Investigadores de los Institutos Nacionales de Salud aplicaron inteligencia artificial (IA) a una técnica que produce imágenes de alta resolución de las células del ojo. Informan que con la IA, las imágenes son 100 veces más rápidas y mejoran el contraste de la imagen 3,5 veces. El avance, afirman, proporcionará a los investigadores una mejor herramienta para evaluar la degeneración macular relacionada con la edad (DMAE) y otras enfermedades de la retina.

Vineeta Das, Sección de Imágenes Clínicas y Traslacionales de NEI, explica cómo la inteligencia artificial mejora las imágenes de la retina sensible a la luz del ojo.

"La inteligencia artificial ayuda a superar una limitación clave de las células de la retina, que es el tiempo", dijo Johnny Tam, Ph.D., quien dirige la Sección de Imágenes Clínicas y Traslacionales del Instituto Nacional del Ojo de los NIH.

Tam está desarrollando una tecnología llamada óptica adaptativa (AO) para mejorar los dispositivos de imágenes basados ​​en la tomografía de coherencia óptica (OCT). Al igual que la ecografía, la OCT es un equipo no invasivo, rápido, indoloro y estándar en la mayoría de las clínicas oftalmológicas.

"La óptica adaptativa lleva las imágenes basadas en OCT al siguiente nivel", dijo Tam. “Es como pasar de un asiento en el balcón a uno de primera fila para visualizar la retina. Con AO, podemos revelar estructuras retinianas en 3D con una resolución a escala celular, lo que nos permite acercarnos a los signos muy tempranos de la enfermedad”.

Imagen: Johnny Tam, Ph.D., Sección de Imágenes Clínicas y Traslacionales de NEI.

Si bien agregar óptica adaptativa (AO) a tomografía de coherencia óptica (OCT) proporciona una vista mucho mejor de las células, procesar imágenes AO-OCT después de haberlas capturado lleva mucho más tiempo que OCT sin AO.

El último trabajo de Tam se centra en el epitelio pigmentario de la retina (EPR), una capa de tejido detrás de la retina sensible a la luz que soporta las neuronas retinianas metabólicamente activas, incluidos los fotorreceptores. La retina recubre la parte posterior del ojo y captura, procesa y convierte la luz que ingresa por la parte frontal del ojo en señales que luego transmite a través del nervio óptico al cerebro. Los científicos están interesados ​​en el EPR porque muchas enfermedades de la retina ocurren cuando el EPR se deteriora.

Ilustración del ojo que muestra la ubicación de la retina y su epitelio pigmentario retiniano (EPR).

Una vista de arriba hacia abajo de células del EPR cultivadas en laboratorio vistas con microscopía de alta resolución. A diferencia de la AO-OCT, que se realiza en una persona despierta, esta imagen se creó con tejido preservado. Crédito: Kapil Bharti, Instituto Nacional del Ojo.

La obtención de imágenes de células del EPR con AO-OCT conlleva nuevos desafíos, incluido un fenómeno llamado moteado. El moteado interfiere con AO-OCT de la misma manera que las nubes interfieren con la fotografía aérea. En cualquier momento dado, algunas partes de la imagen pueden quedar oscurecidas.   Gestionar las manchas es algo similar a gestionar la cobertura de nubes. Los investigadores obtienen imágenes repetidas de las células durante un largo período de tiempo. A medida que pasa el tiempo, la mota cambia, lo que permite que diferentes partes de las células se vuelvan visibles. Luego, los científicos emprenden la laboriosa y lenta tarea de juntar muchas imágenes para crear una imagen de las células del EPR sin manchas.

Tam y su equipo desarrollaron un nuevo método basado en IA llamado red adversarial generativa discriminadora paralela (P-GAN), un algoritmo de aprendizaje profundo. Al alimentar a la red P-GAN con casi 6.000 imágenes de RPE humano adquiridas mediante AO-OCT analizadas manualmente, cada una emparejada con su correspondiente original moteado, el equipo entrenó a la red para identificar y recuperar características celulares oscurecidas por las manchas.

Cuando se probó en nuevas imágenes, P-GAN eliminó con éxito las imágenes del RPE y recuperó detalles celulares. Con una captura de imagen, generó resultados comparables al método manual, que requirió la adquisición y el promedio de 120 imágenes. Con una variedad de métricas de rendimiento objetivas que evalúan aspectos como la forma y estructura de las células, P-GAN superó a otras técnicas de IA. Vineeta Das, Ph.D., becaria postdoctoral en la Sección de Imágenes Clínicas y Traslacionales de NEI, estima que P-GAN redujo el tiempo de adquisición y procesamiento de imágenes aproximadamente 100 veces. P-GAN también produjo un mayor contraste, aproximadamente 3,5 mayor que antes.

Imágenes de RPE: (A) Una vista de arriba hacia abajo de la capa del EPR vista por OCT clínica. Aunque la imagen está ampliada a la escala de celdas individuales, es difícil visualizar las celdas. (B) AO-OCT proporciona una imagen más detallada de la capa RPE, pero las células están oscurecidas por manchas. (C) Hay una mejora notable en la visualización de células del EPR obtenida al aplicar IA a la imagen AO-OCT moteada. Cada área oscura representa una única celda del EPR. Crédito: Vineeta Das, Instituto Nacional del Ojo.

Al integrar la IA con AO-OCT, Tam cree que se ha superado un obstáculo importante para las imágenes clínicas de rutina utilizando AO-OCT, especialmente para las enfermedades que afectan el EPR, que tradicionalmente ha sido difícil de obtener imágenes.

"Nuestros resultados sugieren que la IA puede cambiar fundamentalmente la forma en que se capturan las imágenes", dijo Tam. “Nuestra inteligencia artificial P-GAN hará que las imágenes de AO sean más accesibles para aplicaciones clínicas de rutina y para estudios destinados a comprender la estructura, función y fisiopatología de las enfermedades retinianas que causan ceguera. Pensar en la IA como parte del sistema general de imágenes, en lugar de una herramienta que sólo se aplica después de que se han capturado las imágenes, es un cambio de paradigma para el campo de la IA”.

NEI lidera los esfuerzos del gobierno federal para eliminar la pérdida de visión y mejorar la calidad de vida a través de la investigación de la visión... impulsando la innovación, fomentando la colaboración, ampliando la fuerza laboral de la visión y educando al público y a las partes interesadas clave. NEI apoya programas de ciencia básica y clínica para desarrollar tratamientos que salven la vista y ampliar oportunidades para las personas con discapacidad visual. Para obtener más información, visite   https://www.nei.nih.gov

Acerca de los Institutos Nacionales de Salud (NIH): NIH, la agencia de investigación médica del país, incluye 27 institutos y centros y es un componente del Departamento de Salud y Servicios Humanos de EE. UU. Los NIH son la principal agencia federal que realiza y apoya la investigación médica básica, clínica y traslacional, y está investigando las causas, tratamientos y curas de enfermedades comunes y raras. Para obtener más información sobre los NIH y sus programas, visite https://www.nih.gov/.