La IA se utiliza para analizar imágenes retinianas

En un enfoque recientemente desarrollado, la inteligencia artificial (IA) se utiliza para analizar imágenes retinianas. El sistema podría ser utilizado por médicos para seleccionar el mejor tratamiento para pacientes que sufren de pérdida de visión debido a la edema macular diabético, una complicación de la diabetes. Ese problema a menudo conduce a la pérdida de visión entre adultos en edad laboral.

Uno de los primeros tipos de terapia que se utiliza como línea de defensa contra el edema macular diabético es el factor de crecimiento endotelial vascular anti- (VEGF). El problema con los agentes VEGF es que no funcionan para todos. Aquellos que podrían beneficiarse de la terapia necesitan ser identificados primero, ya que requiere múltiples inyecciones. Esas inyecciones cuestan mucho y son una carga para ambos, pacientes y médicos.

El líder del equipo de investigación es Sina Farsiu de la Universidad de Duke.

“Desarrollamos un algoritmo que puede ser utilizado para analizar automáticamente imágenes de tomografía de coherencia óptica (OCT) de la retina para predecir si un paciente es probable que responda a tratamientos anti-VEGF”, dijo. “Esta investigación representa un paso hacia la medicina de precisión, en la que tales predicciones ayudan a los clínicos a seleccionar mejor las terapias de primera línea para los pacientes en función de condiciones de enfermedad específicas.”

El trabajo se publicó en The Optical Society (OSA) en la revista Biomedical Optics Express. En la revista, Farsiu y su equipo demostraron cómo el nuevo algoritmo es capaz de predecir con precisión si un paciente es probable que responda a la terapia anti-VEGF, después de solo una exploración volumétrica.

“Nuestro enfoque podría ser utilizado potencialmente en clínicas de ojos para prevenir tratamientos innecesarios y costosos de prueba y error y así aliviar una carga de tratamiento sustancial para los pacientes”, dijo Farsiu. “El algoritmo también podría adaptarse para predecir la respuesta a la terapia para muchas otras enfermedades oculares, incluyendo la degeneración macular relacionada con la edad neovascular.”

El algoritmo recientemente desarrollado se basa en una arquitectura de red neuronal convolucional (CNN) novedosa. Una CNN es un tipo de inteligencia artificial, y asigna importancia a varios aspectos u objetos para analizar imágenes. El algoritmo fue utilizado por los investigadores para examinar imágenes adquiridas con OCT, que es una tecnología no invasiva. OCT produce imágenes retinianas cruzadas de alta resolución, y se considera el estándar de atención para la evaluación y el tratamiento de varias afecciones oculares.

“A diferencia de los enfoques desarrollados anteriormente, nuestro algoritmo requiere imágenes OCT de solo un punto de tiempo pretreatamiento”, dijo Reza Rasti, autor principal del artículo y becario postdoctoral en el laboratorio de Farsiu. “No hay necesidad de imágenes OCT en serie, registros de pacientes u otros metadatos para predecir la respuesta a la terapia.”

El nuevo algoritmo funciona resaltando estructuras globales en la OCT. Al mismo tiempo, también realza características locales de regiones enfermas. Busca características codificadas por la CNN que puedan correlacionarse con la respuesta anti-VEGF. 

El algoritmo se probó con imágenes OCT de 127 pacientes que habían recibido tratamiento para el edema macular diabético con tres inyecciones consecutivas de agentes anti-VEGF. Luego, el algoritmo analizó las imágenes OCT tomadas antes de las inyecciones anti-VEGF, y las predicciones del algoritmo se compararon con las imágenes OCT tomadas después de la terapia anti-VEGF. Esto les dijo a los investigadores si la terapia resultó en una mejora de la afección. 

El algoritmo se encontró que tenía una tasa de precisión del 87 por ciento para predecir a aquellos que responderían al tratamiento. Tuvo una precisión y especificidad promedio del 85 por ciento y una sensibilidad del 80 por ciento.

Los investigadores ahora quieren confirmar los hallazgos y realizar un ensayo de observación más grande de pacientes que aún no han recibido tratamiento.