La neuropatía óptica glaucomatosa es una de las principales causas de ceguera irreversible, con una prevalencia mundial de 3,5% y hasta 76 millones de personas afectadas en todo el mundo en 2020. Diagnóstico y tratamiento precoz puede preservar la visión de los individuos, especialmente en las fases iniciales de la enfermedad. El diagnóstico y el seguimiento de la enfermedad implican integrar la información del examen clínico con los datos subjetivos de las pruebas de campo visual y los datos biométricos objetivos adquiridos mediante paquimetría, histéresis corneal e imágenes del nervio óptico y la retina. Este complejo proceso se complica aún más por la falta de definiciones inequívocas de la presencia y progresión de la neuropatía óptica glaucomatosa, lo que da lugar a la posibilidad de interpretaciones erróneas por parte del clínico.
Inteligencia artificial en medicina
En este contexto, la tecnología de inteligencia artificial (IA) se ha propuesto como una posible opción para el proceso de diagnóstico. En efecto, las aplicaciones desarrolladas en este campo de la informática pueden mejorar la calidad y la solidez de la información obtenida a partir de los datos clínicos, lo que, a su vez, puede mejorar el enfoque del médico en la atención al paciente.
En concreto, una de las aplicaciones de la IA que se ha mostrado muy prometedora en medicina es el aprendizaje automático (AM), que se viene desarrollando desde la década de 1980. Del ML, en torno a 2010, surgió el aprendizaje profundo (DL), cuyos algoritmos, en poco tiempo, superaron a los algoritmos preexistentes en medicina y otras disciplinas.
Hasta la fecha, el potencial de la DL en el ámbito médico se ha aplicado, por ejemplo, a la evaluación de tumores, la detección de la fibrilación auricular y el cronometraje de la aparición de accidentes cerebrovasculares. En oftalmología, la inteligencia artificial y, en particular, la DL han demostrado su utilidad en el diagnóstico de la retinopatía diabética (RD), la degeneración macular asociada a la edad y la retinopatía del prematuro, hasta la evaluación del glaucoma.
Inteligencia artificial y tratamiento del glaucoma
El uso de la tomografía de coherencia óptica (OCT), la evaluación del campo visual (VF) y el examen clínico del disco óptico constituyen la base del diagnóstico de la neuropatía óptica glaucomatosa en el ámbito clínico. La disponibilidad de sistemas automatizados basados en inteligencia artificial y algoritmos puede ayudar a mejorar la eficacia diagnóstica y automatizar el proceso de diagnóstico. La detección de la progresión del glaucoma es también un componente clave del manejo clínico de los pacientes para identificar a aquellos individuos en riesgo de desarrollar discapacidad visual relacionada con el glaucoma. En este sentido, por tanto, la inteligencia artificial tiene varios potenciales aplicaciones en glaucoma. Entre ellas:
- DL y detección de disco óptico glaucomatosoLa detección de disco glaucomatoso a partir de imágenes del fondo del ojo puede ser difícil y estas dificultades pueden verse agravadas por factores que afectan a la plataforma de adquisición de imágenes (exposición, enfoque, aumento), el estado de midriasis y la presencia de enfermedades no glaucomatosas. El aprendizaje profundo ha logrado avances significativos en la detección del daño discal glaucomatoso a partir de imágenes de fotografía digital. Además, el DL también se ha aplicado a imágenes obtenidas mediante tomografía óptica de radiación coherente (OCT).
- AI en el examen del campo visual: El análisis automatizado informatizado del campo visual ha supuesto un verdadero avance que ha permitido que el análisis del campo visual sea un hito en el diagnóstico y el seguimiento del glaucoma, gracias a las diversas plataformas y algoritmos desarrollados. Varios estudios han demostrado que los algoritmos de DL son capaces de identificar el glaucoma a partir del análisis del campo visual con mayor eficacia que los oftalmólogos.
- Previsión clínica e IA: La predicción clínica permite anticipar la evolución de la enfermedad y formular el pronóstico. Los estudios han demostrado que los modelos de predicción que utilizan IA pueden actualizarse con los datos de las distintas visitas clínicas, lo que da lugar a predicciones más precisas, así como a una mayor puntualidad.
Aplicaciones futuras
En el futuro, la IA podría tener una gran repercusión en el cribado ambulatorio del glaucoma, el tratamiento de la neuropatía óptica glaucomatosa y su seguimiento a distancia. De hecho, los métodos basados en la IA podrían aplicarse a los programas de cribado telerretiniano en el contexto de la atención primaria, permitiendo una selección inicial eficaz de los pacientes. El seguimiento a distancia de los pacientes podría facilitarse mediante pruebas de campo visual a domicilio, que podrían realizarse utilizando la realidad virtual. Por supuesto, las herramientas de seguimiento a distancia de enfermedades requerirán la capacidad de los algoritmos de DL para sintetizar los datos adquiridos a distancia.
- Ittoop SM, Jaccard N, Lanouette G, Kahook MY. The Role of Artificial Intelligence in the Diagnosis and Management of Glaucoma (El papel de la inteligencia artificial en el diagnóstico y tratamiento del glaucoma). J Glaucoma. 2022 Mar 1;31(3):137-146.
- Mayro EL, Wang M, Elze T, Pasquale LR. El impacto de la inteligencia artificial en el diagnóstico y tratamiento del glaucoma. Eye (Lond). 2020 Jan;34(1):1-11.
- Mursch-Edlmayr AS, Ng WS, Diniz-Filho A, Sousa DC, Arnold L, Schlenker MB, Duenas-Angeles K, Keane PA, Crowston JG, Jayaram H. Artificial Intelligence Algorithms to Diagnose Glaucoma and Detect Glaucoma Progression: Translation to Clinical Practice. Transl Vis Sci Technol. 2020 Oct 15;9(2):55.