En el año 2016, el equipo de inteligencia artificial de Google se enfrentó a uno de los problemas de salud más comunes y de rápido crecimiento en la actualidad: las enfermedades oculares diabéticas. La retinopatía diabética (RD), una afección ocular que afecta a las personas con diabetes, es la causa de ceguera de mayor crecimiento, con casi 415 millones de pacientes diabéticos en riesgo en todo el mundo.

Los investigadores de Google desarrollaron un algoritmo de aprendizaje profundo que puede interpretar los signos de la RD en fotografías de la retina, lo que podría ayudar a los médicos a examinar a más pacientes, especialmente en comunidades con recursos limitados. Este algoritmo de aprendizaje profundo mostró grandes promesas, con resultados equiparables a los de los oftalmólogos.

Después de tres años de pruebas exhaustivas y ajustes del modelo, un equipo de investigadores decidió poner su modelo en práctica. Para ello, eligieron Tailandia, donde solo hay alrededor de 1,400 oftalmólogos para aproximadamente cinco millones de diabéticos.

¿Cómo fue el proceso en Tailandia?

Google AI, en colaboración con el Ministerio de Salud Pública de Tailandia, llevó a cabo una investigación de campo en clínicas de las provincias de Pathum Thani y Chiang Mai durante un período de ocho meses. Durante este tiempo, los investigadores realizaron visitas regulares a 11 clínicas, observaron cómo los enfermeros de esas clínicas realizaban los exámenes oculares y los entrevistaron para comprender mejor el proceso.

En el transcurso de sus pruebas, encontraron problemas fundamentales significativos en la forma en que se implementaron los sistemas de aprendizaje profundo. Aunque el modelo se mejoraba regularmente, los desafíos provenían de factores externos al modelo. Por ejemplo, algunas imágenes capturadas durante los exámenes podrían tener problemas como desenfoques o áreas oscuras. Un sistema de inteligencia artificial podría considerar algunas de estas imágenes como “no gradables” debido a que los problemas podrían ocultar características anatómicas críticas necesarias para obtener un resultado definitivo. Para los médicos, la gradabilidad de una imagen puede variar según su propio entorno clínico o experiencia.

El alto estándar del sistema en cuanto a la calidad de las imágenes choca con la consistencia y calidad de las imágenes que los enfermeros rutinariamente capturan bajo las limitaciones de la clínica.

A pesar de estos desafíos, el uso de la inteligencia artificial en la detección de enfermedades oculares diabéticas sigue siendo prometedor. A medida que se resuelven los problemas técnicos y se mejora la calidad de las imágenes, esta tecnología tiene el potencial de ayudar a salvar la vista de millones de personas en todo el mundo.

Fuente del artículo: AIM