Desarrollo y Análisis de los sistemas portátiles para retinografías en el cribado de la Retinopatía Diabética con la integración de la Inteligencia Artificial.

Abstract

La diabetis mellitus (DM) és una malaltia metabòlica crònica que pot provocar complicacions oculars com la retinopatia diabètica (RD) i l’edema macular diabètic (EMD), principals causes prevenibles de ceguesa en adults en edat laboral. La seva detecció precoç mitjançant retinografia i telemedicina ha demostrat ser eficaç, tot i que en l’atenció primària (AP) la cobertura continua sent baixa, especialment en zones rurals. Aquesta tesi analitza la implementació de noves estratègies de cribratge de la RD en AP mitjançant dispositius portàtils i algoritmes d’intel·ligència artificial (IA). L’objectiu principal ha estat avaluar la manejabilitat de dos sistemes portàtils de captura d’imatges el telèfon intel·ligent Vista View® i la càmera Smartscope Aurora®juntament amb l’algoritme d’IA MIRA®, comparant-los amb el retinògraf no midriàtic Topcon®. Es van realitzar més de 4,260 retinografies a l’Hospital Sant Joan de Reus i més de 851 al CAP Vinyets. La qualitat de la imatge, la facilitat d’ús i l’eficàcia diagnòstica d’aquests dispositius van ser avaluades per especialistes en retina i medicina de família. El MIRA® va ser entrenat amb més de con 103,815 imatges retinals i validat tant amb bases de dades públiques com amb cohorts locals. L’algoritme va mostrar una alta sensibilitat per detectar RD derivable, obtenint resultats comparables a tecnologies aprovades per la FDA i el marcatge CE. A més, es va explorar l’ús de l’algoritme predictiu Retinogram®, que permet personalitzar el cribratge en funció del risc clínic. Els resultats van demostrar que els dispositius portàtils, especialment el Smartscope Aurora®, ofereixen una qualitat diagnòstica comparable als mètodes tradicionals, i que la IA pot integrar-se en entorns d’AP. La implementació d’aquesta tecnologia milloraria l’accés al cribratge, optimitzant recursos i permetent una detecció més precoç de la RD derivable, contribuint a preservar la visió en la població diabètica.

La Diabetes Mellitus (DM) es una enfermedad metabólica crónica que puede causar complicaciones oculares como la retinopatía diabética (RD) y el edema macular diabético (EMD), principales causas prevenibles de ceguera en adultos en edad laboral. Su detección precoz mediante retinografía y telemedicina ha demostrado ser eficaz, aunque en atención primaria (AP) la cobertura sigue siendo baja, especialmente en áreas rurales. Esta tesis analiza la implementación de nuevas estrategias de cribado de RD en AP mediante dispositivos portátiles y algoritmos de inteligencia artificial (IA). El objetivo principal fue evaluar la manejabilidad de dos sistemas portátiles de captura de imágenes el smartphone Vista View® y la cámara Smartscope Aurora® junto al algoritmo de IA MIRA®, comparándolos con el retinógrafo no midriático Topcon®. Se realizaron más de de 4,260 retinografías en el Hospital Sant Joan de Reus y más de 851 en el CAP Vinyets. La calidad de imagen, facilidad de uso y eficacia diagnóstica de estos dispositivos fueron evaluadas por especialistas en retina y medicina de familia. MIRA® fue entrenado con más de 103,815 imágenes retinianas y validado tanto con bases de datos públicas como con cohortes locales. El algoritmo mostró alta sensibilidad para detectar RD derivable, obteniendo resultados comparables a tecnologías aprobadas por FDA y CE. Además, se exploró el uso del algoritmo predictivo Retinogram®, que permite personalizar el cribado en función del riesgo clínico. Los resultados demostraron que los dispositivos portátiles, especialmente Smartscope Aurora®, ofrecen una calidad diagnóstica comparable a los métodos tradicionales, y que la IA puede integrarse en entornos de AP. La implementación de esta tecnología mejoraría el acceso al cribado, optimizando recursos y permitiendo una detección más precoz de RD derivable, contribuyendo a preservar la visión en la población diabética.

Diabetes mellitus (DM) is a chronic metabolic disease that can lead to ocular complications such as diabetic retinopathy (DR) and diabetic macular edema (DME), which are among the leading preventable causes of blindness in working-age adults. Early detection through retinography and telemedicine has proven effective, although coverage in primary care (PC) remains low, especially in rural areas. This thesis analyzes the implementation of new DR screening strategies in PC using portable devices and artificial intelligence (AI) algorithms. The main objective was to assess the usability of two portable retinal imaging systems the Vista View® smartphone and the Smartscope Aurora® camera combined with the MIRA® AI algorithm, and compare them to the non-mydriatic Topcon® retinograph. Over de 4,260 retinal images were collected at Sant Joan de Reus University Hospital and more than 851 at CAP Vinyets. Image quality, ease of use, and diagnostic performance of these devices were evaluated by retina and family medicine specialists. MIRA® was trained with over 103,815 retinal images and validated with both public databases and local cohorts. The algorithm showed high sensitivity for detecting referable DR, yielding results comparable to FDA- and CE-approved technologies. Additionally, the predictive algorithm Retinogram® was evaluated, which personalizes screening based on clinical risk factors. Results demonstrated that portable devices, especially Smartscope Aurora®, provide diagnostic image quality comparable to conventional methods, and that AI can be integrated into PC settings. Implementing this technology would improve screening accessibility, optimize healthcare resources, and enable earlier detection of referable DR, ultimately helping to preserve vision in the diabetic population.