Un artículo publicado en el último número de la revista Ophthalmology presenta los resultados de un estudio realizado con el objetivo de examinar la utilidad de un modelo de aprendizaje automático para predecir la gravedad de la retinopatía diabética y mejorar el rendimiento de la calificación dada por el médico.
Para tal efecto, se midieron como desenlaces primarios la precisión del diagnóstico en comparación con un estándar de referencia previamente adjudicado, la confianza subjetiva en la calificación de la retinopatía diabética y el tiempo empleado para llevar a cabo la calificación de dicha alteración.
Los resultados fueron examinados tanto en un contexto no asistido como en otro con dos niveles de asistencia, el algoritmo emergente pronosticó los puntajes para cada nivel de gravedad y se mostraron ambos puntajes más una explicación de las regiones de imagen destacadas del mapa de calor que más contribuyen a la predicción. (calificación y mapa de calor ).
De acuerdo con los resultados obtenidos, los algoritmos de aprendizaje profundo pueden mejorar la precisión y la confianza en el diagnóstico de la retinopatía diabética en un entorno de lectura asistida y aumentar el tiempo de calificación, aunque estos efectos pueden mejorarse con la experiencia.
Referencia
Sayres R, Taly A, Rahimy E et al. Using a deep learning algorithm and integrated gradients explanation to assist grading for diabetic retinopathy. Ophthalmology. 2019;126: 552 – 564
Resumen disponible en
https://www.sciencedirect.com/science/article/pii/S0161642018315756