Uso en la práctica clínica, de un método de cribado automatizado de retinopatía diabética derivable mediante un sistema de inteligencia artificial de diagnóstico SocEspOftalmol.2021

Antecedentes y objetivo: Comparar el rendimiento diagnóstico de un sistema de inteligencia artificial (IA) de diagnóstico autónomo para el diagnóstico de retinopatía diabética derivable (RDR) con la clasificación manual. Materiales y métodos: Sujetos con diabetes tipo 1 y 2 participaron en un programa de cribado de retinopatía diabética (RD) entre 2011-2012. Se recogieron dos imágenes de cada ojo. Se obtuvieron imágenes retinianas no identificables, una centrada en el disco y otra en la fóvea. Los exámenes se clasificaron con el sistema de IA autónomo y manualmente por parte de oftalmólogos anónimos. Los resultados del sistema de IA  y de la clasificación manual se compararon en cuanto a sensibilidad y especificidad para el diagnóstico tanto de RDR como de retinopatía diabética con disminución de la visión (VTDR). Resultados: Se incluyeron 10.257 retinografías de 5.360 ojos de 2.680 sujetos. De acuerdo con la clasificación manual, la prevalencia de RDR fue de 4,14% y la de VTDR de 2,57%. El sistema de IA registró un 100% (95% IC: 97-100%) de sensibilidad y un 81,82% (95% IC: 80-83%) de especificidad para RDR, y un 100% (95% IC: 95-100%) de sensibilidad y un 94,64% (95% IC: 94-95%) de especificidad para VTDR. Conclusiones: En comparación con la clasificación manual, el sistema de IA de diagnóstico autónomo registró una sensibilidad (100%) y una especificidad (82%) elevadas en el diagnóstico de RDR y edema macular en