Redacción
Investigadores han desarrollado una herramienta de inteligencia artificial (IA) capaz de diagnosticar y predecir el riesgo de desarrollar múltiples afecciones de salud, desde enfermedades oculares hasta insuficiencia cardíaca y la enfermedad de Parkinson, todo ello basándose en imágenes de la retina de las personas. La novedad de esta herramienta, conocida como RETFound, es que se desarrolló con un método conocido como aprendizaje autosupervisado, evitando tener que analizar y etiquetar cada una de las 1,6 millones de imágenes utilizadas para el entrenamiento. En concreto, el método utilizado por los científicos fue similar al que se usa entrenar modelos como ChatGPT.
El estudio, publicado en Nature, describe que RETFound utiliza una multitud de fotografías de retina para aprender a predecir cómo deberían verse las partes que faltan de las imágenes. “A lo largo de millones de imágenes, el modelo aprende cómo es la retina y cuáles son todas sus características”, explica Pearse Keane, oftalmólogo del Moorfields Eye Hospital NHS Foundation Trust en Londres y coautor del artículo. Esto constituye la piedra angular del modelo y lo clasifica como modelo básico, pudiendo adaptarse para muchas tareas.
Las retinas son la única parte del cuerpo humano a través de la cual se puede observar directamente la red capilar, formada por los vasos sanguíneos más pequeños. “Si tiene alguna enfermedad cardiovascular sistémica, como hipertensión, que afecta potencialmente a todos los vasos sanguíneos de su cuerpo, podemos visualizarlo directamente en imágenes de la retina”, señala Keane. Además, las retinas son una extensión del sistema nervioso central y comparten similitudes con el cerebro. Por ello, las imágenes se pueden utilizar para evaluar el tejido neural. Keane indica que en muchas ocasiones no existe suficiente experiencia para interpretar estos escáneres, por lo que la inteligencia artificial juega un papel esencial.
Keane: “Si tiene alguna enfermedad cardiovascular sistémica, como hipertensión, que afecta potencialmente a todos los vasos sanguíneos de su cuerpo, podemos visualizarlo directamente en imágenes de la retina”
Tras entrenar a RETFound en las 1,6 millones de imágenes sin etiquetar, Keane y su equipo introdujeron una pequeña cantidad de imágenes etiquetadas para enseñar el modelo sobre condiciones específicas. Así, utilizaron 100 imágenes de retina de personas que habían desarrollado Parkinson y 100 de personas que no lo habían desarrollado. Keane apunta que habiendo aprendido de todas las imágenes sin etiquetar cómo debería verse una retina, el modelo puede saber fácilmente las características de la retina asociadas con una enfermedad.
Xiaoxuan Liu, investigador clínico que estudia la innovación responsable en IA en la Universidad de Birmingham (Reino Unido), considera que el uso de datos sin etiquetar para entrenar inicialmente el modelo “desbloquea un importante cuello de botella para los investigadores”. Una idea en la que coincide el radiólogo Curtis Langlotz, director del Centro de Inteligencia Artificial en Medicina e Imágenes de la Universidad de Stanford en California, que apunta que la eficiencia de las etiquetas es importante, ya que las de alta calidad para datos médicos son extremadamente caras. “RETFound es un modelo de base médica que ha sido desarrollado y evaluado, y muestra una promesa considerable para aprovechar estos datos multidimensionales sin las limitaciones de enormes etiquetas de alta calidad”, explican los autores.
RETFound ha mostrado un alto rendimiento y generalización en la detección de enfermedades oculares y una mejora significativa en la predicción de enfermedades sistémicas
Los investigadores indican que el sistema funcionó bien en la detección de enfermedades oculares como la retinopatía diabética. En una escala donde 0,5 representa un modelo que no funciona mejor que una predicción aleatoria y 1 representa un modelo perfecto que hace una predicción precisa cada vez, obtuvo una puntuación de entre 0,822 y 0,943 para la retinopatía diabética, según el conjunto de datos utilizado. Al predecir el riesgo de enfermedades sistémicas como ataques cardíacos, insuficiencia cardíaca, accidente cerebrovascular y párkinson, “el rendimiento general fue limitado, pero aún superior al de otros modelos de inteligencia artificial”.
Liu asegura que RETFound es hasta el momento una de las pocas aplicaciones exitosas de un modelo básico para imágenes médicas. “Hemos verificado la eficacia y eficiencia de RETFound en la adaptación a diversas aplicaciones sanitarias, mostrando un alto rendimiento y generalización en la detección de enfermedades oculares y una mejora significativa en la predicción de enfermedades sistémicas”, concluye el artículo.
