Ensayo que demuestra que la inteligencia artificial autónoma mejora la detección y el seguimiento de la retinopatía diabética en los jóvenes
Lugones Editorial©
La retinopatía diabética se puede prevenir con detección temprana. En este sentido, los autores del presente trabajo plantearon la hipótesis de que los exámenes oculares diabéticos de inteligencia artificial (IA) autónomos en el punto de atención aumentarían las tasas de finalización de exámenes oculares en pacientes jóvenes con diabetes.
Para probar esta hipótesis, diseñaron el AI for Childrens’ diabetiC Eye examS Study (ACCESS), un ensayo controlado que aleatorizó a jóvenes (de 8 a 21 años) con diabetes tipo 1 y tipo 2 a la intervención (examen ocular diabético de inteligencia artificial autónoma en el punto de atención) o control (referencia y educación del proveedor de atención oftalmológica con guión) en un centro académico de diabetes pediátrica.
El riesgo de la retinopatía diabética aumenta con la duración de la diabetes
Retinopatía en los jóvenes
Si bien la prevalencia de la retinopatía diabética (RD) es menor en los jóvenes (definidos como aquellos de <21 años) con diabetes (DM), sin embargo, afecta aproximadamente al 9% de los jóvenes con DM1 y al 4-15% de los jóvenes con DM2.
El riesgo de la RD aumenta con la duración de la DM en DM1, y los datos recientes del estudio de seguimiento TODAY2 demostraron una tasa de prevalencia de la RD del 49% con una duración media de la DM de 12 años en el inicio de la juventud T2D15.
Si bien la introducción de la telemedicina en las últimas dos décadas ha mejorado la detección y facilitado la detección temprana de la enfermedad ocular diabética (diabetic eye disease, DED), el desarrollo de sistemas diagnósticos autónomos de inteligencia artificial (IA) para el diagnóstico de la RD ha dado el comienzo al siguiente capítulo en su detección.
El desarrollo de sistemas diagnósticos autónomos de inteligencia artificial es el próximo capítulo para el diagnóstico de la retinopatía diabética
En estudios previos de jóvenes con DM, se demostró que la capacidad de diagnóstico de la IA autónoma en los jóvenes era del 97,5%, con un 85,7% de sensibilidad y un 79,3% de especificidad en la detección de DED, sin diferencia en la capacidad de diagnóstico entre grupos demográficos.
Si bien la precisión diagnóstica ha sido un foco de estudio de los sistemas de IA de diagnóstico, la eficacia de la IA autónoma para aumentar la adherencia y el seguimiento en comparación con la referencia tradicional no se ha evaluado en un ensayo aleatorizado rigurosamente diseñado.
Resultados
Resultado primario
- En el grupo de intervención, todos los participantes (81/81) completaron su examen ocular diabético, logrando una tasa de cierre de la brecha de atención del 100%.
- Todas las imágenes obtenidas fueron interpretables por el sistema de inteligencia artificial, que clasificó los casos como “retinopatía diabética presente” o “ausente”.
- En contraste, en el grupo control solo 18/82 participantes completaron el examen en los 6 meses de seguimiento, con una tasa de cierre de la brecha del 22%. La diferencia absoluta del 78% entre ambos grupos fue estadísticamente significativa (p<0,001).
- Este beneficio se mantuvo en todos los subgrupos, sin diferencias por raza, etnia, nivel socioeconómico o educativo.
- Un análisis de sensibilidad que consideró a tres participantes del grupo control perdidos en el seguimiento no modificó los resultados.
El resultado principal fue la tasa de finalización del examen de la vista diabética en 6 meses
Resultados secundarios
- Entre los participantes del grupo de intervención, 25 fueron clasificados por la IA como “retinopatía diabética presente” y derivados al especialista; de ellos, 16 completaron la consulta en los 6 meses siguientes, con una tasa de seguimiento del 64%.
- En el grupo control, la tasa de seguimiento fue del 22%, sin ningún caso confirmado de retinopatía. La diferencia del 42% entre los grupos fue significativa (p<0,001).
- La revisión independiente de un especialista en retina sobre las imágenes generadas por la IA demostró una sensibilidad del 100% y una especificidad del 78,9%. Además, los niveles de satisfacción fueron muy altos: el 92,5% de los participantes valoró positivamente el tiempo requerido para el examen y el 96% expresó satisfacción con la experiencia.
- Dentro del grupo de intervención, el 85% manifestó preferir repetir un examen basado en IA en el futuro, frente al 57% que optaría por un examen tradicional con especialista.
Discusión
El ensayo ACCESS confirmó que la inteligencia artificial (IA) autónoma aumenta significativamente la tasa de realización de exámenes oculares diabéticos en jóvenes, cerrando la brecha de atención en una población diversa en términos raciales y socioeconómicos.
Este efecto se observó incluso cuando el grupo control recibió educación adicional para reforzar la importancia de dichos exámenes. Además, la IA autónoma mejoró las probabilidades de que los pacientes identificados con RD acudieran al seguimiento oftalmológico, en comparación con el cuidado estándar.
Estos hallazgos son relevantes porque el cierre de la brecha de atención en la detección de la retinopatía diabética es un indicador clave de calidad en salud
En pediatría, donde la prevalencia de RD es menor, persisten brechas en la realización de controles, con claras disparidades raciales y socioeconómicas. Este estudio mostró que la IA autónoma alcanzó un 100% de cierre de brechas en un grupo diverso, lo que sugiere un potencial impacto en la reducción de inequidades en salud visual.
El ensayo también demostró una alta aceptación por parte de los pacientes, sin evidenciar generación de nuevas disparidades en el acceso a la atención. Sin embargo, la prevención de la pérdida de visión no depende solo del diagnóstico inicial: requiere un adecuado seguimiento y tratamiento.
En este aspecto, la IA autónoma mostró mejores tasas de seguimiento que el estándar, apoyando la hipótesis de que un diagnóstico inmediato motiva la adherencia a la atención posterior.
La inteligencia artificial refuerza la hipótesis de que un diagnóstico inmediato motiva la adherencia a la atención posterior
Conclusiones
El estudio ACCESS demostró que la IA autónoma aplicada a exámenes oculares diabéticos logra un cierre más efectivo de las brechas de atención en jóvenes con diabetes que el estándar actual.
Su disponibilidad en el punto de atención puede reducir disparidades raciales, étnicas y socioeconómicas en la detección de la retinopatía diabética.
Además, informar el diagnóstico en tiempo real se asocia con una mayor adherencia al seguimiento oftalmológico, con el potencial de mejorar los resultados visuales en esta población vulnerable y avanzar hacia una mayor equidad en salud.
Informar el diagnóstico en tiempo real se asocia con una mayor adherencia al seguimiento oftalmológico
Retinopatía e inteligencia artificial
Fuente
Wolf RM, Channa R, Liu A, et al. Autonomous artificial intelligence increases screening and follow-up for diabetic retinopathy in youth: the ACCESS randomized control trial. Nature 2024;15.
