La inteligencia artificial (IA) se está introduciendo cada vez más en nuestra vida cotidiana e, incluso en el campo oftalmológico, se están investigando posibles aplicaciones. En concreto, este artículo examinará las aplicaciones de la IA en la tomografía de coherencia óptica (OCT) en el edema macular diabético.
El edema macular diabético (EMD) es una grave complicación ocular de la diabetes mellitus, tanto de tipo 1 como de tipo 2, y es una de las principales causas de pérdida de visión en los países desarrollados. En la actualidad, aproximadamente 537 millones de adultos viven con diabetes y se prevé que esta cifra aumente de forma constante a medida que se incremente la edad media de la población. Se calcula que la prevalencia de EMD entre las personas con diabetes en Europa ronda el 3,7% y su incidencia media anual agregada en pacientes con diabetes de tipo 2 es del 0,4%.
En los últimos años, se han producido avances significativos en las tecnologías de telecomunicaciones, IA y sistemas basados en aprendizaje profundo (deep learning o DL por sus siglas en inglés), que han abierto nuevos horizontes para la creación de herramientas eficientes para la cuantificación de parámetros clave relevantes para el diagnóstico y seguimiento de los trastornos maculares.
Los datos de la literatura sugieren que la IA puede alcanzar un alto rendimiento en la detección de características retinianas y la evaluación de cambios anatómicos característicos del edema macular diabético. Además, la inteligencia artificial ya se ha utilizado con éxito para detectar la retinopatía diabética, utilizando fotografías del fondo ocular, aunque con protocolos variables, lo que permite un diagnóstico precoz, con lo que se evita la ceguera y se ahorran costes de gestión de la enfermedad.
Diagnóstico del edema macular diabético: Estado actual de la técnica
El EMD es una enfermedad multifactorial compleja, caracterizada por hipoxia, inflamación, hiperpermeabilidad y angiogénesis. En consecuencia, los pacientes pueden presentar diferentes fenotipos, con importantes diferencias en la gravedad de la enfermedad, el riesgo de progresión y los resultados del tratamiento. Por lo tanto, la evaluación de las características morfológicas individuales de la EMD puede proporcionar una mejor comprensión de la fisiopatología de esta enfermedad, lo que, a su vez, puede ayudar en la selección de la mejor opción terapéutica y un enfoque médico personalizado.
En este contexto, la tomografía de coherencia óptica (OCT), y en particular la OCT de dominio espectral (SD-OCT), abre nuevas perspectivas en términos de una mejora significativa de la eficacia diagnóstica, con la posibilidad de obtener información cuantitativa y cualitativa de las características morfológicas de la retina interna y externa. Entre los principales biomarcadores identificados por OCT para el diagnóstico de EMD se encuentran la presencia y cantidad de líquido intrarretiniano (IRF) y subretiniano (SRF), la integridad de la membrana limitante externa (ELM) y la zona elipsoide (EZ), y el número de focos hiperreflectantes (HRF).
IA como herramienta fiable para detectar y cuantificar diferentes biomarcadores de OCT: Un estudio
Un estudio reciente se propuso validar un algoritmo de IA para identificar y cuantificar varios biomarcadores de OCT en edema macular diabético comparando el algoritmo con el examen manual humano. En concreto, se consideraron biomarcadores clave como la detección del volumen de líquido intrarretiniano (IRF) y el volumen de líquido subretiniano (SRF), la membrana limitante externa (ELM), la integridad de la zona elipsoidal (EZ) y la cuantificación de los focos retinianos hiperreflectantes (HRF). Se incluyeron en el estudio más de 100 ojos con EMD. La precisión de la cuantificación mediante IA osciló entre el 94,7% y el 95,7%, mientras que los parámetros de precisión oscilaron entre el 99,0% (segmentación de capas OCT) y el 100,0% (centrado de la fóvea). El coeficiente de correlación intraclase entre el recuento clínico y el automatizado de HRF fue excelente (0,97).
De acuerdo con los resultados, existe una concordancia casi perfecta entre el software de IA y la evaluación clínica humana para el volumen de los SRF y la integridad de la ELM y la EZ. Además, el análisis comparativo del número de HRF evaluado por la IA y la evaluación clínica mostró una fiabilidad excelente. En esencia, los resultados de este estudio sugieren que los algoritmos son herramientas fiables y reproducibles para detectar y cuantificar diversos biomarcadores de OCT en edema macular diabético, y que también son muy útiles para una evaluación pronóstica de los resultados del tratamiento.
En particular, la inteligencia artificial puede facilitar la cuantificación diaria de estos biomarcadores, ya que se ha demostrado que es tan exacta y precisa como la evaluación clínica, pero requiere menos tiempo.
Serán necesarios más estudios para aplicar el software de inteligencia artificial a gran escala, con datos del mundo real, para evaluar los cambios a lo largo del tiempo y la relación clínica entre los cambios en los biomarcadores y el curso de la enfermedad.
BIBLIOGRAFÍA: