Esta revisión bibliográfica tiene como objetivo comparar la eficacia diagnóstica
de los algoritmos de inteligencia artificial entrenados con imágenes de tomografía de
coherencia óptica o con más de una prueba diagnóstica para la detección de glaucoma
frente aquellos entrenados solo con imágenes de la papila óptica.
Se realizó una búsqueda en las bases de datos electrónicas PubMed, Web of Science,
Scopus, combinando las palabras claves: Artificial Intelligence, Glaucoma, Detection,
Diagnosis, Machine Learning, Deep Learning. Fueron seleccionados aquellos artículos
sobre entrenamiento de algoritmos para diagnóstico de glaucoma, en inglés, disponibles
en texto completo, que expusieron valores de sensibilidad y especificidad. Se excluyeron
revisiones sistemáticas y/o metaanálisis, cartas al editor, documentos de conferencias o
congresos, estudios sobre predicción y progresión, diagnóstico de otras enfermedades
oculares en conjunto con glaucoma o diferentes a glaucoma. La búsqueda
electrónica arrojó 136 registros, después de excluir 24 duplicados, se examinaron los
títulos y resúmenes de 112 artículos donde 62 publicaciones no cumplieron los criterios
de inclusión. Luego se realizó una revisión de texto completo de 50 artículos donde se
excluyeron otros 15 artículos y finalmente se realizó la recopilación de datos de 35
artículos. Se concluyó que no hay diferencias en los resultados del
entrenamiento de los algoritmos sea utilizando imágenes de la papila; tomografía de
coherencia óptica; o pruebas combinadas. Estos sistemas tienen la capacidad de
diferenciar una papila normal de una glaucomatosa. Sin embargo, aún no son efectivos
para estadios iniciales. Se consideran accesibles, de bajo costo. La capacidad de los
algoritmos de examinar una imagen píxel a píxel supera la percepción visual del ojo
humano y también la capacidad de atención.
Exceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 Internacional