El glaucoma es una enfermedad del ojo que le roba la visión de manera gradual. Por lo general no presenta síntomas y puede resultar en la pérdida de la visión de manera repentina.

Sin el tratamiento apropiado, el glaucoma puede llevar a la ceguera. La buena noticia es que con exámenes oftalmológicos periódicos, la detección temprana y el tratamiento puede preservarse la vista.

Todo nuestros órganos son de vital importancia y estamos en la obligación de cuidarlos, de ellos depende nuestro óptimo estado de salud y la visión es un órgano de suma relevancia en nuestra vida, nos permite apreciar las bellezas de nuestro alrededor, aparte de permitirnos ejecutar miles de actividades con total efectividad y protección. Los avances en el campo de la salud son realmente impresionantes, teniendo en cuenta este problema, los investigadores de IBM Research se han planteado una importante pregunta ¿es posible analizar y estudiar la vista ejecutando técnicas no invasivas para detectar el glaucoma?

La respuesta es sí, ya que han descubierto que hay información en los datos de imagenología de la retina que puede ayudar a evaluar la presencia de glaucoma.

IBM Research, en colaboración con la Universidad de Nueva York, ha llevado a cabo un estudio para explorar esta cuestión, empleando un enfoque basado en datos que utiliza técnicas de aprendizaje profundo. El estudio estima el índice del campo visual (IVC) a partir de una sola imagen 3D de tomografía de coherencia óptica bruta (TCO) del nervio óptico con una precisión sin precedentes, con una correlación de Pearson de 0,88. VFI es una métrica global que representa todo el campo visual, y captura con precisión que con la IA ofrece para sentar las bases para futuras tecnologías que potencialmente pueden utilizar este análisis para estimar rápidamente la función visual de un paciente. Esto podría dar a los profesionales acceso a información precisa -sin la necesidad de pruebas múltiples y de tiempo intensivo- al recopilar datos para un diagnóstico de glaucoma.

Las mediciones estructurales convencionales de la TCO, como el espesor de la capa de la fibra nerviosa de la retina (RNFL) y el espesor de la capa plexiforme interna de la célula ganglionar (GCIPL), no pudieron alcanzar este grado de precisión, a pesar de que ambas capas son lugares objetivo conocidos de glaucoma. El estudio sugiere que las mediciones estructurales capturadas por la TCO contienen información que está altamente correlacionada con las mediciones funcionales y que podría ser extremadamente útil para los profesionales que buscan hacer un diagnóstico.

Otro reto importante del glaucoma es su tasa de progresión, que requiere el análisis cuidadoso de los datos de múltiples visitas. Han abordado este problema mediante el aprendizaje automático, en el que se ha demostrado que los resultados de las pruebas de función visual en futuras visitas podrían predecirse. La capacidad de hacer esto podría algún día ayudar a los profesionales a predecir mejor la progresión y el inicio de la enfermedad y ajustar los tratamientos en consecuencia.