La inteligencia artificial promueve la detección temprana y el tratamiento de la miopía

La inteligencia artificial promueve la detección temprana y el tratamiento de la miopía

La creciente prevalencia de la miopía es un problema de salud mundial, y una miopía alta aumenta el riesgo de daños a la visión. Esto requiere el uso de inteligencia artificial (IA) para el diagnóstico temprano, la prevención y el tratamiento de la miopía. Bueno, unexamen pediátricoLa revisión destaca las posibles aplicaciones de la IA en la identificación temprana, la evaluación de riesgos y la prevención de la miopía. Además, muestra los desafíos y el estado actual de desarrollo de la tecnología de IA en el campo de la miopía.

La miopía o miopía afecta a dos mil millones de personas en todo el mundo. La miopía no corregida puede afectar la visión, alterar la educación, las perspectivas profesionales y la calidad de vida. Se estima que para 2050 casi la mitad de la población mundial se volverá miope. La alta miopía a menudo se asocia con complicaciones que pueden provocar discapacidad visual, afectando la calidad de vida de los pacientes y aumentando la carga médica y económica global. Por tanto, el diagnóstico precoz de la miopía es importante para prevenir la discapacidad visual en pacientes con miopía.

La inteligencia artificial (IA) ha abierto nuevas fronteras en el campo médico y puede ser una solución para esta empresa mundial de atención sanitaria. Los subgrupos de IA, como las tecnologías avanzadas, como el aprendizaje automático (ML) y el aprendizaje profundo (DL), pueden ayudar a analizar datos para diagnosticar enfermedades y predecir factores de riesgo, biomarcadores y resultados.

En una nueva revisión de la literatura, el Dr. Li Li, el Dr. Jifeng Yu y el Dr. Nan Liu, todos del Departamento de Oftalmología de la Universidad Médica Capital, China, resumieron las aplicaciones y los desafíos de la IA en la miopía, incluida la detección, la evaluación de los factores de riesgo y los modelos de predicción. Este estudio fue publicado en la Revista deexamen pediátricoel 18 de marzo de 2025.

Curiosamente, los modelos de IA se pueden entrenar con ML/DL para detectar la miopía a partir de fotografías del fondo de ojo e imágenes de tomografía de coherencia óptica. Al alimentar a un modelo con un gran conjunto de imágenes del fondo de ojo de pacientes miopes, se puede enseñar a la IA a detectar pequeños cambios en el color y el patrón de la retina que están asociados con la miopía. Esto permite que el modelo diagnostique futuros pacientes a partir de sus fotografías del fondo de ojo.

Además, los dispositivos de autocontrol como SVOne, un dispositivo portátil que utiliza un sensor de frente de onda para medir defectos oculares, pueden detectar defectos refractivos en los ojos mediante algoritmos de IA. El dispositivo puede acceder a una base de datos en línea de imágenes que la IA puede utilizar como referencia para diagnosticar la miopía. Además, se puede entrenar la IA para detectar cambios de comportamiento asociados con la aparición de la miopía. Esta detección es particularmente útil para la detección temprana de la miopía en niños, que de otro modo a menudo se ignora. Por ejemplo, Vivior Monitor utiliza algoritmos de aprendizaje automático para detectar cambios en el comportamiento visual, como:

Además, se pueden utilizar métodos de aprendizaje automático como la máquina de vectores, la regresión logística y Xgboost para identificar factores de riesgo de miopía."Un modelo basado en XGBOOST puede obtener grandes cantidades de datos longitudinales, lo que le permite conocer los resultados y los factores de riesgo asociados a la miopía en numerosos pacientes. Esto, a su vez, permite al modelo evaluar los factores de riesgo de nuevos pacientes en función de su genética, antecedentes familiares, entorno y parámetros fisiológicos".Explica el Dr. Li Li.

Predecir la progresión y el resultado de la miopía puede ayudar a los médicos a adaptar su enfoque clínico. A gran escala, puede dar forma a la práctica clínica y a la formulación de políticas que ayuden a controlar la miopía. Al alimentar un modelo de IA con grandes cantidades de datos biométricos, datos refractivos, respuestas al tratamiento e imágenes oculares de numerosos pacientes con miopía, se puede enseñar a la IA a predecir los resultados de la miopía en nuevos pacientes.

A pesar del gran potencial de la IA en la miopía, es necesario superar varios desafíos. En primer lugar, es importante garantizar que el conjunto de datos utilizado para entrenar un modelo de IA sea preciso y de alta calidad. El sesgo, los falsos negativos/positivos y la mala calidad de los datos pueden afectar negativamente la precisión diagnóstica y predictiva del modelo. En segundo lugar, la mayoría de los modelos de IA se entrenan utilizando datos de hospitales grandes, que pueden no ser representativos de los pacientes que acuden a clínicas más pequeñas. Esto crea una discrepancia entre la población real y la población en formación. En tercer lugar, un modelo de IA no es un médico capacitado y puede no proporcionar una base clínica para su diagnóstico, lo que puede resultar en que los profesionales médicos rechacen el diagnóstico. Por último, con cantidades tan grandes de datos de pacientes, es importante ver que los modelos de IA garanticen la privacidad de los registros médicos de los pacientes.

“Si bien nuestro estudio destaca los más notablesLos avances en la aplicación clínica de la IA en la miopía requieren más estudios para superar los desafíos tecnológicos. DeAl crear conjuntos de datos de alta calidad, mejorar la capacidad del modelo para procesar datos de imágenes multimodales y mejorar la capacidad de interacción de las computadoras humanas, los modelos de IA se pueden mejorar aún más para un uso clínico generalizado.“Concluye el Dr. Jifeng Yu.

Fuentes: