Un estudio concluye que, a partir de la foto del ojo que se toma en los chequeos médicos, es posible discriminar la probabilidad de demencia en el momento actual y, además, predecir el riesgo de que aparezca en el futuro.
El Hospital Universitario Nacional de Seoul informó el día 28 de que un equipo conjunto —encabezado por el profesor Park Sang-min, del Departamento de Medicina de Familia; el doctor Jang Ju-young, de XaiMed Co., Ltd.; el profesor investigador asistente Han Chang-ho, del Centro de Investigación de Big Data Médico de la Facultad de Medicina de Seoul; y el doctor Kim Jae-won, del Departamento de Ciencias Médicas— desarrolló una IA para el cribado y la predicción del riesgo de demencia tras analizar 108.008 retinografías de 36.322 personas sometidas a chequeos médicos.
El equipo evaluó no solo el rendimiento predictivo de la IA, sino también qué zonas utilizó como base para sus decisiones. Los resultados muestran que, tanto para determinar la presencia actual de demencia como para estimar el riesgo de aparición futura, la IA dio un peso especial al área donde convergen los nervios ópticos y a su entorno.
¿Por qué se puede conocer el riesgo de demencia mirando los ojos?
La retinografía es una imagen tomada a través de la pupila que capta la retina, el nervio óptico y los vasos sanguíneos intraoculares. Se realiza con frecuencia no solo en consultas de oftalmología, sino también en los chequeos médicos.
Los investigadores pusieron el foco en el ojo porque la retina está estrechamente conectada con el cerebro. La retina y el nervio óptico están vinculados al sistema nervioso central. Desde hace tiempo, diversos estudios han señalado que los cambios neuronales o microvasculares que aparecen en el cerebro pueden reflejarse parcialmente también en el ojo.
El equipo planteó que, si esos cambios quedaban registrados en las retinografías, la IA podría detectar señales de riesgo de demencia.
Para ello, utilizaron datos de personas que se sometieron a chequeos médicos en el Hospital Universitario Nacional de Seoul entre 2004 y 2016. Entre ellas, clasificaron como grupo con demencia 2.868 imágenes de 1.001 personas que fueron diagnosticadas de demencia y recibieron prescripción de fármacos relacionados dentro de los dos años anteriores o posteriores a la retinografía. Después, entrenaron la IA comparándolas con personas sin demencia.
Al comparar varios modelos de IA, el que había sido preentrenado con un gran número de retinografías mostró el mejor rendimiento.
Discriminó tanto la demencia actual como el riesgo de aparición futura
El rendimiento de la IA para distinguir entre personas con demencia actual y sin demencia fue de 0,750. Este valor indica que, cuanto más cerca está de 0,5, más se aproxima a acertar por azar, y cuanto más cerca está de 1, mejor diferencia entre ambos grupos.
El equipo también comparó el rendimiento de la IA con la herramienta de evaluación de riesgo de demencia existente ‘CAIDE’. CAIDE es un instrumento que estima el riesgo de demencia a largo plazo asignando puntuaciones a factores como la edad, el sexo, el nivel educativo, la presión arterial, el grado de obesidad, el colesterol y la actividad física. No implica someterse a pruebas de neuroimagen adicionales como una resonancia magnética (MRI) o una tomografía por emisión de positrones (PET).
En este análisis, el rendimiento para discriminar la demencia actual fue de 0,624 con CAIDE y de 0,750 con la IA basada en retinografías. Cuanto más cerca está de 1, mejor distingue entre personas con y sin demencia.
También hubo diferencias en la capacidad para predecir el riesgo de que aparezca demencia en el futuro. La IA obtuvo 0,812 y CAIDE, 0,689.
La misma tendencia se mantuvo incluso tras considerar por separado los factores de riesgo tradicionales de demencia, como la edad y el sexo. Cuanto más alta era la puntuación de la IA, mayor era la probabilidad de tener demencia en el presente o de desarrollarla en el futuro.
Esto sugiere que las retinografías podrían contener información relacionada con la demencia que resulta difícil de captar únicamente con factores de riesgo tradicionales como la edad, la presión arterial o la obesidad.
La zona a la que más atendió la IA fue la ‘papila óptica’
Un aspecto llamativo de este estudio es que también analizó en qué se basó la IA para tomar sus decisiones.
El equipo marcó con colores las áreas de la retinografía que la IA consideró importantes. La zona con mayor nivel de atención fue la ‘papila óptica’.
La papila óptica es el área donde las fibras nerviosas procedentes de la retina se agrupan y continúan como nervio óptico. En términos sencillos, es la “salida” por la que se reúnen los nervios que envían al cerebro la información captada por el ojo.
El grado de atención de la IA sobre la papila óptica fue 5,72 veces mayor que el de las áreas circundantes habituales. También se observó una alta atención en el entorno de la papila óptica y en la zona de fibras nerviosas que conecta desde allí hasta la mácula.
Estas áreas son, además, lugares donde estudios previos han descrito cambios retinianos asociados a la demencia. Esto respalda la posibilidad de que la IA haya captado cambios neuronales relacionados con la demencia, y no rasgos fortuitos de la imagen.
¿Puede usarse la foto del chequeo médico para el cribado de demencia?
Este estudio atrae la atención porque permite aprovechar retinografías ya tomadas en los chequeos médicos, sin añadir nuevas pruebas.
Si en el futuro se valida suficientemente, podría utilizarse como herramienta de apoyo para identificar primero, en la fase de chequeo, a las personas con alto riesgo de demencia y derivarlas a pruebas de función cognitiva o a atención especializada.
Sin embargo, no significa “diagnosticar demencia con una sola foto del ojo”. El diagnóstico real de demencia requiere evaluar los síntomas del paciente y su función cognitiva, entre otros aspectos. Según el caso, se añaden pruebas como una MRI cerebral o análisis de sangre y de líquido cefalorraquídeo.
Este estudio también se realizó centrado en personas sometidas a chequeos médicos en un único hospital. Se necesitan validaciones adicionales para comprobar si muestra un rendimiento similar en otros hospitales y en grupos con diferentes edades y con distinta raza o etnia.
Park Sang-min, profesor del Departamento de Medicina de Familia del Hospital Universitario Nacional de Seoul, dijo: “Esperamos que esta tecnología de IA, que utiliza datos de chequeos rutinarios sin pruebas adicionales de alto coste, se convierta en una herramienta de apoyo útil en las estrategias de prevención y de intervención temprana frente a la demencia”.
Jang Ju-young, doctor de XaiMed, subrayó: “Este estudio ha señalado una dirección importante para el desarrollo de biomarcadores de IA basados en imágenes de fondo de ojo, al evaluar conjuntamente no solo el rendimiento predictivo de la IA, sino también su explicabilidad y su utilidad clínica”.
El estudio se publicó en línea el 4 de julio en la revista internacional 《npj Digital Medicine》.
