160 Tratamiento médico del Glaucoma identificar patrones de la enfermedad previamente no reconocidos51. Adicionalmente, la IA en la tecnología de OCT, genera cambios predictivos analizando la CFNR, CCG, así como cambios retinales, foveales y de grosor macular en pacientes con al menos 3 visitas. Esta información puede identificar pacientes con declinación más rápida en estos parámetros, también ayudando a priorizar los pacientes que necesitan las visitas en persona en la era COVID-19. Utilizar la IA en un equipo de tele medicina puede ahorrar tiempo. Basándose en un estudio previo, le toma a un oftalmólogo un promedio de 82 segundos analizar una imagen de fondo, mientras que a la IA le toma un promedio de 14 segundos evaluar cada imagen47. Esta diferencia en el tiempo de evaluación de estas imágenes, puede significativamente afectar al número de pacientes que pueden ser evaluados por hora, aumentando la eficiencia. La habilidad de la IA de optimizar el análisis de los datos puede, significativamente cambiar la telemedicina. Pese a todos los beneficios que la IA puede traer a la mesa, aún existen algunas limitaciones. Uno de las primeras faltas de la inteligencia artificial, es que no asume la visión holística del individuo de la misma manera que el médico lo haría. La IA está entrenada para detectar patrones de patologías específicas, y puede estar limitada por la calidad de la imagen o la opacidad de medios. El reflejo de la retina en paciente jóvenes, puede también confundir a la IA, llevando a una malinterpretación con falsos positivos en pacientes diabéticos52-53. Algunas plataformas nos brindan mapas que pueden ayudar a delinear que aspectos de la imagen están siendo analizados. Adicionalmente, la habilidad de la IA para analizar casos raros, depende de la calidad de los datos que se usaron para entrenar al algoritmo. Además, otra limitación potencial es el sobre diagnóstico, ya que la IA es entrenada para ser altamente sensitiva. Con alta sensibilidad, es especialmente confiable al descartar patologías, pero puede resultar en muchos falsos positivos, lo que puede provocar referencias innecesarias. De todas maneras, las herramientas de detección son normalmente diseñadas para ser altamente sensitivas, ya que el riesgo de un falso negativo, y la posibilidad de perder un diagnóstico en una enfermedad irreversible como el glaucoma, puede ser de gran detrimento para los pacientes54-52. Otro posible método de mejorar la performance de la IA, seria incorporar variables que pueden predecir diferentes enfermedades. Varios programas de IA incluyen parámetros de edad, genero, comorbilidades, errores refractivos, PIO, relación copa disco, defectos de copa superotemporal/ inferotemporal. Incluir estas variables puede ayudar a los algoritmos de inteligencia artificial a diferencias entre ojos sanos y ojos enfermos, como en Glaucoma Primario de ángulo abierto (GPAA), pacientes sospechosos de GPAA, diferentes etapas de la retinopatía diabética y la DMRE54-55. Usando esto como herramienta para evaluar las imágenes, en busca de enfermedades que amenazan la visión, puede significativamente mejorar el entendimiento de la detección de la enfermedad, el diagnóstico y su fisiopatología. USO DE ROBOTS PARA TELE PRESENCIA Figura 11. Resultados de un software de IA (Visulytix, United Kingdom) en el análisis de la cabeza del nervio óptico. La gradualidad significa que tan confidente es la IA en su predicción. El dato de anomalía del disco determina la probabilidad de un disco óptico anormal. Por último, la IA calcula la relación copa disco, como se evidencia en las líneas verdes (copa) y las líneas a azules (disco).
RkJQdWJsaXNoZXIy MTYwMjk1