La gestión de la retinopatía diabética (RD) ha favorecido unos grandes avances en la primera parte del siglo XXI. En primer lugar, la carga global de la RD no sólo está aumentando, sino que también se está desplazando hacia las zonas de ingresos medios y bajos. En segundo lugar, se está poniendo mayor énfasis en la disfunción neural de la retina y los aspectos no vasculares de la RD. En tercer lugar, novedades en los sistemas de imágenes de campo amplio y la angiografía por tomografía de coherencia óptica (OCT). Además, en cuarto lugar, la inteligencia artificial (IA) para la detección, el diagnóstico y el pronóstico de la RD será cada vez más accesible e importante. En quinto lugar, se están desarrollando nuevas estrategias terapéuticas, como la terapia génica, para la RD. Por último, será necesario actualizar el sistema de clasificación de la RD para seguir el ritmo de los nuevos avances.
El uso de la IA en la RD se ha convertido en un foco de investigación líder en la última década. El número de publicaciones anuales muestran una tendencia creciente durante los últimos diez años. China, India, EE. UU. y Corea del Sur son los países de origen más productivos. (Sigue leyendo...)
Existen múltiples sistemas basados en IA para la detección de RD que han sido aprobados para uso clínico (Poly et al.). IDx-DR (EE.UU.) y EyeArt (Eyenuk, Inc., Woodlands Hills, Canadá, EE.UU.) han recibido la aprobación de la Administración de Alimentos y Medicamentos (FDA) para el diagnóstico de la RD. El SELENA+ (EyRIS Pte Ltd, Singapur) está previsto que se implemente pronto y detecta la RD, así como otras dos enfermedades oculares importantes: la degeneración macular relacionada con la edad (DMAE) y el glaucoma.
Los países de ingresos medios y bajos (PIMB) tienen servicios de detección de RD muy limitados o nulos. La RD inevitablemente aumentará y afectarán desproporcionadamente en estos países. Además el número de oftalmólogos por millón de habitantes es menor.
El objetivo de esta revisión es proporcionar una visión general de la literatura relacionada con el uso de IA para RD en PIMB, donde los recursos son más limitados.
En la búsqueda realizada (hasta el 29 de noviembre de 2022) se identificaron 81 estudios que detallan el uso de la IA en PIMB en el contexto de la RD. El objetivo principal de la mayoría de los estudios (89%) fue evaluar el desempeño de la IA para una tarea específica. El 60% interpreta las fotografías de la retina y produce una calificación de RD. De los estudios restantes, cinco se centraron en la interpretación de imágenes OCT para el DMAE y un estudio evaluó la interpretación de la angiografía con fluoresceína del fondo de ojo.
La mayoría de los estudios se centraron en la sensibilidad y especificidad de las herramientas de IA oscilando entre 83–100% y 68–98%, respectivamente, proporcionando evidencia que respalda su uso en la práctica clínica. Pocos estudios indicaron si tenían alguna aprobación regulatoria (por ejemplo, marca FDA o CE) y casi no hay información disponible sobre el costo de dichos sistemas. Se destacó especialmente el requisito de una buena conexión a Internet para ejecutar su modelo de IA.
Es esencial que la investigación se realice en regiones menos desarrolladas del mundo para evitar la "pobreza de datos de salud" y reducir las desigualdades en salud. La colaboración con los Ministerios de Salud y la inversión en infraestructura de hardware en países de ingresos bajos y medianos son clave para el éxito de la IA en la atención médica.
Sin un buen acceso a tratamientos asequibles que puedan administrarse de manera efectiva, una mejor detección de la RD no reducirá la pérdida de visión causada por la enfermedad.
El rendimiento de los sistemas de IA identificados en esta revisión demuestra el potencial de la IA es una herramienta valiosa para mejorar los servicios de atención oftalmológica para pacientes con diabetes en contexto de bajo recursos. No podemos poner límites al campo.
Cleland CR, Rwiza J, Evans JR, Gordon I, MacLeod D, Burton MJ, Bascaran C. Artificial intelligence for diabetic retinopathy in low-income and middle-income countries: a scoping review. BMJ Open Diabetes Res Care. 2023 Aug;11(4):e003424. doi: 10.1136/bmjdrc-2023-003424. PMID: 37532460; PMCID: PMC10401245.
Tan TE, Wong TY. Diabetic retinopathy: Looking forward to 2030. Front Endocrinol (Lausanne). 2023 Jan 9;13:1077669. doi: 10.3389/fendo.2022.1077669.
Poly TN, Islam MM, Walther BA, Lin MC, Jack Li YC. Artificial intelligence in diabetic retinopathy: Bibliometric analysis. Comput Methods Programs Biomed. 2023 Apr;231:107358. doi: 10.1016/j.cmpb.2023.107358.
No hay comentarios:
Publicar un comentario