Esta es la segunda característica de una serie de seis partes que está mirando cómo la IA está cambiando la investigación médica y los tratamientos.
Terry Quinn sólo estaba en su adolescencia cuando le diagnosticaron diabetes.
De alguna manera se rebeló contra la etiqueta y las pruebas frecuentes, no queriendo sentirse diferente.
Su mayor temor era que algún día necesitara amputarle el pie.
La pérdida de visión, otra posible complicación de la diabetes, no estaba realmente en su radar.
Nunca pensé que perdería la vista, dice Quinn, que vive en West Yorkshire.
Pero un día notó que sangraba en el ojo.
Los médicos le dijeron que tenía retinopatía diabética: daño relacionado con la diabetes en los vasos sanguíneos de las retinas.
Esto requirió tratamientos con láser y luego inyecciones.
Eventualmente los tratamientos no fueron suficientes para evitar el deterioro de su visión.
Se lastimaba el hombro caminando hacia las farolas.
No podía distinguir la cara de sus hijos.
Y tuvo que dejar de conducir.
Me sentí patético.
Me sentí como la sombra de un hombre que no podía hacer nada, recuerda.
Una cosa que lo ayudó a salir de su desesperación fue el apoyo de la Asociación de Perros Guía para los Ciegos, que lo relacionó con un negro Labrador llamado Spencer.
Me salvó la vida, dice Quinn, que ahora es una recaudadora de fondos para Perros Guía.
En el Reino Unido, el Servicio Nacional de Salud invita a los pacientes a someterse a exámenes oculares diabéticos cada uno o dos años.
Las directrices de EE.UU. son que todos los adultos con diabetes tipo 2 deben ser analizados en el diagnóstico de diabetes, y luego anualmente si no hay problemas.
Sin embargo, para muchas personas, eso no sucede en la práctica.
Hay pruebas muy claras de que el cribado previene la pérdida de visión, dice Roomasa Channa, especialista en retina de la Universidad de Wisconsin-Madison en los Estados Unidos.
En los EE.UU. las barreras incluyen costo, comunicación y conveniencia.
La Dra. Channa cree que facilitar el acceso a las pruebas ayudaría a los pacientes.
Para detectar la retinopatía diabética los profesionales de la salud toman fotos de la pared interior trasera del ojo, conocida como el fondo.
Actualmente, interpretar imágenes de fondo manualmente es un montón de trabajo repetitivo, dice la Dra. Channa.
Pero algunos piensan que la inteligencia artificial (AI) podría acelerar el proceso y hacerlo más barato.
La retinopatía diabética se desarrolla en etapas bastante claras, lo que significa que la IA puede ser entrenada para recogerla.
En algunos casos, la IA podría decidir si es necesaria una remisión a un especialista ocular, o trabajar en conjunto con graduadores de imágenes humanos.
Uno de esos sistemas fue desarrollado por la empresa de tecnología sanitaria Retmarker, con sede en Portugal.
Su sistema identifica imágenes de fundus que podrían ser problemáticas y las envía a un experto humano para que las investigue más a fondo.
Normalmente lo usamos más como una herramienta de apoyo para dar información al ser humano para tomar una decisión, dice Joo Diogo Ramos, director ejecutivo de Retmarkers.
Cree que el miedo al cambio está limitando la adopción de herramientas de diagnóstico impulsadas por IA como esta.
Estudios independientes han sugerido que sistemas como Retmarker Screening y Eyenuks EyeArt tienen tasas aceptables de sensibilidad y especificidad.
La sensibilidad es lo buena que es una prueba para detectar la enfermedad, mientras que la especificidad es lo buena que es para detectar la ausencia de enfermedad.
En general, una sensibilidad muy alta podría estar vinculada a más falsos positivos.
Los falsos positivos crean ansiedad y gastos, ya que conducen a visitas de especialistas innecesarias.
En general, las imágenes de mala calidad pueden dar lugar a falsos positivos en los sistemas de IA.
Los investigadores de Google Health han estado examinando las debilidades de un sistema de IA que desarrollaron para detectar la retinopatía diabética.
Funcionó muy diferente cuando se probó en Tailandia, en comparación con escenarios hipotéticos.
Un problema es que el algoritmo requería imágenes de fondo prístinas.
Esto distaba mucho de las realidades de las lentes a veces sucias, la iluminación impredecible y los operadores de cámaras con diferentes niveles de entrenamiento.
Los investigadores dicen que han aprendido lecciones sobre la importancia de trabajar con mejores datos y consultar a una amplia gama de personas.
Google tiene la confianza suficiente en su modelo que en octubre, la compañía anunció que estaba concediendo licencias a socios en Tailandia y la India.
Google también dijo que estaba trabajando con el Ministerio de Salud Pública de Tailandia para evaluar la rentabilidad de la herramienta.
El coste es un aspecto muy importante de la nueva tecnología.
El Sr. Ramos dice que el servicio de Retmarker podría costar alrededor de 5 por proyección, aunque con variaciones según el volumen y la ubicación.
En los Estados Unidos, los códigos de facturación médica se establecen considerablemente más altos.
En Singapur, Daniel S W Ting y sus colegas compararon los costos de tres modelos de detección de la retinopatía diabética.
La más cara era la evaluación humana.
Sin embargo, la automatización completa no era la más barata, porque tenía más falsos positivos.
El más asequible fue un modelo híbrido, donde el filtrado inicial de los resultados fue realizado por IA, antes de que los humanos se hicieran cargo.
Este modelo se ha integrado ahora en la plataforma nacional de TI de los Servicios de Salud de Singapur y entrará en funcionamiento en 2025.
Sin embargo, el Prof. Ting cree que Singapur ha sido capaz de lograr ahorros de costos porque ya tenía una sólida infraestructura para la detección de la retinopatía diabética.
Por lo tanto, es probable que la relación costo-eficacia varíe mucho.
Bilal Mateen, el director de IA de la ONG de salud PATH, dice que los datos de costo-efectividad en torno a las herramientas de IA para preservar la vista han sido bastante fuertes en países ricos como el Reino Unido, o algunos países de ingresos medianos como China.
Pero ese no es el caso para el resto del mundo.
Con los rápidos avances en lo que AI es capaz de hacer, tenemos que preguntar menos si es posible, pero más y más si estaban construyendo para todos o sólo para los pocos privilegiados.
Necesitamos algo más que datos de eficacia para una toma de decisiones eficaz, insta el Dr. Mateen.
La Dra. Channa señala la brecha de equidad en salud incluso dentro de los EE.UU., que espera que esta tecnología pueda ayudar a superar.
Tenemos que ampliarlo a lugares que tienen un acceso aún más limitado a la atención ocular.
También destaca que las personas mayores y las personas con problemas de visión deben ver a los oftalmólogos, y la conveniencia de la IA para detectar rutinariamente la enfermedad ocular diabética no debe disuadir la atención a todas las otras enfermedades oculares.
Otras condiciones oculares, como la miopía y el glaucoma, han resultado más difíciles de detectar para los algoritmos de IA.
Pero incluso con esas advertencias, la tecnología es muy emocionante, dice la Dra. Channa.
Me encantaría ver a todos nuestros pacientes con diabetes examinados de manera oportuna.
Y creo que dada la carga de la diabetes, esta es una solución realmente potencialmente grande.
De vuelta en Yorkshire, el Sr. Quinn ciertamente espera que la nueva tecnología despegue.
Si la IA hubiera existido para la detección más temprana de su retinopatía diabética, la habría tomado con ambas manos.