Un modelo básico para la detección generalizable de enfermedades a partir de imágenes de la retina

Área de la Ciencia:

• Oftalmología
• La inteligencia artificial médica
• Visión por computadora

Sus antecedentes:

• La IA médica es prometedora para diagnosticar trastornos oculares y sistémicos a partir de imágenes de la retina.
• Los modelos actuales de IA requieren una amplia anotación y carecen de generalización en las tareas clínicas.

Objetivo del estudio:

• Para presentar RETFound, un modelo de base para imágenes de la retina.
• Permitir una adaptación eficiente de las etiquetas para diversas aplicaciones clínicas.
• Mejorar el rendimiento del modelo de IA y reducir la carga de trabajo de anotación.

Principales métodos:

• Entrenado RETFound en 1,6 millones de imágenes de retina sin etiquetar utilizando el aprendizaje auto-supervisado.
• Adaptó el modelo de base a tareas específicas de detección de enfermedades utilizando etiquetas explícitas.
• Evaluación del rendimiento en comparación con los modelos de diagnóstico, pronóstico y predicción de incidentes.

Principales resultados:

• El rendimiento adaptado de RETFound superaba constantemente al de los modelos de comparación.
• Logró un rendimiento superior con menos datos etiquetados para diversas enfermedades oculares y sistémicas.
• Eficacia demostrada en el diagnóstico de enfermedades oculares que amenazan la vista y en la predicción de enfermedades cardíacas.

Conclusiones:

• RETFound ofrece una solución de IA generalizable para el análisis de imágenes de la retina.
• El modelo mejora significativamente la precisión del diagnóstico y reduce la necesidad de anotaciones de expertos.
• Permite aplicaciones clínicas más amplias de la IA en oftalmología y más allá.