retinIA

Menu
Menu
Menu
Contract service
Return

Cómo la inteligencia artificial está mejorando la atención médica:

transformación hacia el cuidado del paciente del mañana

La inteligencia artificial (IA) redefine continuamente los límites de lo posible, con profundos impactos en diversas industrias. Su influencia es especialmente transformadora en el sector de la salud, donde la IA no solo mejora la eficiencia, sino que también revoluciona la atención al paciente y la toma de decisiones clínicas al simplificar procesos tradicionales. 

Un área de especial interés es el tratamiento de enfermedades oculares, donde las soluciones de IA mejoran el diagnóstico temprano y la personalización de tratamientos.

¿Por qué es importante la innovación en salud?

Se proyecta que el mercado global de IA en la salud crecerá hasta alcanzar casi 188 mil millones de dólares para 2030, abordando una necesidad crítica debido a la escasez global de trabajadores de salud, incluidos médicos y enfermeras (World Economic Forum). Este problema se agrava con las crecientes demandas de una población más longeva. Además, las tareas administrativas contribuyen al agotamiento de los profesionales de la salud, limitando su tiempo y energía para proveer una atención médica de calidad y calidez al paciente. La inteligencia artificial en la medicina puede aliviar estas cargas mediante:

  • La automatización de procesos repetitivos, como la entrada de datos en registros electrónicos de salud
  • La gestión de autorizaciones de seguros, permitiendo que el personal dedique más tiempo al cuidado del paciente
  • La disminución de tiempo de análisis de laboratorios o imágenes médicas
  • El diagnóstico de enfermedades en etapas que requieran tratamientos más simples, disminuyendo la demanda de pacientes en especialidades

La IA tiene el potencial de modernizar los procesos manuales y lentos, optimizando el trabajo de los profesionales de la salud y mejorando su productividad. Un ejemplo de las ventajas del uso de la IA aplicada a enfermedades crónicas y sus complicaciones oculares es la facilitación de diagnósticos tempranos y más precisos. En EEUU., cerca de 100 millones de personas tienen afecciones crónicas no diagnosticadas, como diabetes o hipertensión, que frecuentemente derivan en complicaciones visuales, particularmente por la falta de tratamiento. La IA ayuda a cerrar estos vacíos, especialmente en la detección temprana de enfermedades, mejorando los resultados, reduciendo costos y disminuyendo la probabilidad de desarrollar complicaciones asociadas.

¿Cómo ayuda la tecnología en la salud?

La IA impacta significativamente en los diagnósticos al mejorar la velocidad y precisión en el análisis de imágenes médicas, lo cual optimiza los resultados para los pacientes. Según las clínicas de Cleveland, en radiología, por ejemplo, los algoritmos de IA ayudan a evaluar radiografías y resonancias magnéticas, priorizando casos urgentes y detectando anomalías de manera más efectiva. Los estudios muestran el alto desempeño de la IA en diagnósticos y pronósticos médicos. Un modelo de aprendizaje profundo logró una precisión del 97% al diferenciar neumonía por COVID-19 de otros tipos de enfermedad pulmonar usando tomografía computarizada (International Journal of Biological Science).

Un área con amplias oportunidades de mejora con tecnología, es oftalmología. El reconocimiento de imágenes impulsado por IA ya ha demostrado detectar con precisión enfermedades oculares originarias de problemas visuales discapacitantes, como la retinopatía diabética, el glaucoma y la degeneración macular. Esto permite una mejor gestión del paciente, abriendo posibilidades como la predicción de la progresión de la enfermedad y la facilitación de intervenciones más efectivas.

Inteligencia artificial en la medicina: Detección de enfermedades de la retina

La inteligencia artificial está transformando el sector de la salud al mejorar la detección y gestión de enfermedades de la retina. La prevalencia de la diabetes, que puede provocar complicaciones retinianas y patología ocular como la retinopatía diabética, se ha triplicado en los últimos 20 años. Actualmente, alrededor de 160 millones de personas sufren de retinopatía diabética, y se proyecta que este número alcanzará los 242 millones para 2045, incluidos 71 millones con retinopatía diabética con riesgo de desarrollar un problema visual que disminuya su capacidad de trabajar, su independencia y su calidad de vida (The Lancet Global Health). El diagnóstico temprano y el tratamiento oportuno pueden reducir el riesgo de ceguera por retinopatía diabética en hasta un 95%. Sin embargo, la detección a gran escala a menudo es poco práctica en regiones de bajos ingresos debido a las limitaciones de recursos. La imagen retiniana basada en IA en la salud puede mejorar significativamente la eficiencia de la detección de retinopatía diabética al automatizar los procesos de tamizaje.

Los estudios han demostrado la capacidad de la IA para detectar retinopatía diabética con precisiones mayores al 90%, utilizando algoritmos de aprendizaje profundo aplicados a imágenes de fondo de ojo (Gulshan et al). Los sistemas que utilizan imágenes de fondo de ojo de campo ultrawide (UWF), que capturan una vista más amplia de la retina, han mostrado incluso una mayor precisión en la detección de lesiones periféricas de retinopatía diabética.

Además de la detección, la IA puede ayudar en el pronóstico médico mediante la predicción del inicio y progresión de la retinopatía diabética.  Bora et al. desarrollaron un modelo para evaluar el riesgo de retinopatía diabética dentro de dos años, alcanzando una precisión del 70%. Otro sistema de Arcadu et al. alcanzó el 79% de precisión para predecir la progresión de la retinopatía diabética utilizando imágenes de retina.

IA en la detección de glaucoma

La IA en la detección de enfermedades como el glaucoma está desempeñando también un papel fundamental. El glaucoma, una enfermedad de los ojos que es una de las principales causas de ceguera irreversible, afecta a más de 70 millones de personas en todo el mundo. El diagnóstico temprano es crucial pero desafiante debido a la naturaleza asintomática de la enfermedad en etapas tempranas. La IA puede ayudar en la detección de enfermedades como el glaucoma al analizar imágenes del disco óptico y la capa de fibras nerviosas retinianas. Un sistema de aprendizaje profundo logró una precisión del 98% en la detección de neuropatía óptica glaucomatosa (Biomedicines). Otro enfoque que emplea datos de tomografía de coherencia óptica en 3D superó significativamente a la imagen tradicional en 2D en la identificación del glaucoma, lo que también contribuye al pronóstico médico al predecir la progresión de la enfermedad.

IA en otras enfermedades de la degeneración macular

La degeneración macular relacionada con la edad es otra de las principales causas de pérdida de visión y una de las enfermedades oculares más comunes en el sector de la salud. La IA en la salud ha mostrado avances prometedores en la detección de esta enfermedad y en el pronóstico médico de su progresión. En el campo de la oftalmología, Peng et al. desarrollaron un sistema de IA (DeepSeeNet) utilizando imágenes de fondo de ojo, que logró precisión de más del 90% en la detección de varias etapas de degeneración macular relacionada.

IA en los tamizajes para recién nacidos y otras enfermedades de los ojos

La IA también muestra potencial en el tamizaje o screening en medicina para la detección de enfermedades de los ojos en recién nacidos, incluidas diversas condiciones retinianas como la retinopatía del prematuro y el papiledema, logrando alta precisión.  

En oftalmología, la IA ha facilitado el diagnóstico y la clasificación de enfermedades del segmento anterior (sección externa del ojo), incluyendo la identificación de gravedad de cataratas (DeepLensNet). Estos modelos fueron entrenados con imágenes de lámpara de hendidura, logrando una alta precisión en la clasificación de la esclerosis nuclear y otros tipos de opacidad del lente. Además, otros sistemas de IA han demostrado buenas capacidades en la detección de condiciones corneales, como la queratitis y el queratocono, con precisiones que superan el 97%.

¿Qué otras enfermedades se pueden predecir a partir de imágenes retinianas?

La inteligencia artificial en la medicina ha ampliado el uso de la imagen retiniana más allá de las enfermedades oculares, permitiendo predecir condiciones sistémicas como enfermedades cardiovasculares, enfermedad renal crónica, diabetes tipo 2 y enfermedad de Alzheimer. Este enfoque no solo ayuda en la detección de problemas visuales, sino que también utiliza la anatomía del ojo como una ventana única para un cribado no invasivo y rentable, gracias a sus conexiones microvasculares y neuronales.

IA en la detección de enfermedades cardiometabólicas

Las enfermedades cardiovasculares, una de las principales causas de muerte, afectan a millones de personas en todo el mundo. En el campo de la oftalmología, se ha demostrado que ciertos cambios retinianos, como hemorragias o arteriolas estrechas, pueden indicar un mayor riesgo de afección ocular y enfermedades cardiovasculares. La IA en la salud ha permitido utilizar modelos de aprendizaje profundo que analizan imágenes retinianas para predecir riesgos sistémicos. Por ejemplo, un modelo entrenado con 216,152 imágenes retinianas de conjuntos de datos en Singapur, Corea del Sur y el Reino Unido logró un AUC de 0.742 al predecir el calcio de la arteria coronaria, un marcador de aterosclerosis (WIREs). Otro estudio con 284,355 pacientes usó imágenes retinianas para predecir factores de riesgo cardiovascular, alcanzando alta precisión en la detección de la edad, género, presión arterial, hábitos de tabaquismo y eventos cardíacos mayores. Esto demuestra cómo la IA está revolucionando el sector de la salud al facilitar la detección temprana de enfermedades (Nature Biomedical Engineering).

Volviendo al potencial de las imágenes oftalmológicas, se ha observado que tanto la enfermedad renal crónica  como la diabetes, presentan manifestaciones retinianas. Un modelo entrenado con 115,344 imágenes retinianas logró predecir estas enfermedades, con precisiones del 85% y 93%, respectivamente (Cell Reports Medicine). Además, pudo estimar la función renal y los niveles de glucosa en sangre (MAE: 0.65–1.1 mmol/L), lo que muestra la capacidad de la inteligencia artificial en la medicina para abordar problemas sistémicos a partir de signos detectados en los ojos.

IA en la detección de la enfermedad de Alzheimer

La enfermedad de Alzheimer es la forma más común de demencia y es una patología muy difícil de diagnosticar. La imagen retiniana ofrece información valiosa sobre la patología cerebral, lo que la convierte en una herramienta prometedora para el screening en medicina. Un modelo de aprendizaje profundo entrenado con 12,949 imágenes retinianas detectó Alzheimer con precisiones entre el 79% y el 92% (Cell Reports Medicine). Además, este modelo pudo distinguir entre individuos positivos y negativos para placas amiloides, un signo específico de la enfermedad.

Estos hallazgos demuestran la viabilidad de utilizar imagenología no invasiva y sencilla de obtener para detectar con IA enfermedades de alta incidencia, alta complejidad para su diagnóstico y alto costo para los sistemas de salud.

¿Cuál es la perspectiva futura de la IA en la atención médica?

La IA ofrece un potencial significativo para transformar la atención médica y la oftalmología, pero abordar preocupaciones como la privacidad de los datos, la ética y la inclusividad es esencial para los beneficios globales. En 2021, la Organización Mundial de la Salud (OMS) enfatizó que la promesa de la IA en la salud depende de priorizar la ética y los derechos humanos. Una de las principales preocupaciones es el sesgo: los algoritmos entrenados con datos no representativos pueden agravar las disparidades en salud, incluyendo las relacionadas con enfermedades oculares, como los modelos de diagnóstico que son menos efectivos para detectar problemas en personas de piel más oscura, debido a que los datos de entrenamiento se enfocan en piel más clara.

Para reducir el sesgo, se necesitan conjuntos de datos diversos, junto con la colaboración entre el sector de la salud, los desarrolladores de tecnología y los formuladores de políticas, para garantizar un desarrollo de IA centrado en el paciente. La mayoría de los modelos de IA dependen de paquetes de aprendizaje automático de código abierto sin personalización, lo que limita su rendimiento para desafíos clínicos específicos, como el pronóstico médico de enfermedades oculares. La colaboración interdisciplinaria es esencial para adaptar los algoritmos de IA a problemas de salud específicos de manera efectiva.

Los estudios actuales de IA a menudo utilizan conjuntos de datos fijos y entornos estáticos, mientras que las condiciones del mundo real cambian. Los sistemas de IA deberían aprender y adaptarse continuamente, de manera similar a los clínicos. Técnicas como el aprendizaje basado en gradientes, las redes neuronales modulares y el meta-aprendizaje pueden mejorar la IA en la salud al permitirle aprender de manera eficiente y transferir conocimientos entre tareas relacionadas, facilitando el aprendizaje continuo y la mejora constante.

Conoce retinIA, un software basado en inteligencia artificial que está liderando el camino en la prevención de la pérdida de visión, y su enfoque puede ser el modelo a seguir para un cuidado de la salud visual más eficaz y accesible.

Bibliografía

Conoce retinIA