Predicción de la Refracción Subjetiva Basada en Inteligencia Artificial y Determinantes Clínicos del Error de...

Área de la Ciencia:

• Oftalmología
• Inteligencia Artificial
• Aprendizaje Automático

Sus antecedentes:

• La refracción subjetiva es el estándar para la corrección de la visión, pero requiere mucho tiempo y es subjetiva.
• Los métodos de IA existentes a menudo requieren datos especializados que no se recopilan de forma rutinaria.
• Este estudio explora la predicción de IA utilizando solo datos comunes de autorrefractómetro y queratometría.

Objetivo del estudio:

• Predecir la refracción subjetiva (equivalente esférico, cilindro, eje) utilizando únicamente datos de autorrefracción y queratometría de rutina, no ciclopléjicos.
• Identificar los factores que influyen en la precisión de la predicción.
• Evaluar el potencial de la IA como herramienta de apoyo a la decisión clínica.

Principales métodos:

• Un análisis retrospectivo de 1856 ojos de 1006 pacientes.
• Desarrollo de un modelo de aumento de gradiente de histograma multisalida.
• Evaluación del rendimiento utilizando R-cuadrado, error absoluto medio y estadísticas circulares para el eje astigmático.

Principales resultados:

• El modelo de IA logró una alta precisión para las predicciones esféricas (R-cuadrado=0.987) y cilíndricas (R-cuadrado=0.933).
• Predicción precisa del eje astigmático con un fuerte acuerdo circular (ρ=0.898) y un bajo error angular absoluto medio (4.65°).
• Factores como la baja magnitud del cilindro y la queratometría más pronunciada se asociaron con una menor precisión en la predicción del eje.

Conclusiones:

• Un modelo de aprendizaje automático que utiliza datos de autorrefractómetro y queratometría de rutina puede estimar con precisión la refracción subjetiva.
• La IA muestra una promesa como herramienta complementaria para ayudar, no reemplazar, la refracción subjetiva convencional.
• Este enfoque de IA podría optimizar los flujos de trabajo clínicos y mejorar la eficiencia en el cuidado de la vista.