La ventaja de la IA: información OCT más temprana y precisa

Por Roya Attar, OD, DHA, MBA, FAAO, FORS.

 ¿Alguna vez has terminado de escribir un documento y has revisado la ortografía y la gramática solo para asegurarte de que no te has saltado nada? Casi el 100 % de las veces, la revisión encuentra algo, incluso en aquellos documentos excepcionalmente minuciosos. Es raro que no haya correcciones (o en documentos muy cortos).

Imagine ahora tener ese mismo tipo de “doble verificación” inteligente al interpretar una tomografía de coherencia óptica (OCT). ¿No sería igual de útil, o incluso más, contar con una herramienta similar para interpretar una imagen de OCT?

El poder transformador de la OCT y su creciente complejidad

La OCT ha transformado la atención al paciente y se ha convertido en una herramienta indispensable: aproximadamente el 75 % de las consultas afirman contar con una (y el resto afirma tener como prioridad obtener una OCT).¹ ^La   OCT nos permite diagnosticar mejor las afecciones de la retina y el nervio óptico, así como monitorizar la respuesta al tratamiento a lo largo del tiempo. Sin la OCT, algunas afecciones, como los trastornos vítreomaculares, los cambios sutiles en la capa retiniana o los cambios maculares tempranos, podrían pasar fácilmente desapercibidas. Sin embargo, a pesar de toda nuestra experiencia y formación, seguimos siendo humanos: incluso los profesionales más experimentados pueden pasar por alto detalles minúsculos, malinterpretar las exploraciones o tener dificultades cuando coexisten varias afecciones.

A esto hay que añadir el hecho de que hemos acumulado un amplio conocimiento sobre la interpretación de imágenes OCT y biomarcadores. Sin embargo, aprender todos estos matices también ha aumentado la carga de los médicos que interpretan las exploraciones OCT. Incluso para los especialistas con experiencia en retina, los hallazgos sutiles pueden pasarse por alto. Recientemente, mientras escribía una conferencia sobre biomarcadores OCT, me encontré con varios que desconocía. Lo cierto es que incluso los mejores de nosotros podemos pasar por alto cosas al interpretar una OCT. ¿No sería tranquilizador tener un sistema de respaldo para verificar o confirmar su interpretación? Un asistente incansable que no sufra de fatiga, sesgo o atención preferencial. Ahí es exactamente donde entra la inteligencia artificial. A diferencia de los humanos, la IA no lucha con la mirada preferencial ni los sesgos cognitivos. La IA puede examinar consistentemente cada píxel de una exploración, detectar múltiples patologías coexistentes y cuantificar los cambios objetivamente a lo largo del tiempo.

Las limitaciones de la interpretación humana y cómo la IA puede llenar ese vacío

Incluso con años de experiencia, los médicos enfrentan varios desafíos del mundo real al interpretar imágenes OCT:

1. Carga cognitiva y supervisión. El número de biomarcadores de OCT y patrones de enfermedad continúa aumentando. Ningún médico puede rastrearlos todos a la perfección.

1. Atención preferencial. Cuando un paciente presenta múltiples enfermedades retinianas comórbidas, una patología puede distraer la atención de otra. La IA no tiene visión de túnel.

1. Variabilidad en la experiencia. Un profesional que atiende principalmente atención primaria puede interpretar la OCT de forma diferente a un especialista en retina con un alto volumen de consultas. La IA facilita la igualdad de oportunidades.

1. Limitaciones de las bases de datos normativas. Los dispositivos OCT actuales dependen en gran medida de bases de datos normativas integradas. Sin embargo, estos conjuntos de datos pueden no representar la demografía de la región o población que se trata. La desalineación puede reducir la precisión diagnóstica o generar falsos positivos y falsos negativos. La interpretación de imágenes asistida por IA ofrece un nuevo tipo de soporte que se adapta, aprende y analiza las imágenes con precisión, independientemente de la demografía, la fatiga o el nivel de experiencia.

Cómo la IA está mejorando la interpretación de OCT hoy

Las soluciones de IA para imágenes de retina ahora ofrecen un conjunto de capacidades que van mucho más allá de los simples mapas de espesor automatizados. Las plataformas de IA modernas pueden:

• Identificar biomarcadores estructurales específicos de la enfermedad
• Realice un seguimiento de la progresión o la respuesta al tratamiento con un análisis longitudinal objetivo
• Señalar anomalías sutiles o raras que un médico puede pasar por alto
• Segmentar múltiples capas de la retina con mucha más precisión que los algoritmos de dispositivos estándar
• Ofrecer sugerencias de diagnóstico diferencial basadas en patrones de imagen.
• Reducir la variabilidad de la interpretación entre médicos y entre visitas

Esta evolución es similar a la de los correctores gramaticales, que pasaron de la corrección ortográfica básica al modelado lingüístico avanzado. Por ejemplo, plataformas como Grammarly no solo corrigen la gramática, sino que también ayudan a mejorar la estructura y el significado de la escritura. Asimismo, la interpretación de imágenes mediante OCT asistida por IA no solo mide el grosor, sino que también ayuda a los profesionales clínicos a comprender mejor el significado de lo que ven.

El papel de la IA en la obtención de imágenes OCT

Los algoritmos de aprendizaje profundo de IA pueden analizar volúmenes complejos de OCT en segundos, resaltar biomarcadores relevantes y detectar cambios sutiles que, de otro modo, podrían pasar desapercibidos para el ojo humano. Sus aplicaciones son numerosas :

• Detección y cuantificación de enfermedades retinianas: Los modelos de aprendizaje profundo pueden identificar edema macular, drusas, atrofia geográfica, membranas epirretinianas y neovascularización coroidea con una sensibilidad y especificidad comparables a las de los especialistas en retina. Incluso pueden segmentar las capas retinianas y cuantificar volúmenes, lo que proporciona a los médicos métricas reproducibles para el seguimiento de la enfermedad a lo largo del tiempo.
• Diagnóstico y seguimiento del glaucoma: Los algoritmos de IA pueden analizar la asimetría de la capa de fibras nerviosas retinianas (CFNR) y del complejo de células ganglionares, detectar cambios estructurales tempranos en la cabeza del nervio óptico y predecir la progresión de la enfermedad con gran precisión. Para los pacientes con riesgo de glaucoma, la IA proporciona una lente objetiva a través de la cual se puede rastrear el daño sutil a lo largo del tiempo.
• Análisis longitudinal: La IA puede comparar las tomografías de coherencia óptica (OCT) de un paciente a lo largo de meses o años, proporcionando datos de tendencias sobre el grosor de las capas, la acumulación de líquido o el crecimiento de las lesiones. Esto puede orientar las decisiones terapéuticas, como determinar cuándo iniciar o intensificar la terapia en la degeneración macular neovascular relacionada con la edad (DMAE) o el edema macular diabético (EMD).

Plataformas comerciales que llevan la IA a la clínica

Actualmente, varias plataformas comerciales de IA-OCT están haciendo que estas capacidades sean accesibles para los médicos, pero aquí solo destacaremos dos plataformas líderes aprobadas por la FDA:

• Altris AI es una plataforma basada en navegador, aprobada por la FDA, que facilita la toma de decisiones y admite datos de OCT de los principales fabricantes. Además, acepta múltiples formatos de archivo (DICOM, JPEG, PNG), lo que facilita la integración con dispositivos existentes. Identifica más de 70 patologías retinianas, cuantifica biomarcadores relacionados con el glaucoma y proporciona informes fáciles de usar para el médico, con mapas de calor para resaltar visualmente las regiones anormales.
• RetinAI Discovery es una plataforma de gestión de imágenes y datos, autorizada por la FDA, que ofrece módulos clínicos y de investigación. Clínicamente, analiza imágenes de OCT y de fondo de ojo, segmentando y cuantificando el líquido, las capas retinianas y los desprendimientos del epitelio pigmentario. Para los investigadores, Discovery CORE facilita la colaboración entre múltiples centros, la clasificación automatizada y la generación de evidencia real.

Estas herramientas no son solo teóricas; están mejorando activamente el flujo de trabajo clínico. Al destacar hallazgos sutiles, cuantificar cambios y proporcionar análisis longitudinales, las plataformas de IA reducen la supervisión humana, ahorran tiempo y permiten a los profesionales clínicos centrarse en la atención centrada en el paciente, en lugar de limitarse a la revisión de imágenes. Existen otras plataformas, como RetInSight (Topcon Healthcare), pero aún no cuentan con la autorización de la FDA.

Relevancia clínica

La integración de la IA en la interpretación rutinaria de la OCT supone un cambio radical, en particular porque permitirá:

• Precisión mejorada: la IA reduce la variabilidad en la interpretación de las exploraciones, lo que ayuda a los médicos a detectar afecciones antes, incluso en casos complejos con múltiples patologías coexistentes.
• Flujo de trabajo optimizado: la segmentación automatizada, el marcado de exploraciones anormales y el análisis longitudinal reducen el tiempo que los médicos dedican a revisar las imágenes, lo que resulta especialmente valioso en prácticas de gran volumen.
• Participación del paciente: las visualizaciones de las plataformas de IA, como mapas de calor, gráficos de progresión y métricas cuantitativas, se pueden compartir con los pacientes para explicar el estado de la enfermedad y la justificación del tratamiento.
• Aplicaciones de investigación: Plataformas como RetinAI CORE permiten colaboraciones multicéntricas, anotaciones estandarizadas y la generación de evidencia del mundo real, uniendo la atención clínica y la investigación.

Limitaciones y consideraciones

A pesar de su promesa, las herramientas AI-OCT tienen limitaciones que incluyen, entre otras:

• Generalización de datos: Los modelos entrenados en una población o dispositivo pueden tener un rendimiento inferior en otros. La validación local es esencial.
• Interpretabilidad: si bien los mapas de calor y las superposiciones ayudan, algunos modelos siguen siendo “cajas negras” que requieren la supervisión de un médico.
• Integración: la incorporación de IA en los EMR, PACS o flujos de trabajo clínicos requiere inversión en TI y capacitación del personal.
• Consideraciones regulatorias y de costos: la autorización de la FDA, el marcado CE y otras aprobaciones regulatorias varían, y las tarifas de licencia o la infraestructura en la nube pueden limitar la accesibilidad.

Reflexiones finales

Por si lo olvidaste, la IA es un complemento, no un sustituto. Complementa, en lugar de reemplazar, el juicio humano, sirviendo como un segundo par de ojos para detectar patologías sutiles y brindar apoyo cuantitativo para las decisiones clínicas. Puede hacerlo de forma fluida y rápida. Se acabó enviarle a un amigo una imagen de OCT por mensaje de texto y esperar una respuesta.

Además, la IA no trata a los pacientes, integra su historial sistémico, considera sus preferencias ni emite juicios clínicos definitivos. Solo los médicos pueden hacerlo. A medida que aumenta el volumen de imágenes y las enfermedades se vuelven más complejas, la combinación de la experiencia humana y la interpretación mejorada por IA definirá la próxima era en el cuidado de la retina.

Para terminar donde empezamos, la IA en imágenes oculares actúa de forma muy similar a un corrector ortográfico y gramatical, asistiendo, resaltando, confirmando y reforzando nuestro trabajo. Garantiza que lo que vemos sea preciso, completo y lo más esclarecedor posible. Y en un campo donde la visión lo es todo (literalmente), esa claridad es invaluable. 

Referencias

1. Encuesta a lectores: ¿Qué hay en tu lista de compras de tecnología?

https://aiineyecare.com/the-ai-advantage-earlier-more-accurate-oct-insights/#