Determinación de la concordancia del daño del nervio optico entre un Glaucomatologo y un algoritmo de aprendizaje

Propósito: Determinar la concordancia entre la interpretación de las fotos a color de polo posterior de un especialista en glaucoma y un algoritmo de aprendizaje no supervisado para determinar el daño del nervio óptico. Metodología: Se realizó un estudio de concordancia diagnóstica entre la interpretación de las fotos a color de polo posterior de un especialista en glaucoma y un algoritmo de aprendizaje no supervisado con respecto a la identificación del daño del nervio óptico según el sistema de clasificación de Armaly y usando el coeficiente de kappa de Cohen. Resultados: El algoritmo de aprendizaje no supervisado evaluó 689 fotos a color de polo posterior, clasificadas como con nervio óptico sano (sin daño) y con daño leve, moderado y severo. Posteriormente un clasificador K-means, agrupó las características extraídas en los cuatro grupos mencionados y se obtuvo un coeficiente kappa de Cohen de 0.037. Cuando se clasificaron las imágenes en dos grupos, sanos y con daño, se evidenció un estadístico kappa para la clasificación dicotómica de 0.03. Conclusión: El Algoritmo de aprendizaje no supervisado usado para la clasificación de daño del nervio óptico en fotos a color de polo posterior, mostró una mala concordancia con la realizada por el especialista en glaucoma según el sistema de clasificación de Armaly.

• Fecha de publicación: 2021
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: spa
• OAI Identifier: oai:repository.urosario.edu.co:10336/30989
• Acceso en línea: https://doi.org/10.48713/10336_30989; https://repository.urosario.edu.co/handle/10336/30989
• Palabra clave: Uso de algoritmos de aprendizaje no supervisados en diagnostico medico; Diagnóstico del daño del nervio óptico; Tecnología médica; Interpretación de fotos a color de polo posterior en detección de daño óptico; Daño del nervio óptico según clasificación de Armaly; Medicina experimental; Use of unsupervised learning algorithms in medical diagnosis; Diagnosis of optic disc damage; Medical technology; Interpretation of back pole color photos in detection of optical disc damage; Optic nerve damage according to Armaly classification
• License: Abierto (Texto Completo)