El fondo del ojo humano est\u00e1 bien perfundido. Cuando los vasos son fotografiados a trav\u00e9s del cristalino del ojo, las redes neuronales pueden detectar ciertas enfermedades en base a las im\u00e1genes. Cr\u00e9dito: DOI: 10.1038\/s41598-022-05169-z <\/p>\n
Investigadores de la Universidad y el Hospital Universitario de Bonn han desarrollado un m\u00e9todo que podr\u00eda usarse para diagnosticar la aterosclerosis. Usando un software de autoaprendizaje, pudieron identificar cambios vasculares en pacientes con enfermedad arterial perif\u00e9rica (EAP), a menudo en una etapa temprana. Aunque estas primeras etapas a\u00fan no causan s\u00edntomas, ya est\u00e1n asociadas con una mayor mortalidad. El algoritmo us\u00f3 fotos de un \u00f3rgano que normalmente no se asocia con PAD: el ojo. Los resultados ahora se han publicado en la revista Scientific Reports. <\/p>\n
El fondo del ojo est\u00e1 muy bien abastecido de sangre. Tiene que serlo, para que los m\u00e1s de 100 millones de fotorreceptores en la retina y las c\u00e9lulas nerviosas conectadas a ellos puedan hacer su trabajo. Al mismo tiempo, las arterias y venas se pueden observar y fotografiar a trav\u00e9s de la pupila sin mucho esfuerzo.<\/p>\n
Es posible detectar signos tempranos de aterosclerosis (endurecimiento de las arterias) con un examen de este tipo en la futuro. En este caso, los procesos de remodelaci\u00f3n cr\u00f3nicos conducen al estrechamiento de los vasos y al endurecimiento de las arterias afectadas. Es la principal causa de infartos y accidentes cerebrovasculares, las causas de muerte m\u00e1s frecuentes en los pa\u00edses occidentales industrializados, as\u00ed como de la enfermedad arterial perif\u00e9rica (EAP).<\/p>\n
M\u00e1s de cuatro millones de personas en este pa\u00eds padecen EAP. . \u201cDebido a que generalmente no causa ning\u00fan s\u00edntoma en los primeros a\u00f1os, el diagn\u00f3stico a menudo solo se realiza cuando ya se ha producido un da\u00f1o secundario\u201d, explica el Dr. Nadjib Schahab, jefe de la secci\u00f3n de angiolog\u00eda y uno de los autores del estudio. \u00abLas consecuencias pueden ser dram\u00e1ticas. A largo plazo, los problemas circulatorios progresivos en las piernas y los brazos pueden incluso provocar una amputaci\u00f3n. Adem\u00e1s, el riesgo de sufrir un ataque card\u00edaco o un derrame cerebral fatal aumenta significativamente incluso en las primeras etapas de la enfermedad\u00bb. <\/p>\n
El diagn\u00f3stico precoz es por tanto muy importante para poder tratar a tiempo a los afectados. El proyecto interdisciplinario del Departamento de Inform\u00e1tica de la Universidad de Bonn y el Departamento de Oftalmolog\u00eda y el Centro del Coraz\u00f3n del Hospital Universitario de Bonn comienza exactamente all\u00ed. \u00abFotografiamos 97 ojos de mujeres y hombres que padec\u00edan EAP\u00bb, explica el Dr. Maximilian Wintergerst del Hospital Oftalmol\u00f3gico Universitario de Bonn. \u00abEn m\u00e1s de la mitad de ellos, la enfermedad todav\u00eda estaba en una etapa en la que no causaba ning\u00fan s\u00edntoma\u00bb. Adem\u00e1s, el equipo tom\u00f3 im\u00e1genes de la c\u00e1mara del fondo de 34 ojos de sujetos de control sanos.<\/p>\n
El algoritmo presta especial atenci\u00f3n a los grandes vasos de la retina al detectar la enfermedad arterial perif\u00e9rica. Esto se muestra en las \u00e1reas rojas brillantes de la imagen, que fueron particularmente importantes para la clasificaci\u00f3n. Cr\u00e9dito: DOI: 10.1038\/s41598-022-05169-z <\/p>\n
La red neuronal detecta cambios vasculares tempranos<\/p>\n
Luego usaron las im\u00e1genes para alimentar una red neuronal convolucional (CNN). Este es un software que est\u00e1 modelado en el cerebro humano en la forma en que funciona. Si una CNN de este tipo se entrena con fotos cuyo contenido es conocido por la computadora, m\u00e1s tarde puede reconocer el contenido de las fotos desconocidas. Sin embargo, para que esto funcione con suficiente certeza, normalmente se necesitan varias decenas de miles de fotos de entrenamiento, muchas m\u00e1s de las que estaban disponibles en el estudio.<\/p>\n
\u00abPor lo tanto, primero llevamos a cabo un entrenamiento previo con otra enfermedad que ataca los vasos en el ojo\u00bb, explica el Prof. Dr. Thomas Schultz del Centro Internacional de Tecnolog\u00eda de la Informaci\u00f3n de Bonn-Aachen (b-it) y el Instituto de Ciencias de la Computaci\u00f3n II de la Universidad de Bonn. Para ello, los investigadores utilizaron un conjunto de datos de m\u00e1s de 80.000 fotos adicionales. \u00abEn cierto sentido, el algoritmo aprende de ellos a qu\u00e9 prestar especial atenci\u00f3n\u00bb, dice Schultz, quien tambi\u00e9n es miembro de las \u00c1reas de Investigaci\u00f3n Transdisciplinaria \u00abModelado\u00bb y \u00abVida y Salud\u00bb de la Universidad de Bonn. \u00abPor lo tanto, tambi\u00e9n hablamos de transferencia de aprendizaje\u00bb.<\/p>\n
La CNN entrenada de esta manera pudo diagnosticar con notable precisi\u00f3n si las fotos de los ojos proven\u00edan de un paciente con PAD o de una persona sana. \u00abUn buen 80 por ciento de todos los individuos afectados fueron identificados correctamente, si tomamos en cuenta el 20 por ciento de falsos positivos, es decir, individuos sanos que el algoritmo clasific\u00f3 incorrectamente como enfermos\u00bb, explica Schultz. \u00abEs incre\u00edble, porque incluso los oftalm\u00f3logos capacitados no pueden detectar la EAP a partir de las im\u00e1genes del fondo del ojo\u00bb.<\/p>\n
En an\u00e1lisis posteriores, los investigadores pudieron demostrar que la red neuronal presta especial atenci\u00f3n a los grandes vasos en la parte posterior del ojo durante su evaluaci\u00f3n. Sin embargo, para obtener el mejor resultado posible, el m\u00e9todo necesitaba im\u00e1genes digitales con una resoluci\u00f3n suficientemente alta. \u00abMuchas CNN trabajan con fotos de muy baja resoluci\u00f3n\u00bb, dice Schultz. \u00abEso es suficiente para detectar cambios importantes. Para nuestra clasificaci\u00f3n de PAD, por otro lado, necesitamos una resoluci\u00f3n en la que los detalles de las estructuras vasculares permanezcan discernibles\u00bb.<\/p>\n
Los investigadores esperan mejorar a\u00fan m\u00e1s el rendimiento de su m\u00e9todo en el futuro. Para hacerlo, planean cooperar con los centros de oftalmolog\u00eda y medicina vascular de todo el mundo que les proporcionar\u00e1n im\u00e1genes de fondo de ojo adicionales de las personas afectadas. El objetivo a largo plazo es desarrollar un m\u00e9todo de diagn\u00f3stico sencillo, r\u00e1pido y fiable que no requiera procedimientos concomitantes como la administraci\u00f3n de colirios. <\/p>\n
Explore m\u00e1s<\/p>\n
El an\u00e1lisis facial mejora el diagn\u00f3stico M\u00e1s informaci\u00f3n:<\/strong> Simon Mueller et al, El aprendizaje de m\u00faltiples instancias detecta la enfermedad arterial perif\u00e9rica a partir de fotograf\u00edas de fondo de ojo en color de alta resoluci\u00f3n, Scientific Reports (2022). DOI: 10.1038\/s41598-022-05169-z Informaci\u00f3n de la revista:<\/strong> Informes cient\u00edficos <\/p>\n Proporcionado por la Universidad de Bonn Cita<\/strong>: El algoritmo identifica la enfermedad vascular temprana usando fotograf\u00edas de los eye (2022, 11 de febrero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-02-algorithm-early-vascular-disease-photos.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" El fondo del ojo humano est\u00e1 bien perfundido. Cuando los vasos son fotografiados a trav\u00e9s del cristalino del ojo, las redes neuronales pueden detectar ciertas enfermedades en base a las im\u00e1genes. Cr\u00e9dito: DOI: 10.1038\/s41598-022-05169-z Investigadores de la Universidad y el Hospital Universitario de Bonn han desarrollado un m\u00e9todo que podr\u00eda usarse para diagnosticar la aterosclerosis. … Continuar leyendo \u00abAlgoritmo identifica enfermedad vascular temprana usando fotos del ojo\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-8555","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8555","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=8555"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8555\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=8555"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=8555"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=8555"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}