Desarrollo y validación de un sistema de aprendizaje profundo para la retinopatía diabética y enfermedades oculares...

Área de la Ciencia:

• Oftalmología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• La retinopatía diabética y las enfermedades oculares relacionadas con ella presentan riesgos significativos para la visión en pacientes diabéticos.
• La detección y detección temprana son cruciales para el manejo de estas afecciones y la prevención de la pérdida de la visión.

Objetivo del estudio:

• Evaluar el rendimiento diagnóstico de un sistema de aprendizaje profundo (DLS) para detectar la retinopatía diabética referable, la retinopatía diabética que amenaza la visión, el posible glaucoma y la degeneración macular relacionada con la edad (AMD).
• Evaluar la eficacia del DLS en poblaciones multiétnicas con diabetes en entornos comunitarios y clínicos.

Principales métodos:

• Un DLS fue entrenado en un gran conjunto de datos de imágenes de retina (más de 494,000 en total).
• El DLS fue validado para detectar retinopatía diabética, glaucoma y DMAE utilizando conjuntos de imágenes separados.
• El rendimiento se midió por el área debajo de la curva de características operativas del receptor (AUC), la sensibilidad y la especificidad, en comparación con los calificadores profesionales.

Principales resultados:

• El DLS alcanzó altos valores de AUC para la retinopatía diabética referable (0, 936), la retinopatía diabética que amenaza la visión (0, 958), el posible glaucoma (0, 942) y la DMAE (0, 931).
• La sensibilidad y la especificidad también fueron altas en todas las condiciones evaluadas, con AUC que oscilaron entre 0,889 y 0,983 en conjuntos de datos adicionales.
• El sistema demostró un rendimiento robusto en la identificación de la retinopatía diabética y las enfermedades oculares relacionadas en cohortes multiétnicas.

Conclusiones:

• El sistema de aprendizaje profundo exhibe una alta sensibilidad y especificidad para detectar la retinopatía diabética y las enfermedades oculares relacionadas en imágenes de la retina de diversas poblaciones diabéticas.
• Se necesita más investigación para confirmar su utilidad clínica y su impacto en los resultados de la visión en entornos de atención médica del mundo real.