6533b7ddfe1ef96bd12735ca

RESEARCH PRODUCT

Use in clinical practice of an automated screening method of diabetic retinopathy that can be derived using a diagnostic artificial intelligence system

subject

description

Resumen Antecedentes y objetivo Comparar el rendimiento diagnostico de un sistema de inteligencia artificial (IA) de diagnostico autonomo para el diagnostico de retinopatia diabetica derivable (RDR) con la clasificacion manual. Materiales y metodos Sujetos con diabetes tipo 1 y 2 participaron en un programa de cribado de retinopatia diabetica (RD) entre 2011-2012. Se recogieron dos imagenes de cada ojo. Se obtuvieron imagenes retinianas no identificables, una centrada en el disco y otra en la fovea. Los examenes se clasificaron con el sistema de IA autonomo y manualmente por parte de oftalmologos anonimos. Los resultados del sistema de IA y de la clasificacion manual se compararon en cuanto a sensibilidad y especificidad para el diagnostico tanto de RDR como de retinopatia diabetica con disminucion de la vision (VTDR). Resultados Se incluyeron 10.257 retinografias de 5.360 ojos de 2.680 sujetos. De acuerdo con la clasificacion manual, la prevalencia de RDR fue de 4,14% y la de VTDR de 2,57%. El sistema de IA registro un 100% (95% IC: 97-100%) de sensibilidad y un 81,82% (95% IC: 80-83%) de especificidad para RDR, y un 100% (95% IC: 95-100%) de sensibilidad y un 94,64% (95% IC: 94-95%) de especificidad para VTDR. Conclusiones En comparacion con la clasificacion manual, el sistema de IA de diagnostico autonomo registro una sensibilidad (100%) y una especificidad (82%) elevadas en el diagnostico de RDR y edema macular en personas con diabetes. Debido a su diagnostico inmediato, el sistema de IA de diagnostico autonomo puede aumentar la accesibilidad al cribado de RDR en contextos de atencion primaria.