DETECCIÓN DE ENFERMEDADES OCULARES CON ALGORITMOS HÍBRIDOS DE APRENDIZAJE PROFUNDO A PARTIR DE IMÁGENES DEL FONDO DE FONDO

Según el informe mundial de la Organización Mundial de la Salud publicado en 2020, al menos 2.200 millones de personas en todo el mundo tienen actualmente discapacidad visual, y al menos 1.000 millones de ellas tienen una discapacidad visual que se puede prevenir o que aún no se ha abordado. El mundo enfrenta importantes desafíos en materia de salud ocular, incluidas desigualdades en la cobertura y la calidad de los servicios de prevención, tratamiento y rehabilitación de la atención ocular, la falta de proveedores de atención oftalmológica capacitados y la mala integración de los servicios de atención oftalmológica en los sistemas de salud, entre otros.

Se sabe que más del 80% de todos los trastornos visuales se pueden prevenir o tratar. Un examen de fondo de ojo debe ser realizado por un especialista en retina para hacer un diagnóstico correcto, pero las personas sólo consultan a un oftalmólogo cuando sienten alguna molestia. Si bien los síntomas generalmente progresan tanto que una vez que ocurre la enfermedad, lo que resulta en tratamientos y cirugías costosos, a menudo el daño es irreversible y resulta en discapacidad visual o incluso pérdida permanente de la visión.

La inteligencia artificial se utiliza para estudiar y desarrollar teorías y métodos que pueden ayudar a simular y ampliar la inteligencia humana, que se han utilizado en muchos campos de investigación, como el diagnóstico automático y la medicina. En los últimos años, la intersección de la tecnología de inteligencia artificial (IA) y la medicina moderna ha hecho posible la detección rápida y eficaz de enfermedades. EyeCheckup es un dispositivo de software automatizado diseñado para analizar fotografías digitales en color del fondo de ojo para detectar rápidamente enfermedades de la retina y del disco óptico.

El objetivo principal de la investigación es evaluar el rendimiento del algoritmo de cribado automático para detectar enfermedades orientables de la retina y del disco óptico basándose en imágenes en color del fondo de ojo y determinar su sensibilidad y especificidad ante posibles enfermedades. Para la validación clínica del sistema, las imágenes serán evaluadas por oftalmólogos y los resultados se compararán con el algoritmo de inteligencia artificial.

Después de las exclusiones, este estudio inscribirá hasta 1528 sujetos que cumplan con los criterios de elegibilidad. Los participantes que cumplan con los criterios de elegibilidad serán reclutados después de obtener el consentimiento informado por escrito de los proveedores de atención primaria de salud. Los sujetos se someterán a una fotografía del fondo de ojo mediante cámaras oftálmicas autorizadas por la Administración de Alimentos y Medicamentos (FDA). Las imágenes se tomarán de acuerdo con un protocolo de imágenes EyeCheckup específico proporcionado al operador de la cámara oftálmica y luego analizado por el dispositivo EyeCheckup v2.0.

Métodos y herramientas a utilizar en la investigación:

I. Captura de fotografías del fondo de ojo con cámaras no midriáticas: se tomarán imágenes del fondo de ojo centradas en el disco óptico y en la fóvea con cámaras de fondo de ojo no midriáticas Canon CR-2 AF, Topcon TRC-NW400 y Optomed Aurora. Para los voluntarios cuyas imágenes no midriáticas no se pueden obtener, se logrará la dilatación de la pupila instilando gotas de tropicamida y luego se tomarán imágenes. Las cámaras de fondo de ojo no midriático Canon CR-2 AF, Topcon TRC-NW400 y Optomed Aurora, de las cuales se tomarán imágenes de la retina, tienen la marca CE y la aprobación de la FDA.

Pruebas a realizar:

I. Las imágenes del fondo de ojo obtenidas con tres cámaras diferentes de cada voluntario incluido en el estudio se analizarán por separado tanto para el ojo derecho como para el ojo izquierdo mediante el algoritmo de inteligencia artificial EyeCheckup basado en una cámara.

ii. Evaluación de imágenes Canon CR-2 AF por parte de especialistas en retina y glaucoma para la validación clínica del sistema y comparación de los resultados.