Predicción de factores de riesgo cardiovasculares analizando un fondo de ojos


(Alejandro Mauro) #1

Fascinante es el paper publicado en Nature sobre predicción de factores de riesgo cardiovasculares utilizando un tipo de machine learning conocido como Deep Learning (aprendizaje profundo)

https://www.nature.com/articles/s41551-018-0195-0

Si le subes al sistema una foto de un fondo de ojo, sin decirle ningún dato adicional, el sistema te predice

Predicción Error/precisión
Sexo AUC = 0,97
Condición de fumador AUC = 0,71
Evento cardíaco mayor AUC = 0,70
Presión Arterial Sisótlica Margen de error de 11,23 mmHg
Edad Margen de error de 3,26 años

AUC = Área bajo la curva (AREA UNDER THE CURVE)

  • Menos de 0,5: Es como lanzar una moneda.
  • Entre 0,5 y 0,6: Test malo.
  • Entre 0,6 y 0,75: Test regular.
  • Entre 0,75 y 0,9: Test bueno.
  • Entre 0.9 y 0.97: Test muy bueno.
  • Más de 0.97: Test excelente.

Esto significa que, tan sólo con un fondo de ojos, podemos saber con excelente certeza el sexo del paciente, nos va a decir qué edad tiene el paciente con un error de 3 años (ej: nos dice que tiene 37, pero en realidad tiene 40), nos dice qué presión sistólica tiene con un error de alrededor de 10 mmHg (ej. nos dice que tiene 140 y en realidad tiene 130), nos dice que es fumador o que tuvo un evento cardíaco mayor (ej. infarto) con una precisión regular.

¿Por qué es asombroso esto?

Porque los oftalmólogos, los especialistas en ven estos exámenes, no tienen estas capacidades. Todavía no se entiende cómo, viendo el fondo de ojos, puede determinar con tanta certeza el sexo del paciente. Los humanos, no tenemos la capacidad de ver estas diferencias, pero la Inteligencia Artificial nos está enseñando que hay diferencias en las arterias de hombres y mujeres (quizás unas sean mas finas que otras), o diferencias en disco óptico o en algún otro lugar. Hombres y Mujeres tenemos retinas diferentes y eso nadie lo sabía, y si le mostramos a un oftalmólogo experto en fondo de ojos imágenes y le pedimos que nos diga el sexo, no puede ver estas diferencias.

Ésto es lo fantástico de la inteligencia artificial en medicina.

Al estimar el riesgo o predecir, la computadora está haciendo algo más que meramente aproximarse a las habilidades del médico, está encontrando relaciones nuevas que no son evidentes para los seres humanos.

¿Cómo funciona?
Es relativamente simple. A este modelo lo entrenaron con fondos de ojo de 284.335 pacientes (¡vean el número que se necesita para que el computador logre encontrar diferencias!)

Se utiliza generalmente, una red neuronal. Probablemente lo usado en este estudio son las Redes Neuronales Convolucionales https://es.wikipedia.org/wiki/Redes_neuronales_convolucionales

Una vez que se procesaron las 284.335 imágenes con sus metadatos (Sexo, Edad, Tabaquista, Enfermedades, PAS), el sistema ya aprendió a distinguir, en las imágenes, estos metadatos.

Así que está listo para ser testeado con una base de nuevas imágenes de validación.

En el caso del artículo, utilizaron 2 bases de datos, donde tenían 12.026 y 999 fondos de ojos de pacientes con los mismos metadatos.

Pusieron las nuevas imágenes para que el algoritmo creado indique si está o no presente la condición o qué edad o sexo tiene. Y después contrastaron lo que tenían registrado y lo que devolvió el algoritmo. Con eso, se construyen las AUC y los márgenes de error informados.