Usando inteligencia artificial para “mejorar” visión de equipos en pruebas oftalmológicas

Los investigadores de la Universidad de la Tecnología de Queensland (QUT, Queensland University of Technology) en Australia; desarrollaron un método más preciso y detallado para analizar imágenes de la parte posterior del ojo. Con el fin de ayudar a los médicos a detectar y rastrear mejor las enfermedades oculares, como el glaucoma; y la degeneración macular relacionada con la edad avanzada, usando inteligencia artificial (IA) con técnicas de aprendizaje profundo.

Sus descubrimientos se encuentran en el artículo “Automatic choroidal segmentation in OCT images using supervised deep learning methods” (Segmentación coroidea automática en imágenes de tomografía de coherencia óptica –TCO– usando métodos supervisados ​​de aprendizaje profundo) que ha sido publicado en Nature Scientific Reports.

Tomografía de Coherencia Óptica (TCO)

El autor principal del estudio, el Dr. David Alonso-Caneiro de la Facultad de Salud, Escuela de Optometría y Ciencias de la Visión, dijo que el equipo había explorado una gama de técnicas de aprendizaje profundo de vanguardia para analizar las imágenes de tomografía de coherencia óptica (TCO).

El TCO es un instrumento comúnmente utilizado por optometristas y oftalmólogos. Toma imágenes transversales del ojo y muestra las diferentes capas de tejido. Estas imágenes son de alta resolución, aproximadamente 4 micras. Un cabello humano, tiene aproximadamente 100 micras de espesor.

El Dr. Alonso-Caneiro señaló que usar el escaneo TCO para mapear y monitorear el grosor de las capas de tejido en el ojo puede ayudar a los médicos a detectar enfermedades oculares.

Usando inteligencia artificial para “mejorar” visión

En nuestro estudio buscamos un nuevo método para analizar las imágenes de las principales capas del tejido en la parte posterior del ojo: la retina; y la coroides. Con especial interés en la coroides“, dijo.

La coroides es el área entre la retina y la esclerótica; y contiene los principales vasos sanguíneos que proporcionan nutrientes y oxígeno al ojo“.

Las técnicas estándar de procesamiento de imágenes utilizadas con TCO definen y analizan bien las capas de tejido retiniano. Pero muy pocos instrumentos clínicos de TCO tienen un software que analice el tejido coroideo“.

Así que capacitamos a una red de aprendizaje profundo para reconocer las características clave de las imágenes, definir con precisión y automáticamente los límites de la coroides y la retina“.

El equipo recolectó escáner ocular coriorretiniano de TCO de un estudio longitudinal de 18 meses de 101 niños con buena visión y ojos sanos; y usó estas imágenes para entrenar al programa a detectar patrones y definir los límites coroideos.

Resultados

Posteriormente compararon con lo que desarrollaron usando métodos estándar de análisis de imágenes y determinaron que su programa era confiable y más preciso.

Poder analizar imágenes TCO ha mejorado nuestra comprensión de los cambios en el tejido ocular relacionados con el desarrollo normal del ojo; el envejecimiento; los errores de refracción; y las enfermedades oculares“, dijo el Dr. Alonso-Caneiro.

Nuestro programa proporciona imágenes e información más confiable de la coroides. Es importante clínicamente y también permite avanzar en nuestra comprensión del ojo a través de la investigación“.

Creemos que nuestros métodos podrían proporcionar una manera de identificar; y monitorear mejor los cambios en el tejido coroideo y potencialmente diagnosticar oportunamente enfermedades oculares“.

El Dr. Alonso-Caneiro dijo que el nuevo programa se había compartido con investigadores oculares tanto en Australia como en otros países; y se esperaba que los fabricantes de instrumentos comerciales de TCO pudieran estar interesados ​​en aplicarlo.

El equipo también quiere realizar más investigaciones para probar el programa en imágenes con poblaciones mayores; y personas con enfermedades diagnosticadas.

Etiquetas: Sin etiquetas

Add a Comment

Your email address will not be published. Required fields are marked *