El Proyecto RETINA-IA utiliza la inteligencia artificial para mejorar la atención de la retinopatía diabética en pacientes de Jalisco.
La diabetes mellitus es un grave problema de salud en México, y la retinopatía diabética (RD), una de las complicaciones que provoca esta condición, la cual afecta hasta al 32% de los pacientes que viven con diabetes en el país. Sin embargo, el diagnóstico temprano es fundamental para evitar daños irreversibles, como la ceguera. En este sentido, la falta de oftalmólogos y la baja tasa de referencia a especialistas son desafíos significativos para la detección y la atención de esta afección.
Desde hace tres años, el Gobierno de Jalisco, el Banco Interamericano de Desarrollo (BID), el Tecnológico de Monterrey y la agencia de innovación C Minds comenzaron el desarrollo del proyecto piloto RETINA-IA, que aprovecha la inteligencia artificial (IA) para el tamizaje de la RD. Este proyecto piloto de medicina preventiva en el Estado de Jalisco buscó reducir los tiempos de diagnóstico, permitiendo un tratamiento más temprano y determinar la escalabilidad de esta intervención. Recientemente, el BID publicó un estudio de caso acerca de este proyecto piloto, sus resultados y reflexiones finales tras su exitosa implementación.
En este sentido, el Proyecto RETINA-IA, lanzado en agosto de 2021, utilizó IA para preseleccionar pacientes con riesgo de RD. En tres clínicas del estado tomaron fotografías de la retina, y el modelo de IA basado en aprendizaje profundo o deep learning interpretó los resultados. Posteriormente, un equipo de oftalmólogos verificó los prediagnósticos de la IA.
Los resultados arrojaron que aproximadamente el 29% de los pacientes derivados a hospitales de tercer nivel desconocían su afección retiniana, y se les gestionó una cita en menos de una semana. El seguimiento reveló que la IA logró prediagnosticar y referir pacientes en 1 a 2 días, agilizando el proceso de manera importante. Por otra parte, el análisis costo-beneficio mostró un Retorno a la Inversión (ROI) altamente positivo de 9.5, respaldando la escalabilidad del proyecto a siete clínicas en Jalisco.
Cabe destacar que esta iniciativa cumplió con los estándares de ética requeridos por la normatividad mexicana correspondientes, por ejemplo, la determinación del consentimiento informado; la determinación de los responsables legales y operativos; transparencia y almacenamiento de datos; entre otras consideraciones.
En términos generales, el proyecto logró generar varias lecciones, por ejemplo, tres factores que facilitaron el diseño y la implementación del proyecto: el interés del sector salud; la RD se trata de una problemática que requería atención inmediata; y el uso de IA fue viable y pertinente para abordar esta problemática. Asimismo, para promover la escalabilidad de este proyecto son necesarias las alianzas entre el sector público y el privado.
Como parte de las reflexiones finales del proyecto, el documento del BID explica que la situación alarmante de la RD en México es una oportunidad para prestar atención a soluciones como REINA-IA. Además, esta iniciativa favorece el uso responsable y ético de la IA en México, así como el uso de otras herramientas de Salud Digital como la telemedicina, con el fin de contribuir a un diagnóstico oportuno.
“Las lecciones aprendidas son una pauta para futuros proyectos de investigación aplicada en el campo de la salud y en cualquier otra dimensión de atención social mediante el uso de la tecnología y la IA”, menciona el documento.
Sin embargo, el documento también reconoce los desafíos enfrentados a lo largo del diseño e implementación del proyecto, por ejemplo, la falta de la sensibilización de la población sobre la importancia de la medicina preventiva. Por ejemplo, la falta de cultura alrededor de los controles médicos anuales por parte de los pacientes, significó un reto que superó los alcances de RETINA-IA.
“Finalmente, se puede concluir que el trabajo con RETINA-IA no puede ni debe terminar con la implementación de este piloto. Resulta necesario que los aprendizajes que se heredan sean aprovechados para repensar las próximas intervenciones tecnológicas en la prevención, detección y atención de enfermedades prioritarias”, finaliza el documento.
Puedes consultar el estudio de caso completo en el siguiente enlace:
