Aplicaciones clínicas de la inteligencia artificial en enfermedades de la córnea

Área de la Ciencia:

• Oftalmología
• Inteligencia Artificial Médica
• Imágenes biomédicas

Sus antecedentes:

• La inteligencia artificial (IA) se explora cada vez más para el diagnóstico médico.
• Las enfermedades de la córnea plantean importantes desafíos para un diagnóstico preciso y oportuno.
• Evaluar el papel de la IA en el diagnóstico de diversas afecciones de la córnea es crucial para avanzar en el cuidado de los ojos.

Objetivo del estudio:

• Evaluar la utilidad clínica y el rendimiento de los modelos de IA en el diagnóstico de un espectro de enfermedades de la córnea.
• Identificar las fortalezas y limitaciones de los actuales enfoques de diagnóstico de IA en oftalmología.
• Destacar las áreas que requieren mayor investigación y estandarización para la implementación de la IA.

Principales métodos:

• Búsqueda sistemática de la literatura para modelos de IA que diagnostiquen queratocono (KC), distrofia endotelial de la córnea de Fuch (FECD), queratitis infecciosa (IK), neuropatía corneal, enfermedad del ojo seco (DED) y enfermedades de la conjuntiva.
• Extracción y análisis de las métricas de rendimiento, incluida la sensibilidad, la especificidad, la precisión y el AUC.
• Evaluación del rendimiento del modelo de IA con respecto a los parámetros de diagnóstico establecidos.

Principales resultados:

• Los modelos de aprendizaje profundo, en particular las redes neuronales convolucionales, superaron con frecuencia los parámetros de referencia de diagnóstico (AUC > 0,90, sensibilidad / especificidad > 0,85-0,90).
• El rendimiento más fuerte se observó para KC y FECD utilizando imágenes consistentes como AS-OCT.
• Los modelos para la IK y las enfermedades de la conjuntiva se mostraron prometedores, pero se vieron limitados por la heterogeneidad de los datos y los criterios de formación; los modelos de DED se beneficiaron de datos multimodales, pero carecían de comparación clínica.

Conclusiones:

• La IA demuestra una alta precisión diagnóstica para varias enfermedades de la córnea, especialmente con imágenes estandarizadas.
• Permanecen desafíos con respecto a la heterogeneidad de los datos, la estandarización de las definiciones de enfermedades, las imágenes y la capacitación de modelos.
• Abordar estas limitaciones es esencial para la implementación equitativa de la IA en el cuidado de los ojos.