Pronóstico de la progresión de la retinopatía diabética mediante el uso de redes adversarias generativas

Área de la Ciencia:

• Oftalmología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• La retinopatía diabética es una de las principales causas de ceguera en todo el mundo.
• La predicción temprana de la progresión de la DR es fundamental para prevenir la pérdida de la visión.

Objetivo del estudio:

• Introducir e investigar el valor clínico del modelo DRForecastGAN para predecir el desarrollo de la DR.
• Evaluar la capacidad de DRForecastGAN para sintetizar futuras imágenes del fondo.

Principales métodos:

• El modelo DRForecastGAN, que comprende un generador, un discriminador y una red de registro, fue entrenado en grandes conjuntos de datos.
• El rendimiento se evaluó en comparación con CycleGAN y Pix2Pix utilizando métricas como FID, PSNR, SSIM y AUC.
• Un modelo ResNet50 identificó la gravedad de la DR en imágenes sintéticas.

Principales resultados:

• DRForecastGAN demostró una calidad de imagen superior, evidenciada por un FID más bajo y un PSNR/SSIM más alto en comparación con otros modelos.
• El modelo logró valores AUC más altos en la predicción de la gravedad de la DR tanto en conjuntos de datos de validación internos como externos.
• DRForecastGAN superó a Pix2Pix y CycleGAN en la síntesis de imágenes de fondo realistas e informativas.

Conclusiones:

• DRForecastGAN visualiza efectivamente la progresión de DR a través de imágenes sintetizadas del fondo futuro.
• El modelo muestra una utilidad potencial en la planificación del tratamiento clínico y el seguimiento continuo del paciente para la DR.
• Este enfoque impulsado por la IA ofrece una herramienta prometedora para el manejo de la retinopatía diabética.