Antecedents
La retinopatia diabètica (RD) és una de les causes més importants de ceguesa a nivell mundial, especialment en els països més desenvolupats. Examinar periòdicament el fons d’ull dels pacients diabètics coneguts, mitjançant càmera no midriàtica, ha demostrat àmpliament ser un sistema efectiu per controlar i prevenir l’aparició de la RD. Les xarxes neuronals convolucionals s’han utilitzat per a la detecció de la RD, aconseguint sensibilitats i especificitats molt elevades.
Hipòtesis
És possible desenvolupar un algoritme basat en intel·ligència artificial que pugui demostrar un rendiment igual o superior i que constitueixi una alternativa, a l’actual cribratge de RD en pacients diabètics.
Objectius
Desenvolupament d’un sistema d?intel·ligència artificial per a la detecció de signes de patologia de la retina amb pacients diabètics.
Validació científica del sistema per a ser utilitzat com a sistema de cribratge en l’atenció primària.
Metodologia
Aquest projecte consistirà en la realització de dos estudis de manera concomitant:
1. Desenvolupament d’un algoritme amb intel·ligència artificial per a detectar signes de RD en pacients amb diabetis.
2. Realització d’un estudi prospectiu que permetrà comparar la capacitat diagnòstica de l’algoritme respecte a la dels especialistes en medicina de família lectors de les imatges de fons d’ull. La referència serà la lectura amb doble cec per part d’oftalmòlegs especialistes en retina.
Determinacions/Anàlisi estadística
? Per al desenvolupament de l’algoritme d’intel·ligència artificial, es realitzaran diferents iteracions i entrenaments sobre el mateix data set. Abans de començar cada nou entrenament, s’utilitzarà l’estratègia que consisteix en partir el data set en dos grups de manera aleatòria. Un grup amb el 80% de les imatges, que s’utilitzarà durant l’entrenament (training data set) i l’altre, del 20% restant (validation data set), s’utilitzarà per validar els resultats de cada cicle (epoch).
? Durant l’estudi prospectiu, es calcularan de nou els valors de positius correctes (TP), negatius correctes (TN), fasos positius (FP), falsos negatius (FN) i d’aquí s’obtindrà la matriu de confusió i la resta d’indicadors per mesurar de rendiment de l’algoritme.
Resultats esperats
S’espera desenvolupar i validar un sistema d’intel·ligència artificial per a la detecció de signes de patologia de la retina amb pacients diabètics
Aplicabilitat
Si els resultats són satisfactoris, l’algoritme desenvolupat pot ser utilitzat com a eina de suport a les decisions que han de prendre els especialistes en medicina de família.
Rellevància
A més a més, és possible obtenir el marcatge CE com a producte sanitari de manera que s’obre la porta a ser utilitzat com a sistema automàtic que no requereix de la intervenció del metge de família, amb el corresponent estalvi de temps i diners.