medigraphic.com
ISSN 1561-3070 (Digital)

2021, Número 2

<< Anterior Siguiente >>

Rev Cub Oftal 2021; 34 (2)


Impacto de la inteligencia artificial en la cirugía de catarata desde una perspectiva social

Hernández LI, Cárdenas DT

Idioma: Español
Referencias bibliográficas: 20
Paginas: 1-14
Archivo PDF: 333.33 Kb.


RESUMEN

El presente trabajo aborda el uso de la inteligencia artificial en la cirugía de catarata y la incursión de Cuba en este campo. La inteligencia artificial tiene como objetivo dotar a un agente con la capacidad de tomar decisiones correctas. Dentro de los campos de la inteligencia artificial se encuentra el aprendizaje de máquinas cuyo propósito es entrenar a las computadoras para aprender de un conjunto de datos las decisiones que han de tomar, dada una situación específica. Uno de los métodos más utilizados para el entrenamiento y el aprendizaje de máquinas es el desarrollo de redes neuronales artificiales. Desde un enfoque social, se explica cómo la influencia sobre el resultado visual que puede lograrse con esta tecnología repercute en el individuo y la sociedad, y se resaltan las ventajas y las desventajas de su utilización.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Expósito Gallardo MC, Ávila Ávila R. Aplicaciones de la inteligencia artificial en la Medicina: perspectivas y problemas. ACIMED [Internet]. 2008 [acceso:13/04/2021];17(5). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1024-94352008000500005

  2. Haigis W. Challenges and approaches in modern biometry and IOL calculation. Saudi J Ophthalmol. 2012;26(1):7-12.

  3. Barroso Lorenzo R, Miranda Hernández I, Hernández Silva JR, Núñez Larin Y, Rojas Álvarez E. Enfoque filosófico del impacto de la cirugía refractiva ocular. Rev Cubana Oftalmol [Internet]. 2014 [acceso:13/04/2021];27(2):283-93. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21762014000200013

  4. Melles RB, Holladay JT, Chang WJ. Accuracy of Intraocular Lens Calculation Formulas. Ophthalmology [Internet]. 2017;1-10.

  5. Ladas J, Siddiqui A, Devgan U, Jun A. A 3-D "Super Surface" Combining Modern Intraocular Lens Formulas to Generate a "Super Formula" and Maximize Accuracy. JAMA Ophthalmol. 2015;133(12):1431-6.

  6. Rusell SJ, Norvig P. Artificial Intelligence A Modern Approach. Hirsch M, editor. Nueva Jersey: Pearson Education; 2010.

  7. Wang Y, Zhang Y, Yao Z, Zhao R, Zhou F. Machine learning based detection of age-related macular degeneration and diabetic macular edema from optical coherence tomography images. Biomed Opt Express. 2016;7(12):4928.

  8. Zhang L, Suganthan PN. A Survey of Randomized Algorithms for Training Neural Networks. Inf Sci. 2016;364:146-55.

  9. Barros SR. Hill-RBF method: where does it stand? Rev Soc Portug Oftalmol. 2018;42(1). DOI: https://doi.org/10.48560/rspo.13052

  10. Bethke W. New thinking on IOL calculations. Review of Ophthalmology; 2016 [access: 2017/09/29]. Available from: https://www.reviewofophthalmology.com/article/new-thinking-on-iol-calculations

  11. Van Wel L, Royakkers L. Ethical issues in web data mining. Ethics Inf Technol. 2004;6(2):129-40.

  12. Fernández-Álvarez JC, Hernández-López I, Cruz-Cobas PP, Cárdenas-Díaz T, Batista-Leyva AJ. Using a multilayer perceptron in intraocular lens power calculation. J Cataract Refract Surg. 2019;45(12):1753-61.

  13. Carracedo Miranda A, Hernández Silva JR, Padilla González CM, Ramos López M, Ríos Cazo R, Río Torres M. Personalización de las fórmulas de cálculo de la lente intraocular. Rev Cubana Oftalmol [Internet]. 2012 [acceso:13/04/2021];25. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21762004000200007

  14. Kapoor R, Walters SP, Al-Aswad LA. The current state of artificial intelligence in ophthalmology. EE.UU.: Surv Ophthalmol; 2019;64:233-40.

  15. Clarke GP, Burmeister J. Comparison of intraocular lens computations using a neural network versus the Holladay formula. J Cataract Refract Surg. 1997;23:1585-9.

  16. Findl O, Struhal W, Dorffner G, Drexler W. Analysis of nonlinear systems to estimate intraocular lens position after cataract surgery. J Cataract Refract Surg. 2004;30(4):863-6.

  17. Hill WE. IOL Power Selection by Pattern Recognition. ASCRS EyeWorld Corporate Education; 2016.

  18. Hill WE. Hill-RBF Calculator Instructions for Use [Internet]. Hill-RBF Calculator; 2016 [acceso:13/04/2021]. Disponible en: https://rbfcalculator.com/docs/Hill-RBF-Calculator-Instructions.pdf

  19. Shu D, Ting W, Pasquale LR, Peng L, Campbell JP, Lee AY, et al. Artificial intelligence and deep learning in ophthalmology. Br J Ophthalmol. 2018;1-9.

  20. Hamet P, Tremblay J. Artificial intelligence in medicine. Metabolism. 2017;69:S36-40.




2020     |     www.medigraphic.com