M. Olivera¹, C. Méndez Mangana², G. Santolària Rossell^†, Antón Barraquer Kargacin³

¹Complejo Hospitalario Universitario Insular Materno Infantil-Instituto Canario de la Retina. Las Palmas de Gran Canaria. 
²Centro de ojos de La Coruña.
³Centro de Oftalmología Barraquer. Barcelona.

Maximiliano Olivera
E-mail: mxolivera@gmail.com

Mediante las herramientas de aprendizaje profundo sin código (CFDL, code-free deep learning), es posible desarrollar algoritmos con desempeño similar a los desarrollados de forma manual mediante la programación de redes neuronales, pero en este caso, sin la necesidad de programar código. Los sistemas basados en la nube, accesibles desde cualquier ordenador, a través de una simple interfaz web, hacen posible el desarrollo de estos algoritmos.
Grupos internacionales han analizado múltiples aplicaciones de esta técnica, especialmente en retinografías, pero nuestro grupo se encuentra probando los límites de esta técnica aplicados a la angiografía por tomografía de coherencia óptica (OCTA) y fotografías del segmento anterior para la detección del fracaso del injerto con interesantes resultados. Sin duda, el desarrollo de estas nuevas tecnologías hace más accesible el mundo de la inteligencia artificial (IA) a grupos de investigación más diversos, y son un importante paso en dirección de la democratización de la atención sanitaria.

Mitjançant eines de code-free deep learning (CFDL) és possible desenvolupar algorismes amb rendiments similars als desenvolupats de forma clàssica mitjançant la programació manual de xarxes neuronals, però en aquest cas sense la necessitat de programar codi. Per mitjà de sistemes basats en el núvol, accessibles des de qualsevol ordinador, amb una simple interfície web és possible el desenvolupament d’aquests.
Grups internacionals han analitzat diverses aplicacions d’aquesta tècnica, especialment en retinografies, però el nostre grup està experimentant amb els límits d’aquesta tècnica aplicats a l’OCTA i fotografies del segment anterior per a la detecció del fracàs de l’implant amb resultats interessants. Sens dubte, el desenvolupament d’aquestes noves tecnologies fa de fàcil accés el món de la IA a grups de recerca més diversos i són un pas important en direcció a la democratització de l’atenció sanitària.

Using code-free deep learning (CFDL) tools, it is possible to develop algorithms with performances similar to those developed classically through manual programming of neural networks, but in this case without the need to program code, using cloud-based systems, accessible from any computer, through a simple web interface.
International groups have analyzed several applications of this technique, especially in retinography, but our group is experimenting with the limits of this technique applied to OCTA and photographs of the anterior segment for the detection of implant failure with interesting results. Undoubtedly, the development of these new technologies makes the world of AI easily accessible to more diverse research groups and are an important step in the direction of the democratization of healthcare.