Atrofia geográfica y AI

El extraordinario progreso de las tecnologías de imagen basadas en la Inteligencia Artificial (IA) ha suscitado un creciente interés por su aplicación al diagnóstico precoz y posterior tratamiento de las enfermedades retinianas, en particular el cribado y seguimiento de la atrofia geográfica.

La atrofia geográfica es una fase avanzada de la Degeneración Macular Asociada a la Edad (DMAE), que constituye un importante problema sanitario mundial y una de las causas más frecuentes de ceguera legal en los países desarrollados.

Los casos diagnosticados de atrofia geográfica son actualmente unos 5 millones en todo el mundo y podrían duplicarse hasta los 10 millones en 2040.

Atrofia geográfica
La atrofia geográfica es una patología retiniana con un manejo complejo, en parte debido al conocimiento incompleto de su etiología y patogenia.

Esta forma grave de maculopatía se caracteriza por la muerte progresiva de las células del epitelio pigmentario de la retina (EPR) y de los fotorreceptores maculares, así como por la pérdida de porciones de la coriocapilar. Estos cambios dan lugar a zonas atróficas que son claramente detectables en las imágenes de la retina y, en los casos en los que la zona de la fóvea central también está afectada, provocan un deterioro grave de la función visual. Este daño macular comienza en forma de pequeñas areolas que más tarde se convierten en áreas más grandes; una persona con atrofia geográfica en fase inicial puede experimentar problemas de lectura o de visión nocturna. Si la enfermedad progresa a fases avanzadas, se desarrollarán puntos ciegos permanentes (escotomas) en el centro del campo visual.
La pérdida de visión causada por la atrofia geográfica compromete gravemente la independencia y la calidad de vida de quienes la padecen, dificultándoles la gestión independiente de sus actividades cotidianas.

Tratamiento
Desde el punto de vista terapéutico, recientemente se ha aprobado el pegcetacoplan intravítreo, un antagonista del factor C del complemento que inhibe su escisión en C3a y C3b y que ha demostrado ralentizar la progresión de la enfermedad.

Esta importantísima innovación terapéutica -en cuyos estudios de fase 3 ha participado la Fundación IRCCS Bietti de Roma- aumenta la necesidad de un diagnóstico precoz y un seguimiento constante para maximizar los beneficios del nuevo tratamiento y minimizar la pérdida visual. En este sentido, se hace crucial el uso de las más avanzadas técnicas de imagen retiniana: OCT (Tomografía de Coherencia Óptica), Autofluorescencia de Fondo de ojo (FAF) y Fotografía de Fondo de ojo en color (CFP). Es precisamente esta última técnica diagnóstica la que constituye un método común, sencillo y ampliamente utilizado, de bajo coste, para el cribado y seguimiento de la atrofia geográfica.

IA e imágenes de la retina
Los algoritmos de Inteligencia Artificial (IA) han demostrado un enorme potencial en el diagnóstico de la retina debido a su capacidad para analizar enormes cantidades de datos, adquiridos mediante diferentes técnicas de imagen, lo que permite detectar ligeras alteraciones retinianas que a veces no pueden ser detectadas por el observador humano.

Mediante el aprendizaje profundo, los modelos de IA "aprenden" a reconocer perfiles y características de la atrofia geográfica a partir de estas extensas bases de datos de imágenes y, posteriormente, pueden aplicar los conocimientos adquiridos a nuevas imágenes para un diagnóstico automatizado de la atrofia geográfica. Los modelos de aprendizaje profundo que utilizan FAF y OCT han demostrado un buen rendimiento en la identificación de la atrofia geográfica, pero tienen una aplicabilidad limitada y costes elevados. Por otra parte, los primeros modelos de IA que utilizaban la PPC se vieron empañados por una escasa sensibilidad y una explicabilidad limitada.

Un estudio del equipo de oftalmología de la Universidad de Udine, Modelo explicable de inteligencia artificial para la detección de atrofia geográfica mediante fotografía retiniana en colorpropusieron un modelo de IA muy preciso y fácil de usar para el diagnóstico de la atrofia geográfica mediante imágenes de PPC.

Se recogieron 540 fotografías en color del fondo de ojo y se dividieron en tres grupos: 300 para entrenar la máquina, 120 para validación y 120 para probar el rendimiento del algoritmo. El modelo experimental demostró una sensibilidad de 100%, una especificidad de 97,5% y una precisión diagnóstica de 98,4%.

Este modelo ya representa un resultado muy bueno y los algoritmos de IA desarrollados en el futuro permitirán efectivamente el cribado automatizado de la atrofia geográfica, basado en el uso de imágenes en color del fondo de ojo, que son fáciles de adquirir y transmitir.

Esta optimización del tratamiento de la atrofia geográfica, posible gracias a la inteligencia artificial, permitirá al paciente beneficiarse plenamente de las últimas innovaciones tecnológicas que, utilizadas de forma correcta y eficaz, pueden preservarle realmente de una pérdida visual grave.

Véase también:

• IA y oculómica - Oculista Italiano
• Inteligencia artificial y OCT en el edema macular diabético - Oculista Italiano
• Retinopatía diabética e imágenes de campo ultra amplio - Oculista Italiano

• Sarao V, Veritti D, De Nardin A, et al. Explainable artificial intelligence model for the detection of geographic atrophy using colour retinal photographs. BMJ Open Ophthalmol. 2023 Dic 6;8(1):e001411. doi: 10.1136/bmjophth-2023-001411.
• Holzinger A, Biemann C, Pattichis CS, et al. On the importance of Explainable AI (XAI) for trustworthiness in Biomedicine and Healthcare. Wires Data Mining Knowl Discov 2022;12:e1452.
• Keenan TD, Dharssi S, Peng Y, et al. Un enfoque de aprendizaje profundo para la detección automatizada de atrofia geográfica a partir de fotografías de fondo de ojo en color. Ophthalmology 2019;126:1533–40.