Grupo ULMA – AI4RET - Desarrollo de un software basado en IA para la identificación de patología macular en OCT.
Grupo ULMA
Sector: Salud
Business Case
La detección precoz de las patologías maculares es crucial para prevenir la progresión a estadios avanzados y reducir el riesgo de discapacidad visual grave, incluida la ceguera. La patología macular afecta a la porción más importante de la retina, donde se encuentra la fóvea, responsable de la función visual central. La tomografía de coherencia óptica (OCT) se ha establecido como la exploración de referencia para la detección temprana de estas patologías. Este método diagnóstico permite la visualización de las microestructuras de la retina, lo que resulta fundamental para el control y seguimiento de estas afecciones.
Objetivos
Desarrollo de un clasificador de imagenes OCT capaz de identificar la presencia de patología macular. En caso de detectar anormalidades, determinar la presencia de edema macular. Clasificar la causa del edema macular entre Edema Macular Diabético (EMD), degeneración macular asociada a la edad (DMAE) y otras causas. Adelantarse a la aparición de sintomatología de la patología macular para iniciar el tratamiento de manera temprana. Reducir los costos asociados a los tratamientos de pacientes en estadios avanzados de la enfermedad mediante la detección precoz. Evaluar la eficacia del tratamiento mediante el seguimiento de la evolución.
Use case
La obtención de imágenes de OCT es un procedimiento coste-efectivo, seguro y no invasivo. AI4RET aspira a mejorar los procesos de detección y gestión de la patología macular. Su objetivo es anticiparse a la aparición de síntomas, permitiendo un tratamiento más temprano y así, mejorando la eficacia del tratamiento.
Infraestructura
On-Premise / Cloud / Edge
Tecnologías utilizadas
Aprendizaje Automático o Profundo
Datos utilizados
Imágenes de OCT con sus respectivos diagnósticos. Cada imagen ha sido diagnosticada por un oftalmólogo. El conjunto ha sido diagnosticado por 8 oftalmólogos.
Recursos utilizados
Equipo multidisciplinar de: oftalmólogos e ingenieros con formación específica en imagen médica, aprendizaje profundo, MLOps, estándares de interoperabilidad, regulatoria de dispositivos médicos, desarrollo front-end & back-end. Infraestructura: servidor Linux con 512 GB de almacenamiento, 64 GB de memoria RAM y tarjeta grafica dedicada Nvidia A100 de 40 GB.
Dificultades y aprendizaje
Acceso a datos de calidad; imágenes OCT y retinografías junto con sus respectivos diagnósticos, exigencias en cuanto al RGPD y disponibilidad limitada de profesionales especializados para el proceso de anotación/diagnóstico de dichas imágenes. Gestión del conocimiento del equipo multidisciplinar.
KPIs (impacto en el negocio y métricas del modelo)
Modelo de IA para la detección de patología macular en OCT. Sensibilidad: 92% / Especificidad: 78%
Financiación
Fondos Propios.
Colaboradores
Hospital Universitario Germans Trias i Pujol (HUGTIP). Instituto de Investigación Germans Trias i Pujol (IGTP).
