Join a powerful, unprecedented alliance for better eye health for all.
Join IAPB-
Choose an alternate language here
Ante la alta y creciente prevalencia de la diabetes mellitus en la población latinoamericana y mundial[1], la pérdida de visión y ceguera por esta causa parece estar fuera de control[2], siendo de especial impacto al ser la principal causa de pérdida de visión en adultos en edad trabajadora (20-65 años)[3]. El desafío para hacerse cargo de este problema es aumentar la cobertura del tamizaje de la retinopatía diabética (RD), única forma probada y aceptada para prevenirla, pero especialmente compleja en nuestros países debido a la creciente brecha entre la magnitud de la población afectada y los recursos oftalmológicos. Para asistir a los sistemas públicos de salud ante esta falencia en la cobertura del tamizaje, se desarrolló y propuso una solución tecnológica para hacer más eficiente el examen preventivo, permitiendo enfocar mejor los recursos oftalmológicos y financieros.
Habiéndose validado e implementado el tamizaje por retinografías desde el año 2003 en el Reino Unido[4], se co-diseñó un estudio observacional, mediante un protocolo de validación con el Ministerio de Salud de Chile, en que se midió la precisión del sistema de tamizaje automatizado DART[5]en comparación con la evaluación de oftalmólogos por medio de dos retinografías digitales por ojo para los mismos 1.123 casos de pacientes diabéticos atendidos bajo los protocolos del programa nacional de tamizaje de RD, quienes promediaban los 63 años de edad, con una desviación estándar de 12,7. El estudio de validación arrojó indicadores de una sensibilidad de 94,9% (intervalo de confianza – IC – 95%; 91,4%-97,1%) a una especificidad de 75,7% (IC 95%; 74,7%-76,4%) para el punto de operación escogido en la curva ROC, que arrojó un área bajo la curva de 0,912. En una población diabética con una prevalencia de 22,5% de RD, el valor predictivo positivo del sistema fue 53,2% (IC 95%; 51,3%-54,5%) y el valor predictivo negativo fue 98,1% (IC 95%; 96,8%-98,9%).
En términos tecnológicos, los algoritmos utilizados se basan en el concepto de aprendizaje profundo mediante redes neuronales convolucionalespara la detección de signos de RD en retinografías digitales.
Ante estos resultados sobre una población estadísticamente representativa de la realidad latinoamericana que superan con holgura los parámetros mínimos establecidos para un método de tamizaje[1][2][3], pero que además están a la altura de los niveles del estado del arte internacional[4][5][6], se concluye que el sistema automatizado ha sido validado y está en condiciones de ser implementado en redes de atención públicas y privadas a lo largo de la región. De esta manera, se pone a disposición una herramienta para hacer frente a uno de los grandes desafíos oftalmológicos actuales de los sistemas de salud en todo el mundo.
Apoyado por agencias nacionales e internacionales (como la Alianza del Pacífico o el DAAD alemán), el grupo multidisciplinario liderado por el Dr. Donoso está en un plan de implementación regional, con conversaciones para pilotos locales con proyección nacional en lugares como México, Perú, Ecuador, entre otros, con el apoyo de referentes nacionales e internacionales de la salud visual, conscientes del desafío de la pesquisa temprana y prevención de la RD.
Cabe señalar que en Chile el proyecto se está implementando en el Servicio Nacional de Salud para todo Chile, y en forma piloto desde hace un año en Unidades de Atención Oftalmológica Primaria en el área oriente de Santiago, lográndose por primera vez un 97% de cobertura de los pacientes diabéticos referidos para tamizaje de RD, con un promedio de respuesta de 2 días, muy lejos y superior a las cifras previas al sistema automatizado. Más información en el sitio web www.teledx.org.
[1]O. Bennett Walton, R. B. Garoon, C. Y. Weng, J. Gross, A. K. Young, K. A. Camero, H. Jin, P. E. Carvounis, R. E. Coffee y Y. I. Chu, «Evaluation of Automated Teleretinal Screening Program for Diabetic Retinopathy,» JAMA Ophthalmology, vol. 134, no 2, pp. 204-209, 2016.
[2]M. Bouhaimed, R. Gibbins y D. Owens, «Automated detection of diabetic retinopathy: results of a screening study,» Diabetes technology & therapeutics, vol. 10, no 2, pp. 142-148, 2008.
[3]British Diabetic Association, «Retinal photography screening for diabetic eye disease,» London: BDA, 1997.
[4]M. D. Abràmoff, J. C. Folk, D. P. Han, J. D. Walker, D. F. Williams, S. R. Russell, P. Massin, B. Cochener, P. Gain, L. Tang, M. Lamard, D. C. Moga, G. Quellec y M. Niemeijer, «Automated analysis of retinal images for detection of referable diabetic retinopathy,» JAMA Ophthalmology, vol. 131, no 3, pp. 351-357, 2013.
[5]K. Solanki, C. Ramachandra, S. Bhat, M. Bhaskaranand, M. Nittala y S. R. Sadda, «EyeArt: Automated, High-throughput, Image Analysis for Diabetic Retinopathy Screening,» Investigative Ophthalmology & Visual Science, vol. 56, no 7, pp. 1429-1429, 2015.
[6]S. Philip, A. D. Fleming, K. A. Goatman, S. Fonseca, P. McNamee, G. S. Scotland, G. J. Prescott, P. F. Sharp y J. A. Olson, «The efficacy of automated “disease/no disease” grading for diabetic retinopathy in a systematic screening programme,» British Journal of Ophthalmology, vol. 91, no 11, pp. 1512-1517, 2007.
[1]International Diabetes Federation, «IDF Diabetes Atlas, 8th edn,» International Diabetes Federation, Brussels, 2017.
[2]The Fred Hollows Foundation, International Diabetes Federation, «Diabetes eye health: a guide for health professionals,» International Diabetes Federation and The Fred Hollows Foundation, Brussels, 2015.
[3]IAPB VIsion Atlas http://atlas.iapb.org
[4]P.H. Scanlon, R. Malhotra, G. Thomas, C. Foy, J.N. Kirkpatrick, N. Lewis-Barned, B. Harney y S.J. Aldington, «The effectiveness of screening for diabetic retinopathy by digital imaging photography and technician ophthalmoscopy,» Diabetic Medicine, vol. 20, no 6, pp. 467-474, 2003.
[5]http://www.teledx.org
[vc_row][vc_column][vc_column_text][/vc_column_text][/vc_column][/vc_row][vc_row el_class=”light-row rebelcell prev-blind”][vc_column width=”1/2″ el_class=”cellspace”][vc_column_text]
[/vc_column_text][vc_column_text]
[/vc_column_text][vc_separator color=”white”][vc_column_text]
[/vc_column_text][vc_separator color=”white”][vc_column_text]
[/vc_column_text][vc_separator color=”white”][vc_column_text]
[/vc_column_text][vc_separator color=”white”][vc_column_text]
[/vc_column_text][/vc_column][vc_column width=”1/2″ el_class=”cellspace”][vc_column_text]
[/vc_column_text][vc_separator color=”white”][vc_column_text]
[/vc_column_text][vc_separator color=”white”][vc_column_text]
[/vc_column_text][vc_separator color=”white”][vc_column_text]
[/vc_column_text][vc_separator color=”white”][vc_column_text]
[/vc_column_text][/vc_column][/vc_row]
