Grupo ULMA – UMI.dr - Software basado en IA para el cribado automático de la RD a través de la lectura automática de retinografías
Grupo ULMA
Sector: Salud
Business Case
37 millones de personas adultas (20-79 años), 1 de cada 10, viven con diabetes. Se prevé que este número aumente a 643 millones para 2030 y 784 millones para 2045. La Retinopatía Diabética (RD) es una complicación de la diabetes y una de las principales causas de ceguera a nivel mundial. 1 de cada 3 diabéticos sufren algún grado de RD. Más del 90 % de los casos se pueden evitar con la detección temprana y el tratamiento adecuado. El 50 % de las personas con diabetes diagnosticada no se realizan exámenes oculares regulares
Objetivos
• Aumentar la cobertura del programa de cribado de la RD. • Agilizar y mejorar la eficacia del proceso de diagnóstico de la RD. • Ganar mayor reproducibilidad en el diagnóstico con independencia del- profesional sanitario. • Mejorar la gestión de los recursos liberando horas de especialista para tareas de mayor valor añadido. • Reducir los costes asociados a los tratamientos relacionados con los pacientes que sufren los estadios más avanzados de la enfermedad. • Mejorar la experiencia del paciente.
Use case
El cribado de la RD es un proceso para detectar y diagnosticar tempranamente esta enfermedad ocular. El “Gold Standard” para el diagnóstico de la RD son las retinografías o imágenes de fondo de ojo. Los pacientes diabéticos acuden de forma anual/bienal a su centro de salud para la captura de las mismas. Posteriormente oftalmología es la encargada de realizar el diagnóstico. Desde ULMA hemos desarrollado un software basado en IA para el cribado automático de la RD a través de la lectura automática de retinografías.
Infraestructura
On Premise Cloud Edge
Tecnologías utilizadas
Aprendizaje Automático o Profundo
Datos utilizados
Retinografías con sus respectivos diagnósticos. Cada imagen ha sido doblemente diagnosticada por dos profesionales de oftalmología de manera independiente. En caso de diagnósticos discordantes un tercer profesional ha sido la persona encargada de realizar el diagnóstico final.
Recursos utilizados
Equipo multidisciplinar de: profesionales de oftalmología y medicina de atención primaria, técnicos de investigación sanitaria e ingeniería con formación específica en imagen médica, aprendizaje profundo, validaciones clínicas, MLOps, estándares de interoperabilidad, regulatoria de dispositivos médicos,desarrollo front-end & back-end, etc. Infraestructura: servidor Linux con 512 GB de memoria RAM y tarjeta grafica dedicada nvidia A100 de 40 GB.
Dificultades y aprendizaje
1. Acceso a datos de calidad; retinografías de programas de cribado de RD con sus respectivos diagnósticos, exigencias en cuanto al RGPD y disponibilidad limitada de profesionales especializados para el proceso de diagnóstico de dichas imágenes. 2. Gestión del conocimiento del equipo multidisciplinar. 3. Nuevo reglamento de producto sanitario (MDR) e integración de los modelos de IA en los Sistemas de Información Hospitalarios en base a diferentes estándares de interoperabilidad.
KPIs (impacto en el negocio y métricas del modelo)
Resultados de la ultima validación clínica realizada en el SESPA (Servicio de Salud del Principado de Asturias) con 3.458 imágenes del programade cribado de RD de Asturias. Sensibilidad: 95,7% / Especificidad: 94,5% / Precisión: 94,5%
Financiación
Fondos Propios • Instrumento Pyme Fase 2 de Horizonte 2020 • Convocatoria de ayudas 2020 sobre desarrollo tecnológico basado en inteligencia artificial (red.es) • Programa inteligencia artificial aplicada (Gobierno Vasco)
Colaboradores
Osakidetza, SESPA, IDIAP Jordi Gol, Vicomtech, etc
