La retinopatía diabética (RD) es la principal causa de ceguera en los pacientes con diabetes mellitus (DM). La angiografía por tomografía de coherencia óptica (OCTA) es una nueva técnica de imagen retiniana que permite identificar cambios microvasculares de forma no invasiva, por lo que es una herramienta excelente para la evaluación de la RD. Los algoritmos de inteligencia artificial (IA) se han empleado en imagen médica con fines de clasificación diagnóstica, y recientemente se ha planteado su potencial para realizar predicciones pronósticas. El objetivo de este estudio es la creación de un algoritmo de IA que permita predecir en imágenes de OCTA basales la progresión de microangiopatía diabética a 5 años (grado de retinopatía y/o estadio de nefropatía). Para ello, vamos a aumentar el seguimiento prospectivo de una cohorte de pacientes con DM tipo 1 de un estudio progenitor (FIS 2018, IP: Zarranz-Ventura), a los que realizaremos una revisión ocular completa con imágenes retinianas (OCTA y retinografías) y muestras de sangre 5 años después de la evaluación basal. Estas pruebas nos permitirán clasificar a los pacientes de forma dicotómica (si/no) según progresión de microangiopatía en este periodo. Las imágenes basales de OCTA serán procesadas con técnicas de aumento de datos para obtener un número de imágenes adecuado que serán etiquetadas según esta progresión. Por ultimo, desarrollaremos un algoritmo de IA y evaluaremos su capacidad diagnóstica para identificar dichas etiquetas a partir de imágenes de OCTA basales.

retinopatía diabética
tomografía de coherencia óptica
OCT
angiografía por tomografía de coherencia óptica
inteligencia artificial
aprendizaje automático
predicción
progresión

Acción Estratégica en Salud (AES)