Yannis Paulus con el equipo. Crédito: Michigan Medicine – University of Michigan
En la reunión anual de la Asociación para la Investigación en Oftalmología y Visión en 2019, los investigadores del Kellogg Eye Center de la Universidad de Michigan revelaron que la combinación de un dispositivo montado en un teléfono inteligente que toma imágenes de la retina de alta calidad con el software de inteligencia artificial que las lee, puede determinar en tiempo real si un paciente debe ser referido a un oftalmólogo para su seguimiento.
Una combinación novedosa de dos tecnologías puede ofrecer una solución para una mejor detección de la retinopatía diabética, una afección que puede conducir a una pérdida permanente de la visión si no se detecta en forma temprana.
“La clave para prevenir la pérdida de la visión relacionada con la RD, es la detección temprana a través de exámenes regulares”, dice Yannis Paulus, M.D., un cirujano vitreorretiniano de Kellogg y autor principal del estudio. “Creemos que la clave para eso es hacer un examen de retina portátil, fácil de administrar y confiable en los consultorios médicos y clínicas de salud de atención primaria”.
HERRAMIENTA BASADA EN SMARTPHONE PARA UNA DETECCIÓN RÁPIDA Y PORTÁTIL
Michigan Medicine es una de las pocas instituciones que está liderando un esfuerzo para adaptar la tecnología de los teléfonos inteligentes a la detección oftálmica. Paulus formó parte de un equipo de Kellogg que desarrolló un dispositivo que convierte un teléfono inteligente en una cámara retinal funcional.
En 2016, el proyecto, CellScope Retina, fue uno de los 12 financiados por el Centro de Investigación y Comercialización Traslacional para Ciencias de la Vida de U-M, que acelera las ideas con un alto potencial de impacto positivo en la salud humana.
El nuevo estudio utiliza la última generación del dispositivo, ahora llamado RetinaScope.
“Las cámaras retinales tradicionales son caras, grandes, inmóviles y requieren entrenamiento especial para operar, mientras que RetinaScope es una plataforma basada en teléfonos inteligentes que es asequible, portátil y fácil de usar sin entrenamiento requerido” dice Paulus, profesor asistente de oftalmología y ciencias visuales y un profesor asistente de ingeniería biomédica.
Si bien las plataformas de teléfonos inteligentes como RetinaScope se pueden usar para entregar imágenes de la retina de alta definición prácticamente en cualquier lugar, eso es solo una parte del desafío.
“Un oftalmólogo puede tardar entre dos y siete días en interpretar las imágenes”, explica Paulus. “Para que la selección sea realmente accesible, debemos proporcionar retroalimentación en el lugar, tomar la foto e interpretarla mientras el paciente está allí para programar una cita visual si es necesario”.
Ahí es donde entra en juego otra tecnología emergente llamada software de red neuronal profunda. “La red neuronal profunda es una plataforma de software de IA que puede mejorar y revisar imágenes y proporcionar una clasificación automatizada de las lesiones presentes en RD, lo que indica qué lesiones requieren la derivación a un oftalmólogo para su seguimiento”, dice Paulus.
El equipo de Paulus utiliza una plataforma de software patentada llamada EyeArt desarrollada por la compañía Eyenuk, con sede en California. “Este es el primer estudio que combina la tecnología de imágenes con la interpretación automatizada en tiempo real y la compara con el examen de dilatación con patrón de oro”, dice Paulus, “y los resultados son muy alentadores”.
REDUCIR LOS OBSTÁCULOS PARA EL CUIDADO OCULAR
Los datos se obtuvieron de 69 pacientes adultos con diabetes atendidos en la Clínica de Retina Kellogg Eye Center, incluidos los resultados registrados previamente de los exámenes de fondo de lámpara de hendidura dilatada por parte de los clínicos que los trataron.
Después de la dilatación pupilar, se utilizó RetinaScope para obtener imágenes de las retinas de los pacientes y las imágenes se analizaron con el software EyeArt, que los clasificó como retinopatía diabética garantizada por referencia (RWDR) o DR no garantizada por referencia.
Las mismas imágenes fueron evaluadas de forma independiente por dos lectores expertos entrenados para reconocer los signos de retinopatía diabética.
“Tomamos el paso adicional de comparar tanto la interpretación automatizada como los evaluadores expertos humanos con la evaluación con lámpara de hendidura para superar lo que consideramos una deficiencia de estudios similares realizados en otros lugares”, dice Michael Aaberg, asistente de investigación en el laboratorio de Paulus y coautor del estudio.
El estudio comparó dos mediciones: si la prueba de detección fue lo suficientemente sensible como para detectar una enfermedad y si es lo suficientemente específica como para confirmar cuándo una persona no tiene retinopatía diabética.
La evaluación con lámpara de hendidura confirmó el RWDR en 53 sujetos (76.8 por ciento). La interpretación automatizada tuvo una sensibilidad del 86.8 por ciento (más del 80 por ciento recomendado para un dispositivo de detección oftálmica) y una especificidad del 73.3 por ciento.
Uno de los graduadores humanos alcanzó un nivel de sensibilidad que fue mayor por un factor estadísticamente significativo (96.2 por ciento) y ambos tuvieron una especificidad más baja (40 por ciento y 46.7 por ciento). Alentados tanto por estos hallazgos como por los resultados que se publicarán próximamente en un estudio de usabilidad en una clínica de atención primaria, el laboratorio de Paulus continúa buscando mejoras de hardware y software (especialmente una versión que no requiere dilatación pupilar), así como Aprobación de la FDA
Imagen tomada de: https://www.medicaldevice-network.com/wp-content/uploads/sites/11/2019/04/Mich-Smartphone.jpg
