LAUSR

Introduccion: Los programas de cribado sistematico de retinopatia son efectivos para evitar la ceguera causada por la Diabetes Mellitus (DM). La utilizacion de metodos avanzados de Inteligencia Artificial (IA) posibilitan el analisis automatico de las imagenes, lo que permitiria: Mejorar la atencion: aumentando la capacidad de resolucion de Atencion Primaria (AP) y evitando desplazamientos a los pacientes Optimizar el trabajo de los oftalmologos disminuyendo consultas Mejorar la sostenibilidad del sistema sanitario ante el reto de la cronicidad. El objetivo de este trabajo fue desarrollar un sistema automatico de deteccion de la retinopatia diabetica (RD) en imagenes digitales de retina, evaluar los resultados obtenidos, y analizar el impacto economico de su implantacion en programas de cribado poblacional. Metodos: Se desarrollo un algoritmo innovador basado en metodos avanzados de clasificacion (Deep Learning y Support Vector Machine) que identifica automaticamente las imagenes patologicas de forma eficaz y segura. Un estudio de minimizacion de costes analizo el impacto economico de su implementacion a nivel poblacional. Mediante un modelo de simulacion de eventos discretos se calculo el numero de retinografias de cribado necesarias en un periodo de 10 anos. Resultados: El software discrimina automaticamente retinografias normales y patologicas, mediante un algoritmo innovador configurable en funcion de las necesidades que se determinen, pudiendo alcanzar una sensibilidad de 94% y una especificidad del 96%. El estudio economico muestra que la utilizacion del software podria suponer un ahorro de 270.000 € en el Pais Vasco, donde la prevalencia de la diabetes es del 10%. Seleccionado como uno de los mejores proyectos del Pais Vasco en 2018 por Health 2.0 Basque, ha tenido importante repercusion en prensa y redes sociales. Discusion: El software simplifica el proceso de cribado de RD, ya que detecta imagenes patologicas automaticamente en el mismo momento de la realizacion de la prueba, reduciendo la utilizacion de los circuitos establecidos entre AP y Oftalmologia solo a las pruebas patologicas. Esta simplificacion permite reducir costes. Asimismo, disminuye la variabilidad y los posibles errores humanos, y garantiza la seguridad del paciente y sus datos. Por tanto, es una iniciativa que mejora tanto la calidad de la atencion prestada como la sostenibilidad a largo plazo. En entornos con recursos economicos escasos o falta de profesionales, la aplicacion de esta tecnica ayudaria a detectar la enfermedad ocular y evitar cegueras en pacientes diabeticos. Conclusiones: El software desarrollado facilita el proceso de cribado, de manera que mejora la calidad asistencial y disminuye costes para el sistema sanitario, Lecciones aprendidas: La aplicacion de metodos avanzados de analisis puede mejorar la atencion al paciente, la calidad percibida, la satisfaccion de los profesionales y la eficiencia del sistema sanitario. Limitaciones: El software esta disenado para cribado de RD, a partir de datos de pacientes del programa de Osakidetza. Futuras investigaciones: Construir un modelo para elegir configuraciones y analizar su impacto. Disenar algoritmos complementarios para mejorar la precision del diagnostico y su utilizacion en otras fases de la enfermedad.