Avances en la Investigación Médica
Acceso abierto

abstracto

Un sistema de detección de retinopatía diabética basado en IA y su uso en entornos clínicos del mundo real en Australia y Singapur

Jack Tan Teck

Enunciado del problema: la Organización Mundial de la Salud anunció en 2018 que 422 millones de personas en todo el mundo padecen diabetes mellitus. El impacto proyectado de la discapacidad visual y la ceguera causadas por la retinopatía diabética (RD) terminará en importantes consecuencias económicas y de salud pública. La RD es prevenible y tratable si se detecta a tiempo mediante un examen ocular anual. Sin embargo, las tasas de detección son bajas en todo el mundo debido a la escasez de profesionales de la salud ocular capacitados en los países en desarrollo y en las zonas rurales o remotas de los países desarrollados.
Método: Basado en la investigación del Centro de Investigación de e-Salud de Australia de CSIRO, el grupo TeleMedC comercializó un sistema de detección de retinopatía diabética basado en IA: una herramienta de apoyo a la decisión de referencia preliminar y calificación automática de DR para pacientes con diabetes. El marco de teleoftalmología basado en la nube tiene las funcionalidades de: (1) Dispositivo de evaluación de calidad de imagen basado en aprendizaje profundo; (2) DR basado en aprendizaje profundo ???enfermedad/no enfermedad??? evaluar para sombrear imágenes retinianas; (3) limitación de lesión DR y señal de nivel DR; (4) Informe preliminar de derivación del paciente/opción de no derivación; y (5) revisión de infecciones de DR por especialistas de la vista y creación de vías de derivación comprensivas. La motoniveladora DR se implementó en una clínica GP Super en Midland, Australia Occidental desde diciembre de 2016 en adelante.
Resultados: Los resultados de esta implementación se publicaron durante un artículo abierto de JAMA Network (septiembre de 2018) que evaluó un total de 291 pacientes. El sistema identificó correctamente a los 12 pacientes con enfermedad verdadera (sensibilidad del 100 %) y clasificó erróneamente a 23 pacientes con enfermedad (especificidad del 92 %). El clasificador DR se ha sometido a pruebas en Singapur desde principios de 2018 en el Departamento de Oftalmología del Hospital Universitario Nacional y en 30 clínicas de médicos generales con resultados preliminares similares o mejores pendientes de publicación.
Conclusión: El sistema de detección de RD basado en IA proporciona un apoyo rápido para la toma de decisiones de derivación de pacientes con RD dentro del entorno de atención médica. Beneficia a los pacientes de áreas remotas con escasos recursos y desatendidas por su bajo costo, ahorro de tiempo y alta aceptabilidad por parte de los pacientes. El sistema fue bien recibido por los proveedores de atención primaria.