El modelo de inteligencia artificial reduce drásticamente los errores en los exámenes oculares

Los investigadores han diseñado recientemente un algoritmo de inteligencia artificial que parece diagnosticar problemas de visión con mayor precisión que las pruebas de visión clásicas actualmente utilizadas por los médicos. Según Science, la nueva prueba puede reducir el error diagnóstico para los exámenes oculares en un 74%.

Los oftalmólogos han estado utilizando la misma prueba de visión, el examen ocular clásico basado en gráficos con letras y símbolos de diferentes tamaños, durante décadas. Los resultados de la prueba dependen de la interpretación del oftalmólogo, y por supuesto, pueden ocurrir errores en la interpretación de los resultados y el diagnóstico. Los investigadores de la Universidad de Stanford buscaron mejorar estas pruebas con un algoritmo de inteligencia artificial.

Según un científico informático de Stanford, Chris Piech, parte del problema con las pruebas tradicionales es que cuando las letras se vuelven demasiado borrosas para que el sujeto las vea, el sujeto comienza a adivinar las letras. Esta suposición significa que los resultados de la prueba pueden variar si una persona toma la prueba varias veces. Para desarrollar una prueba con mayor precisión y replicabilidad, Piech y sus colegas crearon una prueba en línea, con los resultados de la prueba utilizados para entrenar un modelo de inteligencia artificial. La prueba en línea primero guía al usuario a través del proceso de calibrar su pantalla. Después de calibrar la pantalla, el usuario ingresa su distancia de la pantalla y luego el programa muestra una letra “E” que aparece en varias orientaciones. Después de esto, el modelo asigna al usuario una puntuación de visión, basada en un modelo estadístico. El programa hace 20 preguntas para cada ojo, actualizando su puntuación de visión a medida que lo hace, y luego renderiza una predicción basada en la puntuación de visión.

El equipo de investigación ejecutó su modelo a través de 1000 simulaciones informáticas que emulaban las entradas de pacientes reales. La simulación informática opera siendo alimentada con una puntuación de agudeza visual conocida y luego haciendo el tipo de errores que una persona podría cometer al tomar la prueba. Los investigadores realizaron las pruebas de esta manera porque para cada prueba hay una puntuación de agudeza visual “real”, lo que no es el caso cuando un humano toma la prueba. Según los investigadores, su modelo pudo reducir el error diagnóstico en un 74% en comparación con las pruebas de visión clásicas. A pesar de estos resultados bastante impresionantes, Piech y sus colegas advierten que el modelo no está destinado a reemplazar a los médicos, sino que es una herramienta que los médicos podrían utilizar para mejorar la precisión de un diagnóstico.

El oftalmólogo Mark Blecher opinó a Science que, si bien el programa es una implementación útil y astuta de los modelos de inteligencia artificial para la oftalmología, los investigadores también deberían tener en cuenta factores como el entorno en el que el sujeto de la prueba está tomando la prueba, ya que estos atributos también pueden influir en los resultados de la prueba. Más allá de esto, Blecher anticipa que los investigadores pueden tener dificultades para que los oftalmólogos utilicen su nuevo modelo y acuerden un nuevo estándar, ya que el status quo puede ser difícil de superar.

La investigación realizada por Piech y sus colegas no es el único desarrollo reciente relacionado con la inteligencia artificial y la visión. Recientemente, Google (GOOGL ) desarrolló un modelo de inteligencia artificial que podría superar ocasionalmente a los clínicos en la identificación de condiciones oculares comunes que pueden provocar la pérdida de visión. Google DeepMind colaboró con el Hospital de Ojos de Moorfields para desarrollar un modelo que podría predecir significativamente la probabilidad de que un paciente desarrolle una forma grave de degeneración macular. En otro lugar, una startup israelí llamada AEYE Health utilizó técnicas de visión por computadora y aprendizaje automático para desarrollar escáneres de retina que pueden reconocer con precisión condiciones oculares comunes, remitiendo al paciente a un médico si el diagnóstico es positivo.