Los pacientes respaldan el cribado de retinopatía diabética con IA bajo supervisión médica
Un estudio en 100 adultos con diabetes halló una amplia aceptación del cribado de retinopatía diabética basado en IA, aunque la mayoría de los participantes quería supervisión médica. Los hallazgos surgen mientras las herramientas de IA avanzan cada vez más en la atención comunitaria de la diabetes.
El cribado de retinopatía diabética totalmente autónomo basado en inteligencia artificial puede ampliar el acceso a la atención y mejorar el cribado de retinopatía diabética entre las poblaciones desatendidas, especialmente en entornos con recursos limitados. En un estudio de adultos con diabetes en un centro médico académico urbano, los participantes se mostraron en general cómodos con el uso de la IA como parte del examen ocular, pero la mayoría confiaría más en la IA si estuviera supervisada por un médico y no creía que el cribado de RD basado en IA pudiera sustituir una visita al médico.
Se reclutó a adultos con diabetes para someterse a la obtención de imágenes con una cámara de fondo de ojo con IA portátil y responder a una encuesta sobre conocimiento de la IA en la atención sanitaria, confianza en los sistemas de IA, eficiencia percibida de la IA, preferencias de interacción personal y receptividad general hacia la IA en el cribado de retinopatía diabética. En total, se incluyeron 100 participantes, con una edad media de 60 años; el 52% eran mujeres; el 24% eran hispanos, el 20% negros no hispanos, el 31% blancos no hispanos y el 25% de otros grupos.
La mayoría de los participantes conocía la IA (78%) y su uso en la atención sanitaria (70%), pero menos conocían su aplicación en enfermedades oculares (46%). La mayoría creía que la IA podría mejorar la precisión y proteger la confidencialidad, ambas con un 77%, aunque el 83% prefería supervisión médica y confiaría más en la IA si estuviera supervisada por un médico. En general, el 76% se sentía cómodo con la IA como parte del examen ocular y el 92% estaba satisfecho con el cribado basado en IA.
A pesar de ello, solo el 31% consideró que la IA podría sustituir una visita al médico y el 94% creía que los médicos siempre seguirán siendo responsables del diagnóstico, incluso si la IA estuviera evaluando las exploraciones. El estudio concluyó que la implementación del cribado de retinopatía diabética autónomo basado en IA debe abordar la discordancia entre el uso previsto del cribado con IA totalmente autónoma y la comprensión de los participantes sobre lo que ese papel significaría para los médicos.
El estudio señaló que la retinopatía diabética es una de las principales causas de ceguera en adultos en edad laboral y que la detección precoz con intervención oportuna es fundamental para prevenir la pérdida de visión. La detección de retinopatía diabética totalmente autónoma basada en IA fue aprobada por la FDA en Estados Unidos en 2018 y tiene el potencial de mejorar de forma drástica las tasas de cribado y reducir la ceguera prevenible.
De forma más amplia, los enfoques impulsados por IA para la atención comunitaria de la diabetes están empezando a aportar apoyo a la toma de decisiones, información más temprana y herramientas prácticas directamente a la atención primaria y a los entornos comunitarios. Las herramientas habilitadas por IA pueden apoyar el cribado, la estratificación del riesgo y el automanejo directamente en entornos comunitarios, siempre que se implementen de manera reflexiva y equitativa. El artículo señaló que las aplicaciones y plataformas habilitadas por IA se utilizan cada vez más para apoyar decisiones diarias relacionadas con la nutrición, la actividad física, la adherencia a la medicación y el control de la glucosa, mientras que las herramientas de IA conversacional pueden ofrecer educación personalizada en lenguaje sencillo.
El análisis más amplio sobre la atención comunitaria también señaló que las herramientas de IA deben validarse en poblaciones diversas para evitar reforzar las desigualdades existentes, y que la transparencia y la evaluación continua son esenciales para garantizar un apoyo al cribado justo y eficaz. Pacientes y médicos deben comprender cómo se generan las recomendaciones y cómo se utilizan los datos, mientras que se necesitan marcos de gobernanza claros para definir la responsabilidad cuando la IA influye en las decisiones asistenciales.