Enfoques innovadores de la biología y la tecnología ocular para permitir un diagnóstico y monitoreo más eficientes

Durante ARVO 2019, los asistentes participaron en una conferencia de prensa en la que se presentaron cuatro estudios fundamentales para la práctica diaria del oftalmólogo.

Cuatro estudios fueron presentados en la Reunión Anual de la Asociación para la Investigación en Visión y Oftalmología (ARVO) 2019; celebrada en Vancouver, Columbia Británica.

Durante el evento, se resaltó el uso de una innovadora tecnología de inteligencia artificial y marcadores biológicos sofisticados que pueden ayudar a diagnosticar y controlar más eficazmente las enfermedades oculares, posiblemente salvando la vista a millones de personas alrededor del mundo.

A través de los avances tecnológicos, los investigadores y médicos clínicos están recurriendo cada vez más a las herramientas basadas en la inteligencia artificial (AI), que utilizan tecnología no invasiva apoyada por algoritmos para identificar o incluso predecir patrones de enfermedad. Conocidos como el “aprendizaje en profundidad”, el objetivo de estos algoritmos es crear una red neuronal artificial, capaz de “ver” y tomar decisiones inteligentes. Al mismo tiempo, una gran cantidad de datos anteriores ha conectado ciertos cambios biológicos con determinados trastornos oftálmicos, y el conocimiento de estas asociaciones ha alterado la forma en que varias enfermedades oculares son identificadas, controladas y tratadas. La práctica oftalmológica actual implica una comprensión del conocimiento histórico y del rápido avance de las tecnologías, así como de las funciones que la biología y la genética juegan en la salud ocular. Los nuevos estudios demuestran cómo la investigación en estas áreas puede cambiar la práctica clínica y, en última instancia, ayudar a salvar la vista.

Novedoso enfoque de imagen para la detección de marcadores de retinopatía diabética

Se considera que la disfunción mitocondrial desempeña un papel crucial en el desarrollo de la retinopatía diabética, pero no existen datos de confirmación en vivo. Los datos anteriores han demostrado que la disfunción mitocondrial puede ser evaluada no invasiva, midiendo la fluorescencia de flavoproteína retiniana (FPF), una sustancia que es excretada por ciertos tipos de proteínas cuando son expuestas a ciertos factores, como por ejemplo, la oxidación, y que sirve como marcador para cambios metabólicos mitocondriales. Raffaele Raimondi y los investigadores del equipo de Rishi P. Singh, director del Centro de Bioinformática Oftálmica, Cole Eye Institute y profesor asociado de oftalmología de la Universidad Case Western Reserve, revisaron los expedientes de 135 pacientes sin diabetes, con diabetes, pero sin retinopatía y con retinopatía diabética, sometidos a obtención de imágenes por FPF.

Según Raimondi, los actuales dispositivos estándar de atención, a menudo se han concentrado en la identificación de los cambios estructurales en lugar de cambios metabólicos, los cuales se producen anteriormente en la progresión de la enfermedad; por lo tanto, la detección de la disfunción mitocondrial de la retina es potencialmente una herramienta crucial para anticipar el diagnóstico y, por tanto, revolucionar el pronóstico.

Raimondi y su equipo encontraron que el uso de FPF para medir la disfunción mitocondrial, se correlaciona con la existencia y la gravedad de la retinopatía diabética. Esto significa que los niveles de referencia de medición de FPF de los pacientes puede permitir el uso de aumentos en la intensidad de la FPF para detectar el diagnóstico precoz de la retinopatía diabética, antes de que ocurra daño estructural.

Utilizando el aprendizaje profundo de fotografías a color del fondo del ojo para predecir con precisión las mediciones por tomografía de coherencia óptica del espesor macular diabético

Investigadores de Genentech/Roche descubrieron que la inteligencia artificial (AI), específicamente los sistemas de aprendizaje profundo (DL), pueden detectar automáticamente la gravedad del edema macular diabético usando solo fotografías a color del fondo del ojo (CFPS). Específicamente, el algoritmo de aprendizaje profundo fue capaz de estimar con exactitud las mediciones de tomografía de coherencia óptica (OCT) equivalentes del espesamiento macular diabético, solo en fotografías a color del fondo del ojo. Este estudio de prueba de concepto, dirigido por Jeffrey R. Willis, MD, PhD, analizó casi 18.000 fotografías oculares a color de los ensayos de la fase III RIDE/RISE sobre el edema macular diabético.

“Este estudio se suma a la creciente literatura sobre lo prometedora que es la inteligencia artificial (AI) en oftalmología para el mejoramiento de la tele-oftalmología y para la asistencia a los programas de detección de los oftalmólogos y para mejorar los resultados visuales en general”, dijo Willis, director médico asociado de Genentech.

De acuerdo al Dr. Willis, el siguiente paso es validar el algoritmo de aprendizaje profundo en la escena del mundo real y entender el impacto potencial sobre los resultados del paciente. Además, los investigadores de Genentech/Roche planean buscar en sus bases de datos, ensayos clínicos para desarrollar otros algoritmos de inteligencia artificial que podrían beneficiar a los oftalmólogos y pacientes.

Sistema de aprendizaje profundo que se utiliza para examinar el ojo en busca de signos de diabetes 

Otro estudio, que analiza el papel de la inteligencia artificial en el diagnóstico precoz de la enfermedad, se centró específicamente en si un sistema de aprendizaje profundo podría estimar correctamente los niveles de hemoglobina A1c (Hba1c), un marcador importante para la diabetes, con la utilización de fotos de la retina y muestras de suero. Investigadores del Instituto de Investigación Ocular de Singapur, parte de Singapore National Eye Center, revisaron retrospectivamente cinco estudios oculares clínicos basados en la población, con un total de 17,422 participantes.

Las imágenes de fondo de ojo y mediciones séricas fueron usadas para la formación del sistema de aprendizaje en profundidad y validación de los resultados. El sistema generó una ligera subestimación de la HbA1c en pacientes con diabetes y una ligera sobreestimación en individuos sanos. Sin embargo, en general, los resultados en relación a la capacidad de aprendizaje en profundidad del sistema, para estimar los niveles de Hba1c como una herramienta de selección y seguimiento de la diabetes, es prometedora. Se necesita un estudio más a fondo.

“Esta nueva modalidad basada en el aprendizaje profundo fue exitosa en la estimación de la Hba1c y puede ofrecer un cambio de paradigma en el tratamiento de la diabetes”, dijo el investigador principal Yih Chung Tham, PhD.

Una manera más eficiente de determinar características relacionadas con el volumen en la degeneración macular relacionada con la edad (DMAE) 

La degeneración macular asociada a la edad (DMAE) es una de las principales causas de pérdida de la visión en todo el mundo entre personas de 50 años y mayores. Las fases avanzadas de esta enfermedad van a menudo acompañadas por el crecimiento de vasos sanguíneos anormales por debajo y en las capas profundas de la retina, una enfermedad conocida como la neovascularización coroidea (NVC). La angiografía OCT Swept-Source (SS-OCTA), es una tecnología de imagen no invasiva que permite la visualización de estos vasos retinianos con impresionante detalle (por ejemplo, en tres dimensiones), permitiendo la detección y el seguimiento de la CNV. Sin embargo, las características relacionadas con el volumen de la CNV son muy difíciles de cuantificar en las imágenes de SS-OCTA, debido a la complejidad y la intensidad en el tiempo asociados con anotaciones manuales.

Investigadores de Carl Zeiss Meditec Inc., dirigidos por Luis de Sisternes, PhD, y mediante la colaboración con Bascom Palmer Eye Institute y el Hospital Universitario de Créteil, han desarrollado un método basado en inteligencia artificial para detectar automáticamente la presencia de NVC en estas imágenes y generar características cuantificables describiendo el área, volumen, densidad e invasividad de la NVC (según lo definido por la medición de la intrusión vascular anormal en la retina). Mediante la utilización de imágenes de SS-OCTA de 42 ojos de pacientes con NVC y 20 ojos de individuos sanos, para el adiestramiento y la realización de pruebas, el método basado en IA identificó correctamente los ojos NVC de los ojos sin NVC con una precisión del 100% en los ojos estudiados.

De Sisternes explicó que “determinar la presencia y ubicación de NVC con datos de SS-OCTA es sumamente largo y laborioso y la anotación de datos volumétricos de tan grandes proporciones es simplemente inviable en un entorno clínico actual”. La inteligencia artificial basada en el modelo desarrollado por de Sisternes y colegas acelera la investigación clínica y “permite a los facultativos ampliar sus fronteras, en el manejo de pacientes, mediante una fácil evaluación de los datos complejos que pueden ayudar a vigilar el estado del paciente y la respuesta al tratamiento, con el paso del tiempo,” opinó de Sisternes.

La Asociación para la Investigación en Visión y Oftalmología (ARVO) es la mayor organización de investigación ocular y de la visión en el mundo. Los miembros incluyen a cerca de 12.000 investigadores, procedentes de más de 75 países. ARVO realiza investigaciones que buscan avances en el entendimiento del sistema visual, la prevención, tratamiento y cura de sus trastornos. Obtenga más información en ARVO.org

Durante la reunión, más de 6.600 resúmenes fueron presentados con lo último en investigación básica y traslacional ocular y ciencias de la visión.

La próxima ARVO tendrá lugar del 3 al 7 de mayo del 2020 en Baltimore, Estados Unidos.

Login

Welcome! Login in to your account

Remember me Lost your password?

Lost Password