Barcelona, España
Barcelona, España
La inteligencia artificial (IA) se ha convertido en una herramienta prometedora en el campo de la oftalmología, especialmente en el cribado y detección temprana de enfermedades oculares en la población general.
Tradicionalmente, el cribado de enfermedades oculares en población general se ha realizado utilizando cámaras no midriáticas. Sin embargo, su implementación ha sido limitada, debido a la falta de coste-efectividad de una lectura humana en personas aparentemente sanas. Estas cámaras se han utilizado principalmente en el cribado del glaucoma y la detección de edema de papila en poblaciones con síntomas neurológicos o con difícil acceso a oftalmólogos. En estudios recientes, se ha demostrado la utilidad de las cám aras no midriáticas en el cribado de pacientes asintomáticos que acuden a revisiones laborales periódicas. Se han encontrado diversas patologías, como nevus coroideos, signos de alta miopía, alteraciones pigmentarias maculares y papilas sospechosas de glaucoma.
Otro enfoque prometedor es el uso de dispositivos adaptados a teléfonos móviles para capturar imágenes de la retina. Aunque los resultados de los estudios son alentadores, actualmente no existen en el mercado herramientas que permitan obtener imágenes de calidad sin la necesidad de dilatar la pupila. Sin embargo, se han realizado avances en el uso de smartphones y adaptadores para capturar imágenes de la retina en niños prematuros, con resultados comparables a los obtenidos con cámaras infantiles de campo amplio.
En cuanto al cribado con tomografía de coherencia óptica (OCT), su uso está menos extendido, debido al coste de los equipos y la realización de la prueba. Sin embargo, se han realizado estudios para evaluar su utilidad en la población general. Estos estudios han revelado la presencia de alteraciones vitreomaculares en un porcentaje significativo de la población mayor de 50 años, aunque en su mayoría se trataba de adherencias vitreorretinianas sin tracción.
El uso de la IA puede ayudar a reducir los costes asociados a la lectura de este tipo de pruebas, lo que las haría más coste-efectivas en la población general. Se han desarrollado algoritmos de IA para el análisis de imágenes de cámaras no midriáticas y OCT, con altos niveles de precisión, sensibilidad y especificidad en la detección de diversas enfermedades oculares.
The use of artificial intelligence (AI) has become a promising tool in the field of ophthalmology, particularly in the screening and early detection of ocular diseases in the general population.
Traditionally, screening for ocular diseases in the general population has been done using non-mydriatic cameras. However, their implementation has been limited due to the lack of cost-effectiveness of human interpretation in apparently healthy individuals. These cameras have been primarily used in glaucoma screening and the detection of papillary edema in populations with neurological symptoms or limited access to ophthalmologists. In recent studies, the utility of non-mydriatic cameras in screening asymptomatic patients attending regular occupational health check-ups has been demonstrated. Various pathologies such as choroidal nevi, signs of high myopia, macular pigmentary abnormalities, and optic discs suspicious for glaucoma have been found.
Another promising approach is the use of devices adapted to mobile phones to capture retinal images. Although the results of studies are encouraging, currently there are no tools available in the market that allow for high-quality imaging without the need for pupillary dilation. However, progress has been made in the use of smartphones and adapters to capture retinal images in premature infants, with results comparable to those obtained with wide-field infant cameras.
Regarding screening with optical coherence tomography (OCT), its use is less widespread due to the cost of equipment and testing. However, studies have been conducted to evaluate its utility in the general population. These studies have revealed the presence of vitreomacular abnormalities in a significant percentage of the population over 50 years old, although mostly non-tractional vitreoretinal adhesions.
The use of AI can help reduce the costs associated with the interpretation of these types of tests, making them more cost-effective in the general population. AI algorithms have been developed for the analysis of non-mydriatic camera and OCT images, with high levels of accuracy, sensitivity, and specificity in the detection of various ocular diseases.
L’ús de la intel·ligència artificial (IA) s’ha convertit en una eina prometedora en el camp de l’oftalmologia, especialment en el cribratge i la detecció precoç de malalties oculars en la població general.
Tradicionalment, el cribratge de malalties oculars en la població general s’ha realitzat utilitzant càmeres no midriàtiques. No obstant això, la seva implementació ha estat limitada a causa de la manca de cost-efectivitat de la interpretació humana en persones aparentment saludables. Aquestes càmeres s’han utilitzat principalment en el cribratge del glaucoma i la detecció d’edemes de papil·la en poblacions amb símptomes neurològics o amb accés limitat a oftalmòlegs. En estudis recents, s’ha demostrat la utilitat de les càmeres no midriàtiques en el cribratge de pacients asimptomàtics que acudeixen a revisions laborals periòdiques. S’han trobat diverses patologies com nevus coroidals, signes d’alta miopia, alteracions pigmentàries maculars i papil·les sospitoses de glaucoma.
Una altra aproximació prometedora és l’ús de dispositius adaptats a telèfons mòbils per capturar imatges de la retina. Tot i que els resultats dels estudis són encoratjadors, actualment no hi ha eines disponibles al mercat que permetin obtenir imatges de qualitat sense necessitat de dilatar la pupil·la. No obstant això, s’han realitzat avenços en l’ús de smartphones i adaptadors per capturar imatges de la retina en nadons prematurs, amb resultats comparables als obtinguts amb càmeres infantils de camp ampli.
Pel que fa al cribratge amb tomografia de coherència òptica (OCT), el seu ús està menys estès a causa del cost dels equips i la realització de la prova. No obstant això, s’han realitzat estudis per avaluar la seva utilitat en la població general. Aquests estudis han revelat la presència d’alteracions vitreomaculars en un percentatge significatiu de la població major de 50 anys, encara que en la seva majoria es tractava d’adherències vitreoretinianes sense tracció.
L’ús de la IA pot ajudar a reduir els costos associats a la interpretació d’aquests tipus de proves, el que les faria més cost-efectives en la població general. S’han desenvolupat algoritmes d’IA per a l’anàlisi d’imatges de càmeres no midriàtiques i OCT, amb alts nivells de precisió, sensibilitat i especificitat en la detecció de diverses malalties oculars.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados