Los modelos de inteligencia artificial (IA) han sido validados por su capacidad para reconocer signos de enfermedades oculares en imágenes de retina, mejorando el proceso de diagnóstico y estratificación de riesgos. Estos modelos combinan imágenes naturales y datos médicos para proporcionar predicciones confiables de enfermedades, permitiendo una estratificación eficiente de riesgos en campos como radiografías de tórax e imágenes dermatológicas.
En un estudio reciente publicado en Nature, los investigadores presentaron el modelo de base de imágenes de retina (RETFound), un modelo basado en autoencoders enmascarados y aprendizaje auto-supervisado (SSL) diseñado específicamente para imágenes de retina. RETFound aprende representaciones generalizables a partir de imágenes de retina no etiquetadas, sirviendo como base para la adaptación de modelos con etiquetas eficientes en diversas aplicaciones.
El estudio entrenó RETFound con 1.6 millones de imágenes de retina no etiquetadas, utilizando un enfoque mejorado basado en SSL en imágenes naturales e imágenes de retina recuperadas del conjunto de datos de imágenes diabéticas de Moorfields (MEH-MIDAS). MEH-MIDAS es un conjunto de datos que contiene registros de imágenes oculares de 37,401 pacientes diabéticos examinados en el Moorfields Eye Hospital. RETFound se ajustó con etiquetas de tareas antes de ser probado en diversas tareas de detección y predicción.
RETFound demostró un excelente rendimiento en el diagnóstico de enfermedades oculares, prediciendo trastornos cardiovasculares como el infarto de miocardio y la insuficiencia cardíaca, y evaluando enfermedades neurodegenerativas como la enfermedad de Parkinson. El modelo también fue probado en bases de datos de retinopatía diabética y superó constantemente a otros modelos en términos de precisión y eficiencia de etiquetas.
El estudio encontró que RETFound destacó en la predicción de trastornos sistémicos utilizando escaneos de retina. Además, el modelo mostró un alto rendimiento en el pronóstico de enfermedades oculares. RETFound requería menos datos etiquetados y menos tiempo para adaptarse a tareas posteriores, destacando su potencial para mitigar la escasez de datos y mejorar la eficiencia.
En general, RETFound es un modelo de IA prometedor para la detección de enfermedades en imágenes de retina. Utilizando SSL e imágenes de retina no etiquetadas, RETFound supera a los modelos existentes, mejorando las capacidades de diagnóstico y pronóstico de las aplicaciones de IA.
Fuentes:
– Artículo fuente: Nature, Medical Xpress
