Disease Spectrum Analysis and AI-Assisted Screening of Fundus Disorders Using Portable Handheld Fundus Imaging in Health Examination Populations

Ver el mundo con claridad es una parte fundamental del ser humano, pero para miles de millones de personas, esa claridad se está desvaneciendo debido a enfermedades oculares que, a menudo, no muestran señales de advertencia hasta que es demasiado tarde. La parte posterior del ojo, conocida como retina, es una delicada capa de tejido que actúa como un sensor de cámara, capturando la luz que nos permite ver. Cuando este tejido se daña por condiciones como la diabetes, la presión arterial alta o el envejecimiento, el daño suele ser permanente. Debido a que estos problemas comienzan de forma silenciosa, los médicos confían en tomar fotografías de la retina para detectarlos a tiempo. Tradicionalmente, estas imágenes se toman con máquinas grandes y costosas que requieren que el paciente se siente quieto y mire hacia un dispositivo fijo. Sin embargo, un nuevo tipo de cámara está cambiando este panorama. Se trata de dispositivos pequeños y portátiles que un médico puede sostener con una mano, lo que hace posible tomar fotografías de la retina en casi cualquier lugar, desde una clínica comunitaria concurrida hasta una sala de examen físico de rutina. El desafío ha sido que estas cámaras portátiles son más difíciles de usar a la perfección; las imágenes pueden ser borrosas o tener mala iluminación, y no está claro si la inteligencia artificial, el software informático diseñado para detectar enfermedades, puede manejar estas imágenes imperfectas tan bien como maneja las imágenes perfectas tomadas en clínicas especializadas.

Un equipo de investigadores se propuso resolver este problema probando si estas cámaras portátiles podían utilizarse para realizar cribados a grandes grupos de personas sanas para una amplia gama de enfermedades oculares, no solo para una condición específica. Trabajaron con una colección masiva de imágenes tomadas durante cinco años de casi treinta mil personas que visitaron un hospital en Beijing para chequeos de salud de rutina. En total, recopilaron más de cincuenta y ocho mil fotografías de retinas. Debido a que las cámaras eran de mano y se utilizaron en personas que no eran pacientes esperando un examen ocular, la calidad de las imágenes variaba enormemente. Algunas eran cristalinas, mientras que otras eran demasiado oscuras, demasiado borrosas o estaban mal alineadas para ser útiles. Los investigadores construyeron primero un sistema informático para actuar como un estricto portero, clasificando las imágenes en tres grupos: aquellas que eran perfectas, aquellas que eran lo suficientemente buenas para ser utilizadas y aquellas que debían desecharse. Este paso fue crucial porque aseguró que los modelos de inteligencia artificial solo se entrenaran con imágenes que realmente mostraran el ojo con claridad. Después de este proceso de limpieza, les quedaron más de treinta y cinco mil imágenes de alta calidad para estudiar la salud real de la población.

Lo que los investigadores encontraron fue una imagen clara de cómo la salud ocular cambia a medida que las personas envejecen. En el grupo de imágenes que analizaron, aproximadamente un tercio mostraba algún signo de problemas oculares. El problema más común, por mucho, fueron los cambios relacionados con la miopía, que afectó a casi el veinte por ciento de las personas. Esto tiene sentido dado que el estudio incluyó a muchos adultos jóvenes y de mediana edad. Sin embargo, el tipo de enfermedad encontrada dependía en gran medida de la edad. Los jóvenes presentaban principalmente problemas vinculados a la miopía, pero a medida que el grupo envejecía, los problemas cambiaban. En personas mayores de sesenta años, los hallazgos más comunes fueron enfermedades de los vasos sanguíneos en el ojo y la degeneración de la parte central de la retina, que son condiciones típicamente asociadas con el envejecimiento y la salud general. Este descubrimiento es importante porque sugiere que los programas de detección ocular no deben ser de "talla única"; lo que los médicos deben buscar en un treintañero es diferente de lo que deben buscar en un setentón.

Para ver si las computadoras podían ayudar a los médicos a encontrar estos problemas más rápido, el equipo probó doce tipos diferentes de modelos de inteligencia artificial. Les pidieron a estos modelos que hicieran dos cosas: primero, decidir si una imagen mostraba un ojo sano o uno enfermo, y segundo, identificar exactamente qué tipo de enfermedad estaba presente si el ojo no era sano. Los resultados fueron alentadores para la primera tarea. Los modelos informáticos fueron muy buenos para detectar cuándo algo andaba mal, identificando correctamente ojos anormales en más del noventa por ciento de los casos. Esto significa que una cámara de mano combinada con este tipo de software podría señalar de manera confiable a las personas que necesitan ver a un especialista. Sin embargo, la segunda tarea fue mucho más difícil. Cuando los modelos intentaban nombrar la enfermedad específica, su precisión disminuía significamente. A menudo confundían diferentes tipos de problemas de los vasos sanguíneos o tenían dificultades para distinguir entre diferentes tipos de daño en el tejido. Esto sugiere que, si bien las computadoras son excelentes para actuar como un primer filtro para detectar problemas potenciales, aún no están listas para reemplazar a un médico humano en el diagnóstico de la condición exacta a partir de una foto tomada con una cámara de mano.

Los investigadores también probaron una nueva generación de modelos informáticos avanzados que habían sido entrenados con millones de imágenes oculares estándar y de alta calidad de grandes clínicas. Esperaban que estos "modelos fundacionales" fueran más inteligentes y mejores para manejar las imágenes desordenadas del mundo real de las cámaras de mano. Sorprendentemente, estos modelos avanzados no funcionaron mejor que los modelos más simples y ligeros. De hecho, los modelos especializados a veces tuvieron más dificultades, probablemente porque las imágenes de las pequeñas cámaras de mano se veían demasiado diferentes de las imágenes perfectas con las que fueron entrenados. Los modelos más simples, que son más rápidos y requieren menos potencia de cómputo, hicieron mejor el trabajo. Este hallazgo es una guía práctica para el futuro: para el cribado generalizado con dispositivos portátiles, no necesitamos la inteligencia artificial más compleja y pesada. Necesitamos herramientas que sean lo suficientemente robustas para manejar imágenes imperfectas y lo suficientemente rápidas para procesar miles de imágenes al día.

En última instancia, este estudio demuestra que es posible utilizar cámaras pequeñas y portátiles para realizar el cribado de muchas enfermedades oculares diferentes, siempre que exista un sistema para verificar la calidad de las imágenes. La investigación muestra que las enfermedades oculares siguen un patrón predecible basado en la edad, con la miopía predominando en los jóvenes y las enfermedades vasculares tomando el relevo en los ancianos. También muestra que, si bien la inteligencia artificial puede ser una poderosa compañera para detectar estos problemas, la tecnología aún no es perfecta para nombrar cada enfermedad específica. El trabajo sienta las bases para una nueva forma de proteger la visión, donde los chequeos de salud de rutina podrían incluir una mirada rápida y sin dolor a la retina, detectando problemas a tiempo antes de que conduzcan a la ceguera. Al combinar un dispositivo portátil sencillo con un software inteligente y una comprensión clara de cómo cambian las enfermedades oculares a lo largo de la vida, podemos avanzar hacia un futuro donde la salud ocular sea monitoreada tan rutinariamente como la presión arterial o el peso.