Evaluación comparativa de modelos prediseñados de Inteligencia Artificial, basados en imágenes de OCT, para la detección de actividad inflamatoria intraocular

Abstract

La uveítis es la inflamación de la capa media del globo ocular, la úvea, pudiendo afectar la integridad y la función de estructuras adyacentes. El uso de imágenes de tomografía de coherencia óptica (OCT) junto al desarrollo del machine learning tiene el potencial de discriminar de forma automatizada y objetiva la presencia o ausencia de inflamación ocular en pacientes con uveítis. El objetivo de esta investigación es producir un modelo de clasificación utilizado para reconocer la presencia de inflamación intraocular en pacientes con uveítis a través OCT y evaluar su desempeño. Se utilizaron imágenes de pacientes con uveítis adquiridas mediante OCT clasificadas según su estado de inflamación intraocular en activas o inactivas por un especialista. Posteriormente, las imágenes fueron utilizadas para entrenar modelos de clasificación generados por 4 arquitecturas de Deep Learning públicamente disponibles y se compararon los desempeños de cada uno. Fue posible reentrenar varios modelos clasificadores de imágenes para su en el análisis de imágenes OCT, resultando en valores de accuracy mayores al 80%, pero solo uno (ResNet) superó el 95% de efectividad en la evaluación de la inflamación intraocular en pacientes con uveítis. Se espera que esta herramienta pueda instaurarse como un apoyo dentro la práctica clínica para el diagnóstico de la uveítis y como un primer estándar a superar al generar nuevos clasificadores en el futuro.