Investigadores del Hospital de la Universidad Nacional de Seúl (SNU), junto con la Facultad de Medicina de esa universidad y la empresa derivada XAIMED, desarrollaron un modelo de inteligencia artificial capaz de analizar imágenes del fondo de ojo para determinar si una persona presenta demencia en la actualidad y estimar su riesgo de desarrollarla en el futuro.

El equipo entrenó el sistema con alrededor de 108.000 fotografías retinianas obtenidas de 36.322 personas que se sometieron a controles médicos de rutina en el hospital surcoreano entre 2004 y 2016. Para la detección de demencia actual utilizaron más de 14.000 imágenes de 10.448 individuos, mientras que el modelo de predicción de riesgo futuro se apoyó en cerca de 65.000 imágenes de 25.874 personas, con un seguimiento medio de 5,5 años.

El estudio, publicado en la revista npj Digital Medicine, comparó cinco modelos de base de visión artificial bajo tres estrategias distintas de ajuste, y evaluó su rendimiento, utilidad clínica y capacidad explicativa mediante mapas de saliencia y una segmentación anatómica de estructuras como los vasos sanguíneos y el disco óptico.

El modelo con mejor desempeño, denominado RETFound-MAE con ajuste parcial, alcanzó un AUROC de 0,75 para identificar casos existentes de demencia y un índice C de 0,81 para predecir el riesgo futuro. Ambos resultados superaron a los obtenidos con la escala convencional CAIDE Dementia Risk Score, que registró un AUROC de 0,62 en detección y un índice C de 0,69 en predicción, aunque los autores aclararon que no contaban con los datos de escolaridad individual que esa escala requiere.

Un análisis de curvas de decisión mostró además que el modelo retiniano ofrecía un mayor beneficio neto que la escala CAIDE y que las estrategias de evaluar a toda la población o a ninguna, en los distintos umbrales de probabilidad analizados. Los investigadores señalaron que el modelo de IA podría complementar los marcos de estratificación de riesgo ya existentes: al combinar el modelo retiniano con los factores de riesgo individuales de CAIDE, la capacidad de distinguir a las personas con demencia mejoró, y el AUROC subió de 0,75 a 0,77.

Una herramienta de apoyo, no un diagnóstico definitivo

La detección temprana de la demencia sigue siendo un desafío porque no existe una única prueba diagnóstica definitiva. Los abordajes actuales combinan la evaluación clínica y las pruebas cognitivas con biomarcadores obtenidos mediante resonancia magnética o análisis de líquido cefalorraquídeo, métodos costosos, invasivos y dependientes de personal especializado, lo que limita su uso en programas de cribado poblacional a gran escala, según explicaron los autores surcoreanos.

Frente a ese escenario, las fotografías del fondo de ojo aparecen como una alternativa más accesible, ya que se trata de un procedimiento de bajo costo que ya se utiliza de forma habitual en controles de salud y consultas oftalmológicas. Los investigadores de la SNU buscaron comprobar si estas imágenes, obtenidas de forma rutinaria, podían servir tanto para detectar demencia como para anticipar el riesgo de padecerla en el futuro.

Los propios autores remarcaron que el uso clínico más apropiado del modelo sería como herramienta de estratificación de riesgo dentro de los flujos de trabajo ya existentes en imagenología de fondo de ojo, y no como una prueba diagnóstica.

En el umbral seleccionado, el modelo con mejor rendimiento mostró una sensibilidad del 62,5 % y un valor predictivo positivo del 36,3 %, por lo que un resultado de alto riesgo debería derivar en una evaluación cognitiva o un seguimiento clínico, y no interpretarse como un diagnóstico de demencia. Antes de una eventual implementación, el equipo señaló que el modelo necesitará validación externa en instituciones independientes, poblaciones étnicamente diversas y distintas cámaras de fondo de ojo.

Los investigadores también señalaron que buena parte de los estudios previos en este campo se habían centrado en la detección de casos ya sintomáticos de alzhéimer o deterioro cognitivo leve, o en la estimación de escalas de riesgo existentes, a diferencia de su enfoque combinado de detección y predicción a partir de imágenes de uso rutinario. En la región de Asia-Pacífico ya existen otras iniciativas de cribado de trastornos neurocognitivos, que incluyen modelos entrenados con datos de dispositivos portátiles y conversaciones grabadas, así como pruebas de dibujo, videojuegos y sistemas de monitoreo remoto en el hogar. En Hong Kong, por ejemplo, la empresa Humansa ofrece desde el año pasado un servicio de imagenología retiniana con IA para estimar el riesgo de Alzheimer, con una precisión reportada de entre el 80 % y el 92 % en distintas poblaciones. También el año pasado, un estudio a gran escala en Australia utilizó IA para analizar unos 50.000 ojos y elaborar mapas retinianos, y encontró asociaciones entre el adelgazamiento de la retina y distintos trastornos neurológicos.