Hace pocos días atrás Google Health publicó un trabajo en Nature Biomedical Engineering llamado «Detección de anemia con aprendizaje automático a partir de imágenes del fondo de retina» el cual muestra como esta rama de la inteligencia artificial puede cuantificar hemoglobina usando imágenes de la parte posterior del ojo y metadata común del UK Biobank. Este tipo de procedimiento utilizando aprendizaje automático comparado con solo usar la metadata, mostró un incremento en la detección de anemia del 74% al 88%.

Akinori Mitani, MD, PhD, de Google Health, explica que para estar seguro de los resultados del procedimiento, otros científicos ayudaron a validar el modelo, el cual primero fue desarrollado con un conjunto de datos de ascendencia principalmente caucásica, a través de un conjunto de datos distintos, proveniente de Asia.  Los resultados fueron similares en los dos conjuntos de datos, lo que sugiere que el modelo puede ser usado con distintas configuraciones.

La anemia es un problema de salud importante alrededor del mundo y tanto que afecta a 1.600 millones de personas.  El procedimiento tradicional para detectar anemia incluye un análisis de sangre que mide la cantidad de hemoglobina, una proteína crítica para las células rojas.  Cuando la hemoglobina es más baja de lo normal, indica que la persona tiene anemia.

Mitani también explica que como este estudio reveló nuevos conocimientos sobre los efectos de la anemia en el ojo, quisieron identificar en qué partes del ojo se encontraban los signos de anemia. El análisis que realizaron para descubrir reveló que gran parte de la información proviene del disco óptico y los vasos sanguíneos circundantes.

Por último Mitani señaló lo siguiente:

Este método para la detección no invasiva de anemia podría agregar valor a los programas de detección de enfermedades oculares diabéticas existentes o respaldar una detección de anemia que sería más rápida y fácil que un análisis de sangre. Además, este trabajo es otro ejemplo del uso del aprendizaje profundo con ideas explicables para descubrir nuevos conocimientos biomédicos, ampliando nuestro trabajo previo sobre factores de riesgo cardiovascular, error de refracción y progresión de la degeneración macular. Esperamos que esto inspire investigaciones adicionales para revelar nuevos conocimientos científicos de las pruebas médicas existentes y para ayudar a mejorar las intervenciones tempranas y los resultados de salud.

Si quieren leer m[as sobre las ultimas investigaciones para mejorar el diagnóstico de enfermedades oculares pueden visitar Nature Communications y Ophthalmology. También pueden visitar Google Health para conocer sobre otras investigaciones que están llevando a cabo en la actualidad.