TailandiaSalud y ciencias de la vida2018 – en cursoMinisterio de Salud Pública de Tailandia (Thailand Ministry of Public Health; programa nacional de detección de retinopatía diabética)
Detección de enfermedades oculares con aprendizaje profundo en centros de atención primaria, desarrollada con Google Health
Una herramienta de IA para la detección de enfermedades oculares igualó a los especialistas en retina en 7.651 pacientes tailandeses, pero el personal de enfermería de los centros rurales tuvo dificultades con la calidad de las imágenes y las conexiones lentas
Problema
La retinopatía diabética puede causar ceguera, y los pacientes de Tailandia solían esperar de cuatro a cinco semanas para recibir el resultado de un oftalmólogo. Menos de la mitad de los pacientes diabéticos se sometían a pruebas de detección cada año.
Enfoque
El sistema de aprendizaje profundo de Google Health evaluaba fotografías de retina tomadas por personal de enfermería en centros de atención primaria del programa nacional de detección de Tailandia. Como medida de seguridad, especialistas en retina volvían a revisar cada imagen. Un estudio prospectivo se realizó en nueve centros entre diciembre de 2018 y marzo de 2020. Otro estudio de campo observó al personal de enfermería de once centros de Pathum Thani y Chiang Mai.
Cifras clave
Conclusión
La precisión se mantuvo en los centros, pero el estudio de campo constató que la falta de salas suficientemente oscuras, las imágenes borrosas y las conexiones deficientes limitaban el uso. Los autores afirmaron que los procesos de trabajo deben adaptarse a cada entorno antes de ampliar su implantación.
Categorías
- Tamaño
- Gran empresa
- Función empresarial
- Producción y calidad
- Tipo de innovación
- Innovación de procesos
- Tecnología de IA
- Visión artificial
- Adopción
- Desarrollo conjunto con socios
- Respaldo
- Estudio independiente
Fuentes
Resúmenes de fuentes
Los investigadores realizaron un estudio prospectivo en nueve centros de atención primaria de Tailandia entre diciembre de 2018 y marzo de 2020. De los 7.940 pacientes examinados, 7.651 eran elegibles. Para las enfermedades que amenazan la visión, el sistema tuvo una sensibilidad del 91,4% y una especificidad del 95,4%, frente al 84,8% y el 95,5% de los especialistas en retina. Los autores afirman que igualó a los especialistas y que los procesos de trabajo son relevantes al ampliar la implantación.
Los investigadores observaron y entrevistaron al personal de enfermería de once centros tailandeses. Los centros con recursos limitados tuvieron dificultades para producir imágenes que cumplieran los umbrales de calidad del modelo, y los procesos de detección y la experiencia de los pacientes condicionaron el rendimiento de la herramienta.
TechCrunch resumió el estudio de campo. Solo dos centros disponían de una sala suficientemente oscura para obtener buenas imágenes, las cargas tardaban de 60 a 90 segundos con conexiones lentas y una interrupción de dos horas redujo a la mitad las pruebas de un centro, de 200 a 100 pacientes. El sistema rechazaba las imágenes borrosas u oscuras, lo que frustraba al personal de enfermería.
La información completa figura en las fuentes originales.
