ArtículosNoticiero Alaccsa-R

Inteligencia artificial en oftalmología

24 julio, 2020 0 comentarios

Inteligencia artificial en oftalmología


Dr. Ramón Ruiz Mesa España


Contacto

Dr. Ramón Ruiz Mesa – ramonruizmesa@gmail.com

Una de las grandes aplicaciones que recientemente está teniendo un mayor auge en nuestra disciplina, la oftalmología, es el uso de la inteligencia artificial. Hemos de considerar en primer lugar que la inteligencia artificial es una rama de las ciencias de la computación que tiene como objetivo desarrollar algoritmos que simulen la inteligencia humana. La inteligencia artificial tiene numerosas aplicaciones en la medicina en general y en concreto en la oftalmología. Sus aplicaciones van aumentando día tras día rápidamente con el fin de ayudar en nuestra actividad como son en el diagnóstico y el tratamiento de enfermedades oculares. Hay estudios que ponen de manifiesto que la inteligencia artificial tiene un mayor potencial que el del ser humano para llevar a cabo determinadas tareas en las que principalmente puedan utilizarse imágenes. El campo de la oftalmología puede y debe beneficiarse en gran medida por su aplicación ya que sin duda es un campo de la medicina en el que el uso de las imágenes, tanto de polo anterior como de polo posterior, así como pruebas diagnósticas como las campimetrías, está muy extendido. Otra de las grandes aplicaciones que posee la inteligencia artifificial es el análisis de gran cantidad de información que puede estudiarse al mismo tiempo en muchos pacientes y que obviamente no puede llevarse a cabo por un único especialista. El uso simultáneo de gran información puede ser muy benefificioso para encontrar patrones de comportamientos, enfermedades o incluso de alteraciones de diferentes partes del globo ocular.

A continuación, se indican posibles aplicaciones de la inteligencia artifificial en nuestro campo.

1. Segmento posterior: la tele-oftalmología tienen gran aplicación en alteraciones del segmento posterior donde el análisis remoto de la información que se obtiene en equipos de diagnóstico que se disponen en la clínica e incluso en tomas simples mediante un Smartphone puede ayudar en el diagnóstico precoz de alteraciones de la retina.

2.Retinopatía diabética: su uso en pacientes con retinopatía diabética también se ha mostrado muy útil en estos últimos años donde el análisis de las imágenes de fondo de ojo ha sido una de las primeras aplicaciones de la inteligencia artifificial en nuestro campo. El objetivo es la detección precoz y autónoma, la búsqueda de patrones que nos permitan ayudar a nuestros pacientes, así como seguir el avance de posibles alteraciones y sobretodo el éxito de los tratamientos propuestos, más aún si cabe haciendo hincapié en los nuevos.

3.DMAE: también se ha aplicado a la mejora de la detección y seguimiento de pacientes con degeneración macular asociada a la edad, en incluso la aplicación de algoritmos que pueden predecir la agudeza visual de los pacientes con esta alteración. También se han aplicado para predecir tratamientos contra el crecimiento del endotelio vascular.

El análisis de gran cantidad de información, como se introducía anteriormente, es una de las aplicaciones más utilizadas en este campo. En oftalmología es habitual que se tomen muchas imágenes de diferentes pruebas de diagnóstico tales como las tomografías de coherencia óptica (OCT), fotografías de fondo de ojo o también las campimetrías. Estas pruebas pueden analizarse de manera independiente pero también puede combinarse con datos demográfificos de los pacientes como son la edad, el sexo o incluso con alguna enfermedad que ya presenten con el fifin de buscar información que a priori pueda pasar desapercibida. El uso de toda esta información de manera combinada utilizando inteligencia artifificial puede aportar un análisis global que no es posible alcanzar de manera individual haciendo un análisis pormenorizado por un único especialista.

4.Glaucoma: las aplicaciones en el campo del glaucoma también son importantes ya que se aplica la inteligencia artifificial a los datos obtenidos en las campimetrías, OCTs y fotografías del nervio óptico. La sensibilidad y especifificidad para la detección de neuropatías ópticas glaucomatosas son altas mediante el uso de diferentes algoritmos. Y también se ha aplicado al análisis de los datos obtenidos en la medida del grosor de la capa de fifibras nerviosas de la retina, de la presión intraocular y del espesor corneal. Obviamente el análisis de pa trones en los valores obtenidos en los campos visuales que se realizan en estos pacientes es de gran ayuda para el diagnóstico de la enfermedad y su tratamiento.

Este análisis del Big Data puede ayudarnos a mejorar en la toma de decisiones en nuestros procedimientos quirúrgicos o intervenciones, así como a entender la fisiopatología o a mejorar los protocolos de manejo de las diferentes patologías.
Tiene unas limitaciones que provienen de los datos que faltan, datos incompletos y clasificación/codificación incorrecta.
Vamos a revisar su uso dentro de la patología corneal, cirugía refractiva y catarata.

5.La inteligencia artificial en la pa-
tología corneal se remonta a la década de los 90, con el auge de la cirugía querato-refractiva y la necesidad de identificar córneas con riesgo de ectasia corneal. Desde entonces se ha aplicado en distintos campos y patologías de la córnea, fundamentalmente en 3 vertientes.

* Estudios epidemiológicos-demográficos.
* Diagnóstico-clasificación.
* Algoritmos-nomogramas de tratamiento.
Vamos a desarrollar unas ideas o puntos clave de cada apartado.

6. Córnea y ojo seco: en estudios epidemiológico-demográficos se han empleado bases de datos para analizar múltiples datos, obtención de variables epidemiológicas de enfermedades con el objetivo de conocer y comprender mejor. Se han publicado por ejemplo estudios de incidencia, demografía, tipos, factores de riesgo de la enfermedad del ojo seco en la India sirviéndose del análisis de historias clínicas (1458830), de archivos informáticos de 200 clínicas conectadas en red. Estos estudios nos muestran incidencia y analizan la edad, género, ocupación, estatus socio-económico, ámbito ruralurbano, factores de riesgo y clasificación del ojo seco. Se han analizado también estudios de incidencia de queratitis tras cirugía LASIK valorando variables como edad, género, factores de riesgo y características clínicas asociadas.
Toda esta información nos permite obtener mucha más información y mejorar en la compresión, prevención, diagnóstico y tratamiento de la patología.

Se puede emplear también en el diagnóstico, evolución y respuesta al tratamiento en la patología del ojo seco y para monitorizar la evolución de un defecto epitelial.

7. Queratocono: la inteligencia artificial dentro de la córnea y la superficie ocular sirve para la realización de nomogramas de tratamiento o bien el uso de los mismo en la predicción de resultados, como puede ser los nomogramas de implante de anillos intraestromales en el tratamiento de la ectasia corneal o un predictor de eficacia de la cirugía querato-refractiva gracias a la interacción de las bases de datos e inteligencia artificial.

La inteligencia artificial se emplea en mejorar la rentabilidad de las pruebas diagnósticas sobre todo se centran en la ectasia corneal. La situación en que es más útil su empleo con el fin de realizar un diagnóstico eficaz de formas subclínicas de ectasia corneal y evitar la cirugía refractiva en ellos. La inteligencia artificial y el uso de algoritmos computacionales puede ayudarnos mediante el manejo de grandes cantidades de datos al reconocimiento de patrones anormales de curvatura y elevación en la topografía corneal que determinan una contraindicación para la cirugía corneal.

8. Cirugía refractiva: también se utiliza el Big Data para investigar y analizar eventos raros, como puede ser alguna complicación posoperatoria con el objetivo de intentar disminuir aún más su incidencia y mejorar las tasas de éxito de estas cirugías.
La inteligencia artifificial en cirugía refractiva se emplea de forma frecuente. No solo recopila una cantidad intensa de datos, sino que se procesan los datos por un algoritmo que aprende y permite inferir conclusiones. Todo esto ayuda al médico a tomar decisiones clínicas.

Nos permite descartar aquellos pacientes que no son buenos candidatos a la cirugía refractiva, a conocer el resultado de forma más exacta mediante el análisis de imágenes posoperatorias (topografía, tomografía, biomecánica corneal). Estos algoritmos se han utilizado también tomando datos de tecnología Scheimpflflug.

Permite evaluar la potencia corneal tras cirugía fotoablativa y ayudar a reducir de forma signifificativa el error de predicción en el cálculo de la LIO en pacientes previamente intervenido de cirugía refractiva corneal.

Permite predecir, a partir de rasgos preoperatorios, la efificacia de la cirugía refractiva en cada paciente.

9. En cuanto a la catarata, patología más frecuentemente operada en el mundo, no puede ser inmune al Big Data. El análisis favorecerá el cono- cimiento de su etiología, factores de riesgo, complicaciones, resultados visuales, impacto en calidad de vida y puede sentar las bases de la ade- cuación en la utilización de recursos económicos. Sirve para descartar prácticas que no aportan valor y así modifificar el presente y permitir las vías para explorar nuevas tecnolo- gías y mejorar el futuro.

En la cirugía de la catarata nos ayu- da para mejorar nuestros resultados y nuestros registros. Permite ana- lizar y entender el valor de nuevas alternativas, el tratamiento médico y quirúrgico.

De forma general nos da información para el futuro sobre:

  • Incidencia, prevalencia y conoci- miento de aspectos básicos en rela- ción con la catarata.
  • Etiología y factores de riesgo con el fifin de tomar medidas preventivas.
  • Conocimiento de la tasa de prescrip- ción por área geográfifica, centros y profesionales. Con el objetivo de ver si existen diferencias geográfificas, raciales, sociopolíticas y socioeconó- micas y valorar qué centros/profesio- nales están en los límites superiores/ inferiores en la tasa de prescripción, así como analizar los motivos.
  • Identifificar complicaciones y sus causas para mejorar la calidad asis- tencial, así como establecer los lí- mites a partir de los cuales hay que tomar medidas.
    • Seguridad sobre las técnicas o esti- los de práctica personales, qué téc- nicas son las más recomendadas en tiempo real.
    • Auditoría de resultados clínicos.
    • Identificar qué centros/profesio- nales basan sus prácticas en cri- terios científicamente reconocidos. Si existen desviaciones establecer medidas correctoras.10. Las aplicaciones futuras deben valorar el uso de los nuevos algoritmos y analizar en detalle los resultados obtenidos. Es posible considerar aplicaciones sobre la ma- yoría de equipamientos de diagnós- tico y que vienen utilizándose en el campo de la oftalmología. Podemos destacar el uso de equipos que nos aportan información sobre la biome- cánica corneal u OCTs de segmento anterior con información de las es- tructuras anatómicas del ángulo, por ejemplo. Todas las aplicaciones don- de existe la posibilidad de analizar información obtenida de manera ob- jetiva es susceptible de ser evaluada mediante esta tecnología y por tanto útil para el diagnóstico, control y tra- tamiento de enfermedades.

      Como conclusión me gustaría indicar, desde mi punto de vista, que la tec- nología, sus avances y aplicaciones no deben sustituir la experiencia clínica y la capacidad individual del propio clíni- co para valorar a sus pacientes y lle- var a cabo su práctica habitual. Es por ello que debemos considerar la inteli- gencia artificial como una herramienta complementaria muy útil para mejorar nuestra práctica clínica.

    Bibliografía

    Big Data en Oftalmología Autores : José María Martínez de la Casa y Javier Aritz Urcola Mesa redonda 95 Congreso SEO, Madrid 2019

    Applications of artificial intelligence in Ophthalmology: general overview Wei Lu et al Hindawi. Journal of Ophthalmology, Vol 2018

    Artificial intelligence and deep learning in ophthalmology Shu Wei Ting et al Br of Ophthalmolol, Oct 2018

    Artificial intelligence for refractive surgery screening: finding the balance between myopia and hyperopia Travis Redd et al JAMA Ophthalmology, March 2020

Deja un comentario