LA INTELIGENCIA ARTIFICIAL (IA) CON IMÁGENES DE AUTOFLUORESCENCIA DE FONDO DE OJO DE CAMPO ULTRA AMPLIO PUEDE SER ÚTIL PARA ESTIMAR OBJETIVAMENTE LA PROGRESIÓN DE LA RP Y LA FUNCIÓN VISUAL
La inteligencia artificial (IA) con imágenes de autofluorescencia de fondo de ojo de campo ultra amplio puede ser útil para estimar objetivamente la progresión de la retinosis pigmentaria (RP) y la función visual,1 según Daisuke Nagasato, MD, PhD, y sus colegas. Es de los Departamentos de Oftalmología, Hospital Saneikai Tsukazaki, Himeji, Japón, y el Instituto de Ciencias Biomédicas, Escuela de Graduados de la Universidad de Tokushima, Tokushima, Japón, y el Departamento de Tecnología y Design Thinking para Medicina, Escuela de Graduados de la Universidad de Hiroshima, Hiroshima, Japón.
Los investigadores señalaron que debido a que no hay un tratamiento efectivo disponible para detener la progresión de la RP, la evaluación y la estimación adecuadas de la función visual residual son importantes clínicamente.
A la luz de esto, realizaron un estudio multicéntrico, retrospectivo y transversal para recopilar datos entre el 1 de enero de 2012 y el 31 de diciembre de 2018. El objetivo era determinar si la IA puede estimar con precisión la función visual de los pacientes con RP mediante el uso de imágenes de fondo de ojo de campo ultra amplio obtenidas en visitas simultáneas. Se incluyeron 695 pacientes consecutivos con RP (385 mujeres; 1.274 ojos; edad media del paciente, 53,9 años).
El Dr. Nagasato explicó que 3 tipos de imágenes de entrada, es decir, imágenes pseudocolor de campo ultra amplio, imágenes de autofluorescencia de fondo de ojo de campo ultra amplio e imágenes de pseudocolor y autofluorescencia de fondo de ojo, se combinaron con 1 de los 31 tipos de modelos de conjunto construidos a partir de los siguientes 5 modelos de aprendizaje profundo: Visual Geometry Group–16, Residual Network–50, InceptionV3, DenseNet121 y EfficientNetB0. Los investigadores utilizaron 848, 212 y 214 imágenes, respectivamente, para el entrenamiento, la validación y los datos de prueba. Todos los datos de 1 institución se utilizaron para los datos de pruebas independientes. El análisis de los datos se realizó del 7 de junio de 2021 al 5 de diciembre de 2022.
Los resultados mostraron que el modelo que utilizó imágenes de autofluorescencia de fondo de ojo de campo ultra amplio solo proporcionó la mejor precisión de estimación para la desviación media, la sensibilidad central y la agudeza visual. "Los coeficientes de regresión estandarizados fueron 0,684 (intervalo de confianza [IC] del 95%, 0,567-0,802) para la estimación de la desviación media, 0,697 (IC del 95%, 0,590-0,804) para la estimación de la sensibilidad central, y 0,309 (IC del 95%, 0,187-0,430) para la estimación de la agudeza visual (todos p < 0,001).
Los autores comentaron: "Los resultados de este estudio sugieren que la estimación de la función visual en pacientes con RP a partir de imágenes de autofluorescencia de fondo de ojo de campo ultra amplio utilizando aprendizaje profundo podría ayudar a evaluar objetivamente la progresión de la enfermedad. Los hallazgos también sugirieron que los modelos de aprendizaje profundo podrían monitorear la progresión de la RP de manera eficiente durante el seguimiento".
FUENTE: Modernretina