Se puede hacer diagnóstico de Tumores del Sistema Nervioso Central con Neuroimágenes PET/CT usando PSMA como marcador?
21/05/2022
Qué tipo de intervenciones son eficientes para prevenir caídas en pacientes hospitalizados?
18/06/2022Uso de inteligencia artificial en la detección de enfermedades sistémicas a partir de imágenes oculares: Revisión Sistemática
Asia-Pacific Journal of Ophthalmology Volume 11
Tipo de Estudio
Revisión Sistemática y Metanálisis
Importancia
Existen asociaciones entre enfermedades sistémicas y alteraciones en el fondo del ojo, la retina y los vasos oculares. Evaluar estas alteraciones con modelos de inteligencia artificial es una alternativa novedosa y útil para la detección oportuna de enfermedades sistémicas, mediante el procesamiento digital de imágenes oculares.
Objetivo
Analizar los estudios en que se detectan enfermedades sistémicas a partir de imágenes oculares con la aplicación de herramientas de inteligencia artificial y sus resultados.
Fuente/Origen de los Datos
Búsqueda sistemática utilizando 3 bases de datos: PubMed, Google Scholar y la biblioteca Web of Science. No se impusieron restricciones de fechas
Proceso de Extracción de Datos
Datos extraídos: nombre, autor, año de publicación, población incluida, nombre y categoría de la enfermedad sistémica, imagen ocular, modelo de IA utilizada, resultados y sus conclusiones. Todos los estudios utilizaron diagnósticos confirmados como estándares de referencia. Los datos de entrada fueron las imágenes oculares (Fotografía a color del fondo de Ojo – Tomografía y Angio Tomografía de Coherencia Óptica) y algunos parámetros de salud limitados. El espectro de enfermedades evaluadas incluían enfermedades cardio-cerebrovasculares, enfermedades del sistema nervioso central, disfunciones renales y enfermedades hepáticas. Entre los modelos de Inteligencia Artificial usados se cuentan diversos algoritmos de Deep Learning como redes neuronales convolucionales, Redes convolucionales densas, funciones radiales (Vectores), arboles aleatorios, y modelos de regresión lineal.
Criterios de Selección de estudios
Se incluyeron artículos que aplicaron modelos de inteligencia artificial que procesan datos de imágenes oculares para diagnosticar enfermedades distintas a las oftalmológicas.
Medidas y Desenlaces
Para evaluar el rendimiento de los modelos de clasificación, se aplicó el análisis de curvas ROC (receiver operating characteristic curve), la precisión, la sensibilidad y la especificidad. Se evaluó el riesgo de sesgo siguiendo las herramientas de evaluación crítica del Instituto Joanna Briggs (JBI). Los estudios incluidos se clasificaron como de bajo, poco claro y alto riesgo de sesgo.
Resultados
Se recuperaron 500 artículos: 335 de PubMed, 147 de Web of Science (WOS) y 18 de Google Scholar. Se descartaron 467. Finalmente, 33 artículos se incluyeron en la revisión. Para cada enfermedad sistémica analizada, se documentó un porcentaje de capacidad de la Inteligencia Artificial para discriminar entre enfermos y sanos a partir de la imagen ocular: Accidente Cerebrovascular Isquémico= 96%
Anemia = 93%
Cardiopatía Congénita= 89%
Diabetes tipo 2 + Enfermedad Renal Crónica temprana= 89%
Enfermedad Arterial Coronaria= 89%
Autismo= 82%
Enfermedad Renal Crónica= 82%
Enfermedad Renal Crónica temprana= 81%
Diabetes= 80%
Alzheimer= 77%
Calcificación de arterias coronarias= 74.5%
Enfermedad hepatobiliar= 74%
Aterosclerosis Carotidea= 73%
MACE (Eventos Adversos Cardiovasculares mayores)= 73%
Hipertensión= 70.5%
Conclusiones
La inteligencia artificial aplicada en imágenes oculares posee un poder de diagnóstico potencial para detectar diversas enfermedades sistémicas, también ha demostrado la capacidad de detectar Alzheimer y enfermedades renales crónicas en etapas tempranas. Se necesita más investigación para validar estos modelos y su implementación en la práctica clínica.
Condiciones Médicas en que esta información es útil:
Enfermedad Cerebro vascular (I679 ENFERMEDAD CEREBROVASCULAR, NO ESPECIFICADA)
Enfermedad Coronaria (I255 CARDIOMIOPATIA ISQUEMICA)
Diabetes (E149 DIABETES MELLITUS, NO ESPECIFICADA SIN MENCIÓN DE COMPLICACIÓN)
Enfermedad Renal Crónica (N189 INSUFICIENCIA RENAL CRONICA, NO ESPECIFICADA)
Hipertensión (I10X HIPERTENSION ESENCIAL (PRIMARIA)
Enfermedad de Alzheimer (G309 ENFERMEDAD DE ALZHEIMER, NO ESPECIFICADA)
Autismo (F840 AUTISMO EN LA NIÑES)
Anemia (D649 ANEMIA DE TIPO NO ESPECIFICADO)
Enfermedad HepatoBiliar (K839 ENFERMEDAD DE LAS VIAS BILIARES NO ESPECIFICICADA)
Esta es una síntesis de evidencia científica reciente, que demuestra la potencialidad del uso de inteligencia artificial para el diagnóstico e intervención temprana de enfermedades.
Nota:
Te interesó este contenido?
Déjame tu nombre y correo en el formulario de contacto con algún término relacionado al post que te interesa, y te lo envío en PDF.
Accede a otras publicaciones sobre administración en salud y gestión clínica, aquí.
