Nueva herramienta de IA puede diagnosticar con precisión enfermedades oculares, podría ayudar a detectar el Parkinson
Nueva herramienta de IA detecta enfermedades oculares y Parkinson.
Compartir en Pinterest- Investigadores en el Reino Unido han ideado un innovador programa de inteligencia artificial (IA) que utiliza imágenes de la retina para detectar signos de trastornos oculares, cardíacos y neurológicos.
- RETFound, uno de los primeros modelos fundamentales de IA en el campo de la salud y el primero en oftalmología, utilizó millones de escaneos oculares para ayudar a detectar y tratar la ceguera.
- En múltiples pruebas, RETFound superó a los sistemas de IA existentes y a los expertos clínicos en la realización de diversas funciones de diagnóstico complejas con menos datos etiquetados.
- RETFound también tiene en cuenta a poblaciones diversas y enfermedades raras, que a menudo se pasan por alto en los escaneos tradicionales y los sistemas de IA actuales.
- Además, esta “tecnología transformadora” reduce drásticamente la carga de trabajo de los expertos humanos en el análisis y etiquetado de imágenes de la retina.
Expertos del Moorfields Eye Hospital y el Instituto de Oftalmología del University College London (UCL) en Inglaterra han desarrollado recientemente un sistema de IA que puede detectar trastornos de la visión de manera más precisa y eficiente que los métodos actuales.
Esta nueva tecnología también podría ayudar a acelerar los diagnósticos de problemas de salud sistémicos como el accidente cerebrovascular, los ataques cardíacos y la enfermedad de Parkinson.
Los científicos realizaron un estudio en RETFound, su modelo fundamental pionero en el mundo, que utilizó millones de escaneos oculares del Servicio Nacional de Salud (NHS) del Reino Unido. Su iniciativa de código abierto puede servir como plantilla para los esfuerzos destinados a detectar y tratar la ceguera con IA.
Este nuevo desarrollo ofrece noticias prometedoras justo a tiempo para el Día Mundial de la Retina el 27 de septiembre, el Día Mundial de la Visión en octubre y el Mes de Concienciación sobre la Enfermedad Ocular Diabética en noviembre.
El autor principal, el profesor Pearse Keane del Instituto de Oftalmología del UCL, afirmó en un comunicado de prensa:
- Por qué las mujeres que tienen migrañas tienen un mayor riesgo de s...
- En Mississippi, un gran aumento en los casos de bebés nacidos con s...
- Suprimir los pensamientos negativos a veces puede ser saludable, se...
“Este es otro gran paso hacia el uso de la IA para reinventar el examen de los ojos en el siglo XXI, tanto en el Reino Unido como a nivel mundial. Mostramos varios ejemplos de afecciones en los que se puede utilizar RETFound, pero tiene el potencial de desarrollarse aún más para cientos de otras enfermedades oculares amenazantes para la vista que aún no hemos explorado”.
El estudio se publicó en la revista Nature.
Entrenado en “tecnología transformadora”
Un informe de las Cámaras de Comercio Británicas se refirió recientemente a los modelos fundamentales de IA como “una tecnología transformadora” debido a su uso de grandes cantidades de datos.
El lanzamiento de ChatGPT en noviembre de 2022 destacó el potencial de los modelos de IA para desarrollar herramientas de lenguaje adaptables.
RETFound siguió un enfoque similar con las imágenes de la retina, entrenándose con millones de escaneos. Esto ha permitido la construcción de un modelo versátil con usos virtualmente ilimitados.
¿Un modelo de IA más eficiente?
Los modelos de IA han dependido en gran medida de la experiencia y el esfuerzo humano. Medical News Today discutió este desafío con el desarrollador de tecnología el Dr. Steve Frank, fundador de Med*A-Eye Technologies, quien no participó en esta investigación.
El Dr. Frank explicó a MNT: “La IA requiere una gran cantidad de datos y enseñar a un sistema de IA a realizar tareas generalmente requiere una vasta cantidad de datos de entrenamiento. Además, el entrenamiento generalmente requiere que los datos estén etiquetados de alguna manera, lo que significa que estás enseñando al sistema a distinguir una cosa de otra basándote en ejemplos que le dices que son una cosa u otra. Eso es un aprendizaje ‘supervisado’ tradicional”.
Además, el Dr. Frank señaló que los expertos pueden estar en desacuerdo sobre un dato, lo que requiere revisiones de paneles de expertos que consumen mucho tiempo.
Según los investigadores del Reino Unido, RETFound puede igualar el rendimiento de otros programas de IA utilizando solo el 10% de las etiquetas humanas en su conjunto de datos.
RETFound logró esta mayor eficiencia con su enfoque de autoaprendizaje al enmascarar partes de una imagen y aprender a predecir las partes faltantes por sí mismo.
“El aprendizaje auto-supervisado (SSL), que subyace en RETFound, prescinde por completo del etiquetado. Con suficientes datos de entrenamiento, un modelo de IA correctamente estructurado puede aprender lo suficiente sobre los datos de entrenamiento a partir de los propios datos para hacer predicciones significativas […] Este enfoque es particularmente valioso para la IA en el campo de la salud debido al alto costo del etiquetado; los médicos ya están ocupados salvando vidas y su tiempo es muy valioso”.
– Dr. Steve Frank
Potencial diagnóstico de la oculómica
Una revisión de 2023 en el Journal of Clinical Medicine se refiere a la retina como “una ventana al cuerpo”. El estudio de la oculómica utiliza el aprendizaje profundo para explorar las correlaciones entre las características de las imágenes de la retina y las enfermedades.
Los autores del estudio actual creen que RETFound puede ayudar a mejorar el diagnóstico de enfermedades oculares que amenazan la vista, como la retinopatía diabética y el glaucoma.
El programa también podría predecir trastornos sistémicos, como insuficiencia cardíaca, accidente cerebrovascular y enfermedad de Parkinson.
Además, esta tecnología de inteligencia artificial facilita una visión no invasiva del sistema nervioso.
MNT discutió este estudio con el cofundador de Atropos Health, el Dr. Brigham Hyde, quien no estuvo involucrado en esta investigación. Le preguntamos cómo las técnicas de inteligencia artificial y aprendizaje profundo pueden ayudar en la detección de enfermedades.
“En primer lugar, las técnicas de imagen ayudadas por la inteligencia artificial a menudo pueden detectar enfermedades que un ser humano podría pasar por alto. En segundo lugar, las técnicas de inteligencia artificial y aprendizaje profundo aplicadas a combinaciones de datos digitales, médicos y experienciales pueden descubrir biomarcadores digitales para la enfermedad, lo que conduce a un diagnóstico más temprano”, respondió.
“Por último”, agregó, “los algoritmos de puntuación de riesgo implementados en la consulta del médico pueden resaltar y dirigir al equipo de atención a los pacientes con factores de riesgo clave más temprano”.
La herramienta de inteligencia artificial demostró un buen rendimiento y eficiencia
El presente estudio empleó y evaluó RETFound, un nuevo modelo de base SSL (Secure Sockets Layer) para imágenes de la retina. Los autores describieron un modelo de base como “entrenado en una gran cantidad de datos no etiquetados”.
En este caso, el profesor Keane y sus colaboradores entrenaron el sistema de inteligencia artificial con un conjunto de datos de 1.6 millones de imágenes del Moorfields Eye Hospital.
“Adaptamos RETFound a una serie de tareas desafiantes de detección y predicción mediante el ajuste fino de RETFound con etiquetas específicas de tarea, y luego validamos su rendimiento”, dice su artículo.
El equipo consideró enfermedades oculares, como la retinopatía diabética y el glaucoma, y el pronóstico de enfermedades oculares en un período de 1 año.
Luego, estudiaron una predicción de 3 años de enfermedades del corazón, como accidente cerebrovascular, insuficiencia cardíaca e infarto de miocardio, y enfermedad de Parkinson.
En comparación con los modelos preentrenados en SL-ImageNet, SSL-ImageNet y SSL-Retinal, RETFound demostró un “rendimiento y eficiencia de etiquetado consistentemente superiores”.
El Dr. Frank comentó: “Los resultados de RETFound son especialmente impresionantes por la cantidad de tareas que su sistema puede realizar. Las precisiones que logran los investigadores no son suficientes para su uso clínico, pero los sistemas más convencionales con los que los comparan son en su mayoría peores”.
El modelo tiene en cuenta la diversidad de la población
Los expertos de UCL-Moorfields dijeron que RETFound mostró igual efectividad en la detección de enfermedades en diversos grupos étnicos.
Yukun Zhou, investigador de doctorado y autor principal del estudio, mencionó en un comunicado de prensa: “Al entrenar RETFound con conjuntos de datos que representan la diversidad étnica de Londres, hemos desarrollado una base valiosa para que los investigadores de todo el mundo construyan sus sistemas en aplicaciones de atención médica, como el diagnóstico de enfermedades oculares y la predicción de enfermedades sistémicas”.
El Dr. Tyler Wagner, vicepresidente de investigación biomédica de Anumana, no involucrado en la investigación, comentó sobre el estudio: “Si bien RETFound tiene un mejor rendimiento que los otros modelos comparados en el manuscrito durante la evaluación externa en un grupo de pacientes con diferentes características demográficas, los autores señalan la disminución en el rendimiento, destacando la importancia de la diversidad de pacientes en el desarrollo del modelo”.
Los autores del estudio esperan que sus hallazgos alienten más estudios, escribiendo: “Finalmente, ponemos RETFound a disposición del público para que otros lo utilicen como base para sus propias tareas posteriores, facilitando la investigación ocular y oculómica diversa”.
