Revisado por Konstantinos Balaskas, MD, FEBO, MRCOphth
La oftalmología, con su gran dependencia de las imágenes, es un innovador en el campo de la inteligencia artificial (IA) en medicina.
Aunque las oportunidades para los pacientes y los profesionales de la salud son excelentes, persisten los obstáculos para la integración total de la IA, incluidos los problemas económicos, éticos y de privacidad de los datos.
Aprendizaje profundo
Según Konstantinos Balaskas, MD, FEBO, MRCOphth, experto en retina del Moorfields Eye Hospital, Londres, Reino Unido, y director del Moorfields Ophthalmic Reading Center y AI Analytics Hub, AI es un término amplio.
Relacionado: Neurooftalmología de vanguardia: combinación de inteligencia artificial y seguimiento ocular
“El tipo de IA que ha generado mucho entusiasmo en los últimos años se llama ‘aprendizaje profundo’”, dijo. «Este es un proceso mediante el cual los programas de software aprenden a realizar ciertas tareas procesando grandes cantidades de datos».
El aprendizaje profundo es lo que ha convertido a la oftalmología en pionera en el campo de la implementación de la IA en la medicina, porque dependemos cada vez más de las pruebas de imagen para monitorizar a nuestros pacientes.
“Particularmente en mi subespecialidad de interés, retina médica, las pruebas de imagen como la tomografía de coherencia óptica (OCT) se realizan con mucha frecuencia y han proporcionado el material para entrenar, probar y luego aplicar sistemas de apoyo a la decisión de IA”, señaló Balaskas.
En la retina, en particular, algunas de las causas más comunes de pérdida visual en el mundo occidental, como la degeneración macular relacionada con la edad (DMAE) y la retinopatía diabética, requieren una detección temprana, un inicio rápido del tratamiento y un control regular para preservar la visión.
Balaskas dijo que aquí es donde los sistemas de apoyo a las decisiones de IA pueden ayudar a mejorar el acceso a la atención y garantizar resultados clínicos óptimos para los pacientes.
Balaskas citó el sistema de apoyo a las decisiones de IA desarrollado en colaboración entre Moorfields Eye Hospital, donde tiene su sede, y Google DeepMind.
Relacionado: La tecnología Blockchain tiene como objetivo impulsar los macrodatos para ‘entrenar’ la IA
«Es capaz de leer las exploraciones OCT, interpretarlas, proporcionar un diagnóstico y hacer recomendaciones de manejo», dijo. «La otra área en la que la IA se muestra prometedora es en el desarrollo de planes de tratamiento personalizados para los pacientes al poder predecir su respuesta al tratamiento y sus resultados visuales durante un período de tiempo».
Herramientas de apoyo
Al considerar las afecciones comunes que amenazan la visión, como la DMAE y la retinopatía diabética, Balaskas dice que las herramientas de apoyo a las decisiones de IA, una vez validadas y una vez que hayan obtenido la aprobación regulatoria como dispositivos médicos, pueden ayudar a mejorar el acceso a la atención.
“Pueden, por ejemplo, ayudar a los profesionales de la salud de la comunidad a diagnosticar enfermedades a tiempo”, explicó. «En el Reino Unido, donde las exploraciones OCT están ampliamente disponibles en las prácticas ópticas de la calle, una herramienta de inteligencia artificial sería particularmente útil para ayudarles a interpretar las exploraciones correctamente e identificar enfermedades en una etapa temprana».
De manera similar, en la retinopatía diabética, donde los pacientes requieren detección y monitoreo regulares, las herramientas de IA pueden aumentar significativamente la eficiencia de los programas de detección.
Balaskas señaló que tales aplicaciones ya existen y pueden ser de uso particular en programas de detección de retinopatía diabética, como en entornos de atención médica con recursos insuficientes.
“Otras indicaciones para la aplicación de monitoreo de IA, como AMD, se encuentran en etapas avanzadas de desarrollo pero aún no se han implementado en la vida real”, agregó.
Balaskas dijo que existen desafíos para integrar la IA en los diagnósticos y tratamientos de la retina.
Relacionado: Integración de la IA para controlar la retinopatía diabética en un entorno de atención primaria
Señaló que tiene un interés académico personal en la ciencia de la implementación, que analiza la brecha entre el desarrollo de un dispositivo médico, como una herramienta de apoyo a las decisiones de IA, y su implementación en la práctica clínica.1
“Las barreras potenciales que debemos superar para que la herramienta se implemente de manera significativa para mejorar los resultados para nuestros pacientes van más allá de las pruebas y la validación”, dijo. «Estos incluyen evaluaciones económicas: ¿cómo afectaría un modelo de apoyo a la toma de decisiones automatizado a las finanzas de un sistema de atención médica, de modo que pudiera proporcionar una buena relación calidad-precio o lograr ahorros de costos?»
Factores humanos
La siguiente consideración son los factores humanos, en particular cómo estos modelos de atención que se basan en la IA son percibidos y aceptados por los pacientes y los médicos.
¿Cuál es el nivel de confianza en estas tecnologías? ¿Qué nivel de información y educación de los pacientes y el público se requiere para generar confianza en su uso? Luego, hay consideraciones con respecto a la capacitación y la infraestructura técnica para respaldar estas herramientas.
Balaskas señala que las cuestiones éticas y de privacidad de los datos, así como las consideraciones médico-legales, también son importantes. ¿Quién es responsable de las decisiones tomadas por un algoritmo de inteligencia artificial en lugar de un humano? ¿Cómo afectan estas herramientas la forma en que los profesionales de la salud diagnostican y tratan las enfermedades?
Relacionado: algoritmo de aprendizaje profundo probado como preciso para la clasificación de AMD
“Existe un fenómeno llamado sesgo de automatización, en el que los profesionales a veces son más propensos a ceder a la recomendación de la herramienta de inteligencia artificial, incluso quizás en contra de su mejor juicio”, dijo.
Interpretabilidad
Balaskas señala el problema de la interpretabilidad, que en muchos casos estas herramientas de IA son opacas en su funcionamiento.
“No entendemos completamente cómo se llega a una recomendación específica, ya sea un diagnóstico o una recomendación de manejo, y esa falta de transparencia puede exacerbar los problemas médicos, legales y éticos que se mencionaron anteriormente”, señaló. «En resumen, hemos descubierto que hay varios obstáculos que superar antes de que las herramientas de IA se puedan implementar en la vida real de una manera segura y que mejore los resultados clínicos».
Además, Balaskas dijo que la vida podría cambiar para los oftalmólogos en el futuro, y tiene una visión optimista de la IA en la práctica médica.
“Nuestro campo se está volviendo cada vez más complejo y necesitamos procesar datos de diversas fuentes cuando evaluamos a nuestros pacientes: datos de las muchas modalidades de imagen, datos genéticos y los diversos tipos de ómicas, como la proteómica y el campo emergente de la oculómica, donde las características del examen ocular pueden ser indicativas de problemas de salud sistémica ”, dijo.
Relacionado: La telemedicina marca el comienzo de un nuevo capítulo en el cuidado de los ojos
Balaskas también señaló que los datos de los dispositivos de monitoreo de la visión en el hogar estarán cada vez más disponibles.
Sin embargo, Balaskas dijo que entender todos estos datos con el fin de desarrollar un plan de tratamiento personalizado para cada paciente puede ser abrumador.
“La IA podría convertirse en una ayuda muy útil y, como se describe en la Revisión de Topol sobre IA encargada por Health Education England, ofrecer un regalo de tiempo a pacientes y profesionales, dándoles la oportunidad de discutir y decidir juntos cuál es el plan de tratamiento óptimo. informado por el procesamiento de fuentes de datos complejas de alta dimensión ”, concluyó.
–
Konstantinos Balaskas, MD, FEBO, MRCOphth
e: k.balaskas@nhs.net
Balaskas tiene un interés académico en nuevas formas de brindar atención en oftalmología, incluida la telemedicina, las clínicas virtuales, el monitoreo remoto y el apoyo a las decisiones de inteligencia artificial. No tiene declaraciones financieras.
–
Referencia
1. Campbell JP, Mathenge C, Cherwek H, et al; Grupo de trabajo de la Academia Estadounidense de Oftalmología sobre Inteligencia Artificial. Inteligencia artificial para reducir las disparidades en la salud ocular: pasando del concepto a la implementación. Transl Vis Sci Technol. 2021; 10 (3): 19. doi: 10.1167 / tvst.10.3.19