Serrano-Aguilar P, Abreu R, Antón L,Ramallo Y, Artal C, Gómez-Ulla F, Nadal J

pserrano@gobiernodecanarias.orgServicio de Evaluación y Planificación

Dirección del Servicio Canario de Salud

Desarrollo y validación técnica de una herramienta informática

de reconocimiento automatizado de

lesiones maculares de retina (OCT).

Contenidos de la presentación

• Investigación traslacional: de la necesidad a la investigación y a la acción

• Antecedentes : Magnitud de la P.Macular y Degeneración Macular Asociada a la Edad

Avances Diagnósticos y TerapéuticosSistemas Computarizados de Ayuda al Diagnóstico

• Objetivos del proyecto

• Desarrollo del Sistema Computarizado de Ayuda al Diagnóstico (SCAD)

• Validación Técnica del SCAD

• Resultados

• Conclusiones y próximas tareas

Proyecto financiado por ISCIII-FIS: PS09/01308

• La patología de la mácula (PM) es la causa más común de ceguera legal• Prevalencia DMAE aumentan con la edad: 0.5% a los 60 años

10% tras los 80 años750.000 personas en España

• Más del 50% de pacientes con DMAE no han sido diagnosticados• La OMS prevé que se triplique su incidencia• La percepción se retrasa por la progresión insidiosa y asimétrica• Coste sanitario de DMAE es 10.000 euros por paciente / año

Antecedentes: Patología de la M ácula Retiniana (DMAE)

• Diagnóstico: Tomografía de coherencia óptica (OCT) y examen clínico

• Tratamiento: Inhibidores del factor de crecimiento del endotelio vascular (anti-VEGF) en la DMAE húmeda.

Antecedentes: Avances diagnósticos y terapéuticos

LISTAS D

E E

SPERA

• OCT es una tecnología diagnóstica por imágenes que permite estudiar las diferentes capas de la retina en cortes similares a TAC (automatización)

• SCAD en CRIBADO: reconocimiento y clasificación de imágenes reducen la carga profesional en cribado de cáncer demama y de retinopatía diabética

• Validez de los SCAD : Sensibilidad ≥ 90% Especificidad de 78% VPP de 46% VPN de 98%

Antecedentes: Sistemas Computarizados de Ayuda al Diagnóstico

SCAD

Objetivos del proyecto de I+D+I

1.- Desarrollar y validar técnicamente un SCAD para el cribado automatizado

de la PM a partir de imágenes captadas por OCT.

2.- Determinar la validez diagnóstica (sensibilidad, especificidad y valores

predictivos) del SCAD para el cribado de imágenes OCTcon PM, frente al

diagnóstico convencional (agudeza visual + retinografía) y OCT por retinólogos

3.- Evaluar el coste-efectividad del SCAD frente al diagnóstico oftalmológico

convencional (agudeza visual + retinografía + OCT), interpretado por retinólogos

para el cribado de PM.

Desarrollo de SCAD para reconocer imágenes OCT en PM

Detección sobre las imágenes OCT:

• Procesos de normalización con T. de filtrado para homogeneizar las imágenes OCT

• Análisis de las zonas de tejido por visión por computador: Límite del tejido vítreo,

Epitelio pigmentario retiniano,

Localización de la depresión foveal

Simetría de la DF

• Diseño y parametrización del SCAD con técnicas de entrenamiento (imágenes + / -)

• Definición de rangos de valores normales/anormales de los siguientes parámetros de PM:

1) Estructura de los diferentes estratos retina

2) Varianza del tejido coroideo

3) Posición horizontal de la fóvea

4) Profundidad de la depresión foveal

5) Simetría de depresión foveal

Normalización de las im ágenes:

- Cálculo de la reflectividad:Transformar información cromática a grisesHSV: H (color); V (iluminación)

- Corrección de la curva: Ajuste a curva Bezier

Desarrollo de SCAD para reconocer imágenes OCT en PM

Análisis para detección y medida de estructuras:

- Zona de tejido- Complejo fotorreceptores EPR- Huecos- Foveola

Desarrollo de SCAD para reconocer imágenes OCT en PM

Desarrollo de SCAD para reconocer imágenes OCT en PM

Análisis para detección y medida de estructuras:

- Zona de tejido- Complejo fotorreceptores EPR- Huecos- Foveola

Desarrollo de SCAD para reconocer imágenes OCT en PM

Análisis para detección y medida de estructuras:

- Zona de tejido- Complejo fotorreceptores EPR- Huecos- Foveola

Desarrollo de SCAD para reconocer imágenes OCT en PM

Análisis para detección y medida de estructuras:

- Zona de tejido- Complejo fotorreceptores EPR- Huecos- Foveola

Estudio transversal retrospectivo

• Imágenes de OCT desde Rochester, Coruña, Barcelona y Tenerife

- Equipo Stratus OCT y Cirrus OCT (Carl Zeiss Meditec)

- Protocolo: radial lines de 6 b-scans / macular cube

- Imágenes exportadas a disco

- Imágenes de 260 personas (124 sanas/ 136 patológicas)

Validación de la capacidad diagnóstica del SCAD

Proceso de clasificación:

- Imágenes aleatorizadas y evaluadas por SCAD y retinólogo (simple ciego)

- Las imágenes fueron clasificadas en sanas o sospechosas

Validación de la capacidad diagnóstica del SCAD

• Sensibilidad: 96% (IC 95% 92-100)

• Especificidad: 92% (IC 95% 87-97)

• Valor predictivo positivo: 92% (IC 95% 87-97)

• Valor predictivo negativo: 96% (IC 95% 92-100)

• Coeficiente de probabilidad positivo: 12 (IC 95% 6,17-23)

• Coeficiente de probabilidad negativo: 0,04 (CI 95% 0,02-0,11)

Resultados

• Desarrollo y validación técnica exitosa de un SCAD innovador para el cribado de patología macular : Optical coherencetomography automatic labeller (OCTAL )

• Válido para cualquier tipo de OCT en el mercado

Conclusiones

Próximas tareas

• Evaluación de la validez y de la utilidad clínica431 pacientes (388 con PM y 43 sanos): OCT vs. RetinólogosEvaluación de la REPRODUCIBILIDAD inter e intraobservador

• Evaluación económica:

Coste-efectividad del cribado individual Coste-efectividad para cribado poblacional

Serrano-Aguilar P, Abreu R, Antón L,Ramallo Y, Artal C, Gómez-Ulla F, Nadal J

pserrano@gobiernodecanarias.orgServicio de Evaluación del Servicio Canario de Salud

Gracias