Predicción de cataratas en niños a través de algoritmo de algoritmo Deeplearning Vs. Oftalmólogo (Estudio randomizado controlado multicéntrico)

(Alejandro Mauro) #1

En los últimos meses hemos visto varios artículos donde los algoritmos le ganan a los mejores especialistas en el diagnóstico de una enfermedad. El siguiente artículo muestra que los oftalmólogos son mejor que el algoritmo.

La catarata en niños es una enfermedad rara qeu tiene una prevalencia de entre 1 y 15 niños por cada 10.000 y es un problema que requiere una rápida resolución, dado que la catarata puede impedir el desarrollo de la corteza visual del niño. Se detecta después del parto (catarata congénita), en los controles pediátricos o en la edad escolar.

La evaluación de la catarata infantil requiere de oftalmólogos de niños, que es una sub-especialización muy escasa.

Investigadores chinos crearon un algoritmo de detección de catarata infantil y llamaron al sistema CC-CRUISER. Consta de una página web, donde se puede subir la foto del ojo y el sistema la analiza contra el algoritmo desarrollado y entrega:

  • Predicción de catarata o normal
  • Severidad (área, densidad y ubicación)
  • Propuesta terapéutica (cirugía o seguimiento)

El algoritmo fue entrenado con 410 imágenes de ojos con catarata en niños y 476 imágenes de ojos de niños normales, utilizando Redes Nauronales Convolucionales.

Los investigadores decidieron hacer un estudio clínico randomizado multicéntrico, probando qué tal es la predicción del algoritmo Vs. el diagnóstico de un oftalmólogo especialista.

Link al estudio
https://doi.org/10.1016/j.eclinm.2019.03.001

350 niños ingresaron al estudio y se los randomizó en:

  • Grupo control (175 niños): un oftalmólogo pediátrico de uno de los 5 centros evaluó a cada niño
  • Grupo internvención (175 niños): se le tomó una foto de cada ojo y se subió al sistema web CC-CRUISER

Resultados

Detección de catarata

Sistema Sensibilidad Especificidad
CC-CRUISER 89,7% 86,4%
Oftalmólogos 98,4% 99,6%

Detección de área de Opacidad

Sistema Sensibilidad Especificidad
CC-CRUISER 91,3% 88,9%
Oftalmólogos 94,1% 91,4%

Detección de densidad

Sistema Sensibilidad Especificidad
CC-CRUISER 85,3% 67,9%
Oftalmólogos 81,8% 90,7%

Detección de la ubicación

Sistema Sensibilidad Especificidad
CC-CRUISER 84,2% 50%
Oftalmólogos 91,6% 78,4%

Tratamiento correcto recomendado

Sistema Sensibilidad Especificidad
CC-CRUISER 86,7% 44,4%
Oftalmólogos 94,7% 100%

Tiempo para el diagnóstico

  • CC-CRUISER: 2,79 minutos
  • Oftalmólogos: 8,53 minutos

Los oftalmólogos fueron mejores que el algoritmo.

Es necesario notar que el entrenamiento del algoritmo es muy básico, con muy pocos casos. Si uno quiere deasrrollar un algoritmo con alta sensibilidad y especificidad requiere de muchas más imágenes para entrenar su algoritmo.

Link al sistema web (ojo, sitio no seguro)
https://www.cc-cruiser.com/SignIn

Video del sistema

(Soledad Gaete) #2

Creo que este puede ser un caso en que el telediagnóstico sea más difícil, porque pesa mucho el criterio y la experiencia clínica de un médico con una formación muy específica.

Sin embargo, si se logra aumentar la sensibilidad del algoritmo probando con muchas más imágenes, esta es una iniciativa que puede lograr agilizar y disminuir los tiempos de espera considerando que es un área donde cuesta mucho a acceder a un profesional.

Si realmente, no se logra mejorar eso, sería poco ético utilizar este algoritmo, arriesgándose a no pesquisar verdaderos positivos de una enfermedad con consecuencias tan graves.

(Dannissa) #3

A mi parecer la eficiencia de esta predicción guarda una muy estricta relación con la calidad de entrenamiento que recibe el algoritmo. Esta calidad tiene relación con el volumen/cantidad de casos control y casos intervención que se le pasa para aprender, sin embargo no estoy segura de que aumentar el volumen se traduzca en una mayor calidad del algoritmo, veo que hay aún más puntos críticos en el análisis de cada caso individual. Si bien la patología puede tener patrones que son identificables en la mayoría de los casos, tal como menciona Soledad, la expertise de los clínicos que se desarrollaron profesionalmente en esa sub-especialidad es lo que los diferencia de las máquinas, si bien se demoran unas tres veces más en realizar el diagnóstico hay una evaluación que sólo se puede dar en una interacción en vivo, profundizar más en la imagen, ver otras tomas que tal vez la imagen analizada no contiene e información relevante que el paciente pueda entregar durante la atención sobre signos o síntomas que el médico puede ir afinando. De mi consideración este tipo de herramientas debiesen ser de apoyo al diagnóstico mas no confirmatorio, de utilizarse como vía diagnóstica creo que lo más prudente sería utilizarlo como complemento al diagnóstico del oftalmólogo en conjunto a lo que el evalúe.
De utilizarse como herramienta debido a la falta de acceso de la población a este tipo de especialidad, sobretodo en sectores rurales, lo más prudente sería hacer un primer filtro con ayuda de la herramienta sin informar un diagnóstico a partir de ello al paciente, si la herramienta arroja una banderita se podría manejar como una sospecha, esta alerta siempre debiese requerir de confirmación por parte de un especialista.
El problema real estaría en aquellos pacientes en donde la máquina no fue capaz de hacer este filtro y este paciente no pudo acceder a la confirmación diagnóstica ya que la máquina no levantó su bandera de alerta. Estos casos van a existir ¿existirá alguna forma concreta de abordar estos casos para hacer una intervención temprana y de manera equitativa? una forma distinta a poner en plan aumentar la cantidad de especialistas y dispersarlos a través del país de forma que toda la población pueda acceder a una salud de calidad y oportuna.

1 me gusta
(Alejandro Mauro) #4

Mientras que la mayoría de algoritmos de inteligencia artificial aplicados a medicina son de “ayuda” al equipo de salud, el año pasado se aprobó por la FDA el primer algoritmo diagnóstico que reemplaza al médico oftalmólogo en el diagnóstico de retinopatía diabética. Este fue un hito muy sorprendente.

En el futuro, algunas acciones médicas serán reemplazadas por algunos algoritmos (unas pocas), mientras que en la mayoría de los casos aportarán más información a los clínicos para ayudarlos en la toma de decisiones.