La detección de la retinopatía diabética (RD) con examen del fondo de la retina es efectiva y rentable para prevenir la pérdida de la visión, pero, a pesar de esto, las tasas de detección siguen siendo bajas. La detección de la retinopatía es especialmente intensiva en recursos humanos, y la telemedicina se ha propuesto como una forma de hacer que la detección de la retina sea más accesible para todas las personas con diabetes. Los métodos actuales de detección de telemedicina requieren una interpretación hábil de las imágenes del fondo de la retina, lo que aumenta la carga de recursos humanos, por lo que se necesitan nuevas formas de procesar los datos de esta imagen. Crowdsourcing es una forma novedosa de procesamiento de datos que aprovecha la inteligencia humana y el reconocimiento de patrones para categorizar imágenes.
PROGRAMAS DE TELESALUD
Los programas de telesalud que utilizan la fotografía de fondo no midriático y la interpretación remota se están expandiendo, especialmente en entornos rurales y remotos, y se han convertido en un método para aumentar el cumplimiento de las recomendaciones de detección de DR. 1-3 Además de mejorar la captación de exámenes, la telesalud puede proporcionar formas de reducir los costos de proveedores, pagadores y sociales. 4-6 El costo de la interpretación de la fotografía del fondo de ojo para la prueba de DR puede ser alto dado los protocolos de interpretación que requieren mucha mano de obra y la necesidad de interpretar múltiples imágenes por paciente. Se han desarrollado técnicas de análisis de imágenes semiautomatizadas y computarizadas que probablemente podrán reducir la carga de trabajo de los médicos y los costos de detección en un futuro cercano, 7-9 ; sin embargo, en este momento, estos métodos no están aprobados por la Administración de Drogas y Alimentos de los EE. UU. ni se usan ampliamente en forma clínica. A medida que continúe la expansión de la telesalud, se necesitarán métodos novedosos y de bajo costo para interpretar el gran volumen de imágenes de fondo de ojo esperado debido a la creciente incidencia de la diabetes.
¿QUÉ ES CROWDSOURCING?
Darren C. Brabham, PhD, define el crowdsourcing como “un modelo de producción y resolución de problemas distribuido en línea que aprovecha la inteligencia colectiva de las comunidades en línea para cumplir objetivos organizacionales específicos“. 10 Un subconjunto del crowdsourcing, que el Dr. Brabham denomina “humano distribuido”. la tarea de inteligencia “puede implicar subdividir tareas más grandes en porciones pequeñas y luego reclutar a un grupo de individuos para completar cada una de estas porciones pequeñas, completando así toda la tarea.
El uso del crowdsourcing en la investigación inicialmente floreció en las ciencias del comportamiento, y varios grupos de investigación biomédica han adoptado estos métodos para la investigación en salud pública. 11 Crowdsourcing también se puede utilizar para interpretar imágenes médicas. Por ejemplo, los investigadores de la malaria han creado un juego basado en la web para reclutar usuarios de Internet sin capacitación para identificar parásitos de la malaria en imágenes de frotis de sangre espesa. 12 Los investigadores lograron índices de precisión similares a los de los microscopistas expertos al combinar los análisis de varios usuarios. El crowdsourcing también se ha utilizado para clasificar las fotografías de fondo de ojo con una variedad de diagnósticos como normal o anormal. 13 En un ensayo realizado en el Reino Unido con graduadores no capacitados, la sensibilidad fue del 96% o más para los hallazgos anormales graves y entre el 61% y el 79% para los poco anormales. 13
Figura. Los turcomanos utilizan esta interfaz para determinar si una fotografía de fondo de ojo en particular muestra evidencia de enfermedad.
SITIOS WEB DE CROWDSOURCING
Hay varios sitios web independientes dedicados al crowdsourcing. Uno de estos sitios web, Zooniverse.org, permite a los usuarios participar en la “ciencia ciudadana virtual” de forma voluntaria. 14 Amazon.com ha desarrollado un conocido sitio basado en tarifas para el crowdsourcing: Amazon Mechanical Turk (AMT). AMT es un mercado de inteligencia humana distribuida en línea que permite el acceso a miles de usuarios registrados que pueden realizar rápidamente tareas pequeñas y discretas por pequeñas cantidades de dinero. Las tareas típicas de AMT incluyen categorizar fotos, proporcionar traducciones o escribir artículos muy cortos para sitios web. AMT tiene su propio vocabulario utilizado por los trabajadores (llamados turkers ) y los administradores de tareas (llamados solicitantes ). Una tarea de inteligencia humana (HIT) es un trabajo pequeño que se puede realizar en cuestión de segundos o minutos y, una vez aprobado por el solicitante, puede pagar $ 0.01 a $ 0.25 o más por tarea, dependiendo de la complejidad del HIT. Un grupo de HIT similares se denomina lote . Dependiendo de la complejidad de la tarea y del pago ofrecido por el solicitante, un lote a menudo se completa dentro de los minutos u horas de publicación.
Dada la pequeña remuneración por cada HIT individual, es interesante considerar por qué una persona puede elegir realizar estas tareas a conciencia. AMT es una economía basada en la reputación en la que los turkers solo pueden acceder a los HIT más deseables (es decir, los más interesantes y mejor pagados) una vez que tienen un historial suficiente de trabajos previamente aceptados. 15 De hecho, la reputación de un turquero sufrirá después del rechazo de incluso un pequeño número de HIT, y por esta razón los turkers de alta calidad pueden evitar los HIT de un nuevo solicitante hasta que el solicitante haya demostrado su propia imparcialidad al aprobar y rechazar el trabajo. AMT es un ecosistema complejo en el que se recompensa tanto el trabajo de alta calidad por parte de los turkers como la equidad por parte de los solicitantes.
Los turcomanos realizan su trabajo de forma anónima, pero se han realizado estudios demográficos. En una encuesta de 1000 turkers, Ipeirotis encontró que el 46.8% de los turkers estaban ubicados en los Estados Unidos, el 34% en la India y el 19.2% restante de otros 64 países. 16 En los Estados Unidos, la mayoría de los trabajadores eran mujeres, la mayoría de los cuales informaron que la AMT era una fuente de ingresos suplementarios, mientras que la mayoría de los trabajadores en la India eran hombres y reportaron que la AMT era su principal fuente de ingresos. En todas las naciones, los turkers eran más jóvenes y mejor educados que la población general de usuarios de Internet. dieciséis
En un estudio de prueba de concepto, demostramos que los turkers pueden identificar con rapidez y precisión las fotografías del fondo de ojo de los pacientes con RD. 17 Para este estudio, creamos una interfaz personalizada (Figura) que permitió a los turkers revisar varias imágenes de entrenamiento que describen un fondo de ojo normal y las diversas características patológicas de la RD. En la misma página, a los turkers se les presentó una de las 19 imágenes de enseñanza y se les pidió que calificaran el fondo como normal o anormal. Los turcomanos pasaron un promedio de 25 segundos, incluido el tiempo dedicado a ver las imágenes de entrenamiento, y fueron correctos el 81.3% del tiempo. Usando la retroalimentación de nuestros lotes iniciales, se mejoró la interfaz web y también se mejoró la precisión del turker. Un experimento separado confirmó que solicitar 10 interpretaciones independientes y usar el promedio para el “grado” final era una estrategia adecuada para identificar correctamente la DR en los pacientes. Cuando se les pidió que calificaran imágenes de un conjunto de datos público mucho más grande con una enfermedad más sutil, 18,19 turkers identificaron con éxito las imágenes como anormales cuando estaba presente una enfermedad moderada a grave, pero tuvieron menos éxito en la identificación de una enfermedad muy leve (es decir, ≤5 microaneurismas) como anormal . 20
BENEFICIOS DEL CROWDSOURCING
Hay varios beneficios potenciales en el uso del crowdsourcing para la interpretación de datos visuales en oftalmología. En primer lugar, se necesita un sistema económico, rápido y preciso para reducir la cantidad de imágenes que requieren una calificación por parte de humanos en evaluaciones de salud pública grandes. Un enfoque que identifique con precisión la enfermedad normal (o muy leve) en las fotografías del fondo de ojo sería de gran valor y podría reducir la carga del calificado calificador en un 26% a 38% o más, según algunos investigadores que utilizan programas de inteligencia artificial (AI). 9 Actualmente se está haciendo un primer paso para eliminar imágenes normales con una solución de AI en el programa nacional de detección de Escocia. 21 Si se valida adecuadamente, el crowdsourcing podría proporcionar un servicio similar a un costo menor y con menos infraestructura en entornos de escasos recursos.
De manera más abstracta, el crowdsourcing podría proporcionar un complemento a los esfuerzos de desarrollo de AI y las tecnologías de visión artificial. Existe la necesidad de datos de “verdad fundamental” en el desarrollo de algoritmos de visión por computador, y el crowdsourcing podría usarse para clasificar fotografías de fondo y posiblemente otras salidas de imágenes, que luego podrían usarse para probar y mejorar los algoritmos de IA.
Un beneficio adicional no anticipado del análisis biomédico de imágenes mediante crowdsourcing es que podría aumentar la conciencia sobre la enfermedad en cuestión. Debido a que nuestros HIT permitieron a los turkers dejar comentarios, pudimos capturar comentarios como, “Aprendí [sic] poco sobre la diabetes”, “Me gustó mucho ver las fotos del ojo, muy interesantes” y “Este éxito” fue muy bueno y un buen descanso de todas las encuestas burbujeantes. ¡Gracias! ”, Lo que sugiere un interés en el tema tal vez más allá de los HIT no científicos o no científicos.
Comentarios recientes