Deep Learning para la detección precoz de Retinopatía Diabética

Retinopatía Diabética

La retinopatía diabética (RD) es la principal causa de ceguera prevenible en adultos en edad laboral. Afecta al 4,1% de los europeos, o a 1 de cada 3 personas con diabetes mellitus (DM), habitualmente diabetes tipo 2 que es la más prevalente. Aproximadamente el 2% de los pacientes con DM serán ciegos después de 15 años y el 80% desarrollará algún tipo de DR. La importancia de estos números es que están vinculados a la DM, una de las enfermedades más prevalentes en todo el mundo.

La pérdida de visión por la RD es a veces irreversible, pero la detección temprana a través de exámenes periódicos puede reducir el riesgo de ceguera en un 95%. Actualmente tenemos un modelo ineficiente por varias razones:

1) Muchos pacientes se saltan las visitas planificadas o nunca han asistido a una porque desconocen la importancia de hacer un screening periódico

2) Es siempre realizado por un oftalmólogo (recurso costoso), lo que también lleva a un aumento de las listas de espera;

3) Requiere el uso medicamentos para dilatar los ojos, que es un proceso incómodo

4) Un alto porcentaje de casos permanece sin diagnosticar (20-30%)

Las soluciones actuales se basan en la detección de la RD por los oftalmólogos. No existen programas de cribado (screening) extendidos en la mayoría de las regiones, ya que son extremadamente caros, consumen mucho tiempo y son inadecuados, ya que requieren que los especialistas usen costosas cámaras (retinógrafos) midriáticos que necesitan que se dilate el ojo del paciente. En Atención primaria, el punto de contacto principal para los pacientes con DM, no cuentan con el equipamiento, la capacitación, y mucho menos tiempo para realizar este tipo de examen. El resultado neto es una gran cantidad de pacientes no diagnosticados de RD o cuyo diagnóstico se hace tarde, lo que implica que una enfermedad que se podría tratar de forma simple, acaba costando una considerable cantidad de dinero por paciente, ya que el tratamiento una vez avanzada la enfermedad implica cirugía.

Una alternativa consiste en trasladar el diagnóstico a centros o actores no especializados, es decir, liberar a los oftalmólogos de esta tarea. Las técnicas de diagnóstico precoz de RD basadas en Deep Learning consiguen una alta precisión, usando cámaras de fondo de ojo que no requieren dilatar el ojo del paciente (llamadas no midriáticas). Este tipo de cámara tiene un menor campo de visión (Field of View), 40º aproximadamente frente a la práctica totalidad de la retina en los retinógrafos midriáticos. Aun así, los algoritmos de Deep Learning obtienen una precisión de entre un 80% y un 92%. Si se dota a Atención primaria de esta capacidad, las derivaciones a oftalmología se reducirían notablemente, pero sobre todo aumentaría el número de enfermos diagnosticados.

La división de salud de GMV cuenta con una larga experiencia en innovación en el sector de salud en distintos sectores y con productos que abarcan telemedicina, telemonitorización o IA aplicada a la predicción de enfermedades y participa en numerosos proyectos de innovación a nivel nacional e internacional. Visita nuestra web para conocer nuestros proyectos en el sector de salud.

Autor: Javier Téllez Chacón

Las opiniones vertidas por el autor son enteramente suyas y no siempre representan la opinión de GMV
The author’s views are entirely his own and may not reflect the views of GMV
Share

    Deja un comentario

    Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

      I accept the privacy policy Acepto la Política de Privacidad

    Basic Data-Protection information:

    Data-protection supervisor: GMV Innovating Solutions SL
    Purpose: Answer questions, respond to user complaints and recommendations, receive job applicants resumes and career information.
    Legitimation: Consent of data subject
    Addresses: Grupo GMV companies
    Rights: Access, rectify and cancel data plus other rights, as explained in additional information
    Additional information: You can check out the additional and detailed data-protection information on our website:Privacy Policy

    Puedes usar las siguientes etiquetas y atributos HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

    WP-SpamFree by Pole Position Marketing

    2.273 Total Views