Evaluación Avanzada de Accidentes Cerebrovasculares en Imágenes de Fondo de Retina con Aprendizaje Profundo...

Área de la Ciencia:

• Oftalmología
• Neurología
• Imágenes Médicas

Sus antecedentes:

• El accidente cerebrovascular es una causa principal de muerte y discapacidad en todo el mundo.
• Las imágenes de fondo de retina pueden revelar marcadores asociados con un mayor riesgo de accidente cerebrovascular, como cambios en los vasos retinianos.
• Los métodos actuales de diagnóstico de accidentes cerebrovasculares pueden ser invasivos, costosos o consumir mucho tiempo.

Objetivo del estudio:

• Investigar la viabilidad del uso de imágenes de fondo de retina para la detección de accidentes cerebrovasculares y ataques isquémicos transitorios (AIT).
• Desarrollar y evaluar un modelo de aprendizaje profundo para diferenciar a personas con accidente cerebrovascular/AIT de controles sanos utilizando imágenes oculares.
• Evaluar el potencial de este enfoque para el cribado y diagnóstico de accidentes cerebrovasculares.

Principales métodos:

• Desarrollo de una red multi-vista para accidentes cerebrovasculares (MVS-Net), un marco de aprendizaje profundo de extremo a extremo.
• Utilización de entradas multi-vista de imágenes de fondo de retina de ambos ojos, derecho e izquierdo.
• Análisis de vistas centradas en la mácula y centradas en el nervio óptico para definir características representativas y sus relaciones.

Principales resultados:

• La MVS-Net propuesta logró una puntuación de Área Bajo la Curva (AUC) de 0.84 para la detección de accidentes cerebrovasculares y AIT.
• El modelo demostró la capacidad de discriminar entre pacientes con accidente cerebrovascular/AIT y personas sanas.
• El estudio destaca la efectividad del aprendizaje profundo multi-vista en imágenes de fondo de retina.

Conclusiones:

• Las imágenes de fondo de retina, analizadas con aprendizaje profundo, muestran una gran promesa para la detección no invasiva de accidentes cerebrovasculares y AIT.
• El marco MVS-Net ofrece un enfoque novedoso para la evaluación y el diagnóstico del riesgo de accidentes cerebrovasculares utilizando datos oculares.
• Esta tecnología podría mejorar las capacidades de cribado y diagnóstico de accidentes cerebrovasculares.