Inteligencia artificial en retinopatía diabética
estudio de cribado en Encarnación, Paraguay
DOI:
https://doi.org/10.70313/2718.7446.v16.n03.243Palabras clave:
diabetes, retinopatía diabética, telemedicina, inteligencia artificial, salud públicaResumen
Objetivo: Evaluar la eficacia de un modelo de telemedicina en salud pública para la detección de retinopatía diabética mediante el uso de un retinógrafo portátil con un software de inteligencia artificial.
Materiales y métodos: Estudio prospectivo unicéntrico que incluye pacientes asintomáticos que acudieron a la consulta de la unidad de endocrinología del Hospital Regional de Encarnación (departamento de Itapúa, Paraguay) entre junio y agosto de 2022. Se evaluó la sensibilidad y la especificidad de un sistema de inteligencia artificial aplicado en un programa de telemedicina para la detección de retinopatía diabética proliferativa y no proliferativa.
Resultados: Se evaluaron 591 casos (1.182 ojos). El sistema de inteligencia artificial identificó 8 ojos con signos de retinopatía diabética versus el especialista que validó 6. Los dos estudios restantes también eran patológicos pero correspondían a otra alteración. El sistema de inteligencia artificial detectó 92 estudios positivos de retinopatía diabética no proliferativa que fueron validados por el especialista. El grado de sensibilidad para la detección de retinopatía diabética del sistema inteligente fue del 98% con una alta especificidad del 99,8%.
Conclusión: El uso de la retinografía portátil con software de inteligencia artificial resultó eficiente para hacer cribado en pacientes asintomáticos —pero con factor de riesgo como es la diabetes— en un servicio de endocrinología de un hospital público de Paraguay.
Citas
Bourne RRA, Stevens GA, White RA et al. Causes of vision loss worldwide, 1990-2010: a systematic analysis. Lancet Glob Heal 2013; 1: 339-349.
Paraguay. Ministerio de Salud Pública y Bienestar Social. Dirección de Estadísticas en Salud. Indicadores básicos de salud Paraguay 2018. [Asunción]: Organización Panamericana de la Salud, [2019]. Disponible en: https://docs.bvsalud.org/biblioref/2021/08/1282703/manual-indicadores-basicos-de-salud-2018.pdf
Garg S, Davis RM. Diabetic retinopathy screening update. Clin Diabetes 2009; 27: 140-145.
Sánchez González S, Calvo Lozano J, Sánchez González J et al. Valoración del uso de retinografía como método de diagnóstico precoz de glaucoma crónico en atención primaria: validación para el cribado en población con factores de riesgo para glaucoma de ángulo abierto. Aten Primaria 2017; 49: 399-406.
Chan CKW, Gangwani RA, McGhee SM et al. Cost-effectiveness of screening for intermediate age-related macular degeneration during diabetic retinopathy screening. Ophthalmology 2015; 122: 2278-2285.
Surendran TS, Raman R. Teleophthalmology in diabetic retinopathy. J Diabetes Sci Technol 2014; 8: 262-266.
Oleñik Memmel AR, Gómez-Ibáñez R, Manresa et al. Telemedicina portátil para la prevención de la ceguera en el Paraguay. Oftalmol Clin Exp 2021; 14: 193-201.
Zapata MA, Royo-Fibla D, Font O et al. Artificial intelligence to identify retinal fundus images, quality validation, laterality evaluation, macular degeneration, and suspected glaucoma. Clin Ophthalmol 2020; 14: 419-429.
Font O, Torrents-Barrena J, Royo D et al. Validation of an autonomous artificial intelligence-based diagnostic system for holistic maculopathy screening in a routine occupational health checkup context. Graefes Arch Clin Exp Ophthalmol 2022; 260: 3255-3265.
Li JPO, Liu H, Ting DSJ et al. Digital technology, tele-medicine and artificial intelligence in ophthalmology: a global perspective. Prog Retin Eye Res 2021; 82:100900.
Mehra AA, Softing A, Guner MK et al. Diabetic retinopathy telemedicine outcomes with artificial intelligence-based image analysis, reflex dilation, and image overread. Am J Ophthalmol 2022; 244: 125-132.
Grauslund J. Diabetic retinopathy screening in the emerging era of artificial intelligence. Diabetologia 2022; 65: 1415-1423.
Zhelev Z, Peters J, Rogers M et al. Test accuracy of artificial intelligence-based grading of fundus images in diabetic retinopathy screening: a systematic review. J Med Screen 2023; 30: 97-112.
Nadeem MW, Goh HG, Hussain M et al. Deep learning for diabetic retinopathy analysis: a review, research challenges, and future directions. Sensors (Basel) 2022; 22: 6780.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Consejo Argentino de Oftalmología
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Con esta licencia no se permite un uso comercial de la obra original, ni la generación de obras derivadas. Las licencias Creative Commons permiten a los autores compartir y liberar sus obras en forma legal y segura.