Aplicación de la Inteligencia Artificial en la Detección Precoz de Complicaciones Oculares en Diabéticos (AI)

En la era de la falta de elegancia artificial (IA), se recomienda encarecidamente pasar de la atención terciaria a la secundaria y primaria cuando se atiende a un paciente con retinopatía diabética.

Debido a la baja operación, la IA podría usarse en la detección temprana y la detección de la retinopatía diabética mediante la aplicación del servicio en una población masiva y áreas de recursos limitados con escasez de servicios de atención oftalmológica.

La atención oftalmológica basada en IA en términos de detección de la retinopatía diabética hará que el proceso de detección sea más efectivo y económico, y podría delegarse en técnicos, profesionales y/o incluso en la autoevaluación en el hogar.

Reconociendo la alta prevalencia de diabetes mellitus tipo 2 (T2DM) entre adultos, el uso de una cámara de fondo de ojo no midriática con IA es eficaz en los exámenes de la vista, ya que mejora la adherencia de los adultos al examen de la vista.

El objetivo principal del ensayo será evaluar la eficacia de la aplicación de dispositivos de IA en forma de cámaras de fondo de ojo en la detección precoz de retinopatía diabética y edema macular en pacientes diabéticos que acuden a centros de atención primaria.

Preguntas de investigación:

¿En qué medida la aplicación de la atención ocular basada en inteligencia artificial en el centro de atención primaria es efectiva para lograr una alta tasa de detección de edema macular? ¿En qué medida la aplicación de la atención oftalmológica basada en inteligencia artificial en la consulta de atención primaria es eficaz para lograr una alta tasa de detección de retinopatía?

Objetivo general:

Estimar la efectividad de la aplicación de atención oftalmológica basada en IA en los centros de atención primaria para lograr una alta tasa de detección de edema macular y retinopatía entre los diabéticos.

Objetivos específicos:

Objetivo 1: Comparar la proporción de casos detectados de edema macular en el grupo de intervención frente al grupo control (cuidado oftalmológico habitual) que acuden al centro de atención primaria.

Objetivo 2: Comparar la proporción de casos detectados de retinopatía en el grupo de intervención frente al grupo control (atención oftalmológica habitual) que acuden al centro de atención primaria

Revisión de literatura:

Aunque se han sugerido modelos recientes para implementar soluciones de salud digital como la pesca en arroyos, el embudo de entrada, la pirámide y barajar cartas que representan opciones para los servicios clínicos con una capacidad y disposición cada vez mayores para hacer operativa la salud digital.

Sin embargo, el despliegue de IA, telesalud e Internet de las cosas (IoT) en todo el mundo enfrenta varios desafíos. Las barreras para adoptar estas soluciones de salud digital son muchas y podrían inferirse de la infraestructura, la calidad del dispositivo, la voluntad común y los aspectos legales.

La evidencia reveló que el uso de Macustat retina function scan AI en el monitoreo remoto de un paciente con edema macular relacionado con la edad o retinopatía diabética tiene un gran impacto en la salud del paciente.

Diseño y métodos de investigación:

Este es un ensayo aleatorizado por grupos de seis meses que reclutará pacientes con diabetes tipo II que asisten a clínicas de atención oftalmológica primaria en centros de atención primaria en la ciudad de Hail.

Participantes (P):

Los participantes serán pacientes diabéticos tipo II de ambos sexos que acudan a los centros de atención primaria seleccionados independientemente de la duración de la enfermedad y el tipo de medicación que reciban actualmente. Se espera que los participantes sean adultos mayores de 18 años. Se excluirán niños y adultos jóvenes con diabetes mellitus juvenil. Además, se excluirán los pacientes gravemente enfermos y los pacientes con trastornos mentales. Los participantes serán evaluados al inicio para recopilar los datos de referencia sobre la retinopatía diabética y el edema macular utilizando dispositivos de IA para informar los casos detectados. Al finalizar el juicio, se obtendrá un informe similar de casos detectados a los tres y seis meses del inicio del juicio.