La inteligencia artificial (IA) se refiere a una tecnología avanzada que utiliza el procesamiento computarizado para integrar información sobre el comportamiento humano, emociones y habilidades, con el objeto de realizar funciones en lugar de los humanos o asistirlo en la realización de diferentes labores. El término de inteligencia artificial se utiliza para describir el uso de algoritmos que se desarrollan con el propósito de integrarse en el trabajo humano, imitando el procesamiento mental de estos. Uno de los campos destacados dentro de la IA es el aprendizaje automático (ML por su sigla en inglés derivada de machine learning). Esta tecnología ha sido creada para aprender automáticamente a partir de la alimentación con datos, incrementando así su capacidad de análisis en las situaciones relacionadas con esa información.1
Otro campo de investigación en IA es el aprendizaje profundo (DL, por su sigla en inglés derivada de Deep learning), el cual se basa en algoritmos de aprendizaje que utilizan redes neuronales para representar datos. Los altos potenciales de aplicación de la IA en múltiples áreas del conocimiento, ha llamado la atención y, la medicina no es una excepción De tal manera que, en las ciencias del cuidado ocular y visual, ya que se han creado diferentes herramientas para el diagnóstico y tamizaje de enfermedades como la retinopatía diabética y degeneración macular relacionada con la edad, incrementado la atención en salud en oftalmología.
En el campo de la optometría, la IA ha mostrado importantes resultados en los últimos cinco años, sobre todo en lo concerniente al diagnóstico y tamizaje de las alteraciones de la visión. También se han visto avances relevantes en el campo de la óptica. Un ejemplo de lo anterior, son los modelos de IA aplicados a la miopía, que ha incrementado la atención de la comunidad científica, por sus efectos en los niños y adolescentes. Dada la complejidad de los factores y teorías causales relacionadas con la miopía y su aumento, resulta prioritario identificar este error refractivo en grupos de alto riesgo con el objetivo de proporcionar un manejo oportuno y minimizar en la medida de lo posible su progresión.
Como resultado de los avances en IA aplicados a la miopía, se destaca el trabajo de Varadarajan et al. (2018), quienes construyeron un modelo de aprendizaje profundo basado en una red residual para analizar 226.870 imágenes de fondo de ojo. Este modelo tiene la capacidad de estimar la cantidad de error refractivo en esfera, cilindro y equivalente esférico mediante el análisis de pixeles en las imágenes de la retina, según la ametropía. Otro ejemplo relevante es la investigación de Lin et al. (2018), cuyo modelo desarrollado puede predecir la presencia de miopía en los niños. Utilizando un algoritmo de bosque aleatorio alimentado con datos de historias clínicas sistematizadas de más de 130.000 niños atendidos en ocho centros de salud visual, lograron entrenar y verificar el algoritmo. Este sistema de IA es capaz de predecir miopía en niños menores de 18 años, y se espera que las estrategias de mejora permitan identificar precozmente la miopía en niños específicamente en edad escolar. Además, se están llevando a cabo ejercicios de IA en miopía que van desde modelos para predecir la longitud axial del ojo en niños, hasta aquellos que integran información para predecir resultados en cirugía refractiva y en ortoqueratología.
Otro campo prioritario en el ámbito de la IA aplicada a la optometría es el estudio del estrabismo. Debido a que la desalineación de los ejes visuales puede tener consecuencias graves en la función visual, como la ambliopía estrábica y estar relacionado con alteraciones físicas y mentales en los niños, resulta fundamental realizar el diagnóstico precoz y el tratamiento pertinente.
Un ejemplo destacado en este sentido es el trabajo realizado por Kang et al. (2022), quienes desarrollaron un modelo de DL basado en una red neural capaz de segmentar la córnea y el limbo esclerocorneal para la detección automática de estrabismo. Este modelo se estrenó y verificó con base en 828 fotografías de pacientes con estrabismo en diferentes posiciones de mirada. Además, se han desarrollado otras aplicaciones que utilizan IA para detección del estrabismo mediante fotografías tomadas en diferentes posiciones de mirada, así como otras que segmentan y analizan la posición del reflejo corneal. En propósitos más complejos, se ha explorado la aplicación de la IA basada en la regresión vectorial como herramienta para la selección y predicción de técnicas quirúrgicas correctivas de estrabismo.
Continuando con la prioridad de detectar las alteraciones de la visión, el queratocono (QC) es otro protagonista. Se ha establecido el impacto que esta ectasia puede tener en la salud ocular, en la visión y en la calidad de vida. Sin embargo, su diagnóstico inicial puede pasar desapercibido si no se usan exámenes complementarios como la tomografía corneal. Otro reto, es evidenciar el grado de evolución que puede ir desde subclínico, hasta manifiestarse de formas severas.
En este contexto, la IA se ha utilizado en combinación con la tomografía corneal para lograr la detección oportuna del QC. Mediante el análisis de imágenes tomográficas, se realiza el entrenamiento de modelos de aprendizaje automático y se verifica el modelo al final. Un ejemplo es el desarrollo de Al-Timemy et al. (2021), quienes desarrollaron un modelo de IA basado en DL híbrido que combina imágenes corneales e índices tomográficos para determinar la normalidad, la sospecha y la confirmación del QC. Este modelo ha demostrado una buena sensibilidad y especificidad. Se espera que con futuras mejoras brinde resultados aún más prometedores.
Con lo anterior, se corrobora que las investigaciones seguirán trabajando en el desarrollo de modelos de IA que permitan la prevención, diagnóstico oportuno y apoyo en el manejo adecuado de las entidades que afectan la visión. De hecho, se están desarrollando prototipos de IA para el diagnóstico de ambliopía y para brindar asistencia en el cálculo y pronóstico de lentes intraoculares. Por lo tanto, es fundamental que los profesionales de la salud visual se involucren de manera más activa en este campo.
Adaptado de:
1.Wang S, Ji Y, Bai W, Ji Y, Li J, Yao Y, et al. Advances in artificial intelligence models and algorithms in the field of optometry. Front Cell Dev Biol [Internet]. 2023 Apr 28;11. Available from: https://www.frontiersin.org/ articles/10.3389/fcell.2023.1170068/full.
