Un sistema generalizado e interpretable de detección de múltiples etiquetas para la detección de enfermedades del...

Área de la Ciencia:

• Oftalmología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• Las enfermedades del segmento anterior del ojo requieren un diagnóstico oportuno y preciso.
• Los métodos de cribado actuales pueden carecer de eficiencia y amplia aplicabilidad.
• El desarrollo de un sistema automatizado puede ayudar a la detección y gestión tempranas.

Objetivo del estudio:

• Desarrollar y validar un sistema de cribado de inteligencia artificial (IA) multietiqueta y multienfermedad.
• Aplicar el sistema a la detección de enfermedades comunes del segmento anterior ocular utilizando imágenes con lámpara de hendidura.
• Asegurar que el sistema esté bien generalizado e interpretado para su uso clínico.

Principales métodos:

• Un estudio retrospectivo multicéntrico en el que participaron 1990 pacientes y 5132 imágenes con lámpara de hendidura.
• Formación y validación en un conjunto de datos interno, con pruebas en conjuntos de datos internos y externos, incluidos los fenotipos menos capacitados.
• Comparación del rendimiento del sistema de IA con los oftalmólogos.

Principales resultados:

• El sistema de IA logró una alta precisión en varios niveles de detección (imagen, región, lesión), con precisiones promedio que oscilan entre 0,827 y 0,972.
• El rendimiento fue comparable al de los oftalmólogos, incluso en fenotipos menos entrenados o nuevos (precisión media de 0,852-0,950).
• El sistema demostró excelentes capacidades de detección y generalización de múltiples etiquetas y enfermedades.

Conclusiones:

• El sistema de detección de IA desarrollado muestra un gran rendimiento en la detección de múltiples enfermedades del segmento anterior ocular.
• El sistema exhibe una generalización robusta, incluso con fenotipos de datos de entrenamiento limitados.
• Está preparado para proporcionar información médica primaria accesible y ayudar a los oftalmólogos en la práctica clínica.