¿Hacia Donde va la Telemedicina?

The International Agency for the Prevention of Blindness (IAPB) is an alliance of civil society organisations, corporates and professional bodies promoting eye health through advocacy, knowledge and partnerships.
Organisation: IAPB

¿Hacia Donde va la Telemedicina? Centro de Lectura, plataformas automatizadas para recolección de datos, recepción de imágenes a distancia y recomendación médica en tiempo realLa telemedicina es un proceso mediante el cual se utiliza información electrónica y tecnología en comunicaciones para brindar atención médica a distancia (1). La Asociación Americana de Telemedicinala define como el intercambio de la información médica de un sitio remoto a otro vía electrónica para mejorar el estado de salud clínico de un paciente (2).

La rama de la telemedicina encaminada a la especialidad de oftalmología se denomina tele-oftalmología, aquí el uso de imágenes digitales, fotos y estudios complementarios son utilizadas para el tamizaje, diagnostico, seguimiento y estatificación de diversas enfermedades oculares (3).

Esta práctica puede ser tan sencilla como una llamada telefónica entre dos colegas sobre un caso en especial, o tan complejo como un estudio en población abierta con equipo sofisticado de telecomunicaciones. De esta forma imágenes, audios, videos o datos médicos pueden ser enviados vía internet y leídos en tiempo real a kilómetros de distancia por personal calificado, emitir diagnostico, recomendación terapéutica o contribuir a la educación medica continua.

La telemedicina ofrece grandes ventajas, requiere poco personal entrenado para toma de datos médicos o fotografías, pude ser aplicado a un gran numero de pacientes , disminuir los tiempos de espera para citas con especialistas en el área, disminuir la carga de trabajo en las unidades medicas, aminorar los costos, ofrecer tratamientos oportunos  y obtener una gran base de datos para estudios poblaciones.

En oftalmología la evaluación de imágenes, (fotos de fondo de ojo, nervio óptico) estudios auxiliares (tomografía óptica, ultrasonidos) y videos, han dado pie a la formación de ¨centros de lectura¨, aquí personal capacitado y certificado lee, procesa y emite recomendación de cientos de fotos y estudios en tiempo real, este modelo permite evaluar a una gran cantidad de pacientes en corto tiempo, y ayuda a cualquier modelo de atención medica preventiva o de tamizaje.

La retinopatía diabética, retinopatía del prematuro y degeneración macular relacionada a la edad son las entidades mas  estudiadas, así como la evaluación del nervio óptico  para el diagnóstico oportuno de glaucoma.

Actualmente la telemedicina esta encaminada a la lectura automatizada de las imágenes, o lo que se conoce como ¨Machine learning¨, esta disciplina rama de la Inteligencia Artificial permite mediante algoritmos el aprendizaje de patrones complejos en millones de datos y hacer una predicción o sugerencia  , de esta forma estos sistemas de cómputo  o máquinas se mejoran autónomamente sin intervención humana.

En la ultima década se ha impulsado una técnica concreta de Machine Learning denominada ¨Deep Learning¨ (DL) en este modelo el aprendizaje es a través del ejemplo, en lugar de enseñarle al ordenador una lista enorme de reglas para solventar un problema, se le da un modelo que pueda evaluar ejemplos y una colección de instrucciones para modificar el modelo cuando se produzcan errores. De ésta forma el sistema será capaz de extraer patrones en forma muy precisa.

Actualmente los equipos disponibles para realizar telemedicina son variados y accesibles para el personal de la salud, se puede implementar desde toma de fotografías con teléfonos inteligentes (foto 1) hasta toma de imágenes con equipos y cámaras sofisticadas como es el caso de RETCAM®. Estos dispositivos pueden ser utilizados en forma portátil y sin necesidad de midriasis como el caso de la cámara PICTOR® (Foto 2).

Respecto a las cámaras de fondo, se obtienen fotografías de 30 grados en caso de cámaras no midriáticas portátiles, 45 , 60 o hasta 200 grados (ultra wide field)   con cámaras de campo amplio, estas imágenes  de alta resolución pueden ser ampliadas, o mejoradas con filtros para su lectura. (Foto 3) En estudios se ha demostrado que el diagnóstico por este medio es similar a la evaluación con oftalmoscopia indirecta. (4)

La Asociación Americana de Telemedicina (ATA) recomiendan que los equipos utilizados para tamizaje se ajusten a los requisitos de salud locales y federales. Las imágenes y equipos deben ajustarse a los lineamientos de DICOM (Digital Imaging and Communication in Medicines)

 Con el uso de cámaras portátiles no midriáticas   las imágenes  pueden ser graduables del 86 al 94%, con una especificidad y sensibilidad comparable a un examen clínico bajo dilatación pupilar, este porcentaje aumenta al 100% bajo dilatación pupilar y con cámaras de campo amplio (5,6).

Recientemente la FDA (Food and Drug Administration) aprobó el uso de un un sistema computarizado de lectura de imágenes (IDx-DR) este software mediante un algoritmo analiza imágenes de fondo de ojo tomadas con una cámara Topcon NW400, y permite estadificar estadios de la Retinopatía Diabética por arriba del 85% sin necesidad de un médico evaluador.

Existen otros sistemas automatizados de análisis de imágenes de la retina incluyen iGradingM (Medalytix Group Ltd, Manchester, Reino Unido), Retmarker (Retmarker SA, Taveiro, Portugal) y EyeArt (Eyenuk, Woodland Hills, California). En los últimos años, una variedad de publicaciones informaron la implementación de DLen la lectura  de fotos de fondo de ojo e imágenes de OCT obtenidas de pacientes con retinopatía diabética y degeneración macular relacionada con la edad, en general los datos obtenidos con diferentes programas muestran una sensibilidad por arriba de 80% y especificidad mayor al 90%, con un alto grado de concordancia (97%) con evaluadores humanos. (7)

El Instituto Mexicano de Oftalmología en México, estableció en el 2016 el  centro de lectura MAILOR  ( Mexican Advance Image Laboratory for Ocular Research), creado para el tamizaje de Retinopatía Diabética y otras patologías del fondo de ojo. Hasta la fecha se encuentran incorporadas en el programa 97 clínicas y hospitales de primer y segundo nivel distribuidos en la República Mexicana. En este periodo se han evaluado 15,207 pacientes y 60,828 fotografías, el 11.29% (3,434 ojos) presentaron algún grado de retinopatía diabética, Asimismo se encontraron hallazgos de retinopatía diabética en 31 pacientes (0.20%) que desconocían padecer diabetes mellitus.

Los beneficios de la Telemedicina son múltiples, y su futuro es cada vez mas prometedor para los sistemas de salud y su sostenibilidad, permite equidad en el acceso a los servicios, trabajo colaborativo entre equipos de profesionales, y una gran oportunidad para el tratamiento oportuno y prevención de las enfermedades oculares.

Dra. Renata García Franco, Dr. Ellery López Star, Dr. Van C. Lanshing ,Dr. Hugo Valencia Santiago, Dra. Paulina Ramírez Neria, Dr. Miguel Vázquez Membrillo, Dr. Marlon García Roa, Dra. Yolanda Villalpando Gómez, Dra. Dalia Méndez Marín.

 INSTITUTO MEXICANO DE OFTALMOLOGIA IAP, QUERETARO, MEXICO

BIBLIOGRAFIA

  1. American Telemedicine Association. What is telemedicine? Available at: http://www.americantelemed.org/about-telemed-icine/what-is-telemedicine. Accessed September 28, 2015.
  2. Rathi S, Tsui E, Mehta N, et al. The Current State of Teleophthalmology in the United States. Ophthalmology. 2017; 124(12): 1729-1734.
  3. Sim D.A, Mitry S, Alexander P, et al. The evolution of Teleophthalmology Programs in the United Kingdom: Beyond Diabetic Retinopathy Screening. Journal of Diabetes Science and Technology. 2016; 10(2): 308-317.
  4. Shi L, Wu H, Dong J, Jiang K, Lu X, Shi J. Telemedicine for detecting diabetic retinopathy: a systematic review and meta- analysis. Br J Ophthalmol 2015;99(6):823–31.
  5. Murgatroyd H, Ellingford A, Cox A, et al. Effect of mydriasis and different field strategies on digital image screening of diabetic eye disease. Br J Ophthalmol. 2004;88:920-924.
  6. Shu Wei D, Yim-Lui, C..et. al. Development and validation of a Deep Learning System for Diabetic Retinopathy and related eye diseases using retinal images for multiethnic Populations with Diabetes, JAMA 2017;318(22):2211-2223
  7. Michael D.A, Philip T. Lavin, et. al. Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices.npj Digital Medicine (2018) 1:39 ; doi:10.1038/s41746-018-0040-6