo de ojo incluyendo prospectivamente a los pacientes que acuden a los departamentos de urgencias de oftalmología y neurología del Hospital Fondation Adolphe de Rothschild. El rendimiento del algoritmo desarrollado se evaluará según criterios estándar de sensibilidad, especificidad, área bajo la curva (AUC) y precisión.