IA y glaucoma: un proyecto de apoyo al análisis de imágenes

El glaucoma puede dañar el nervio óptico y causar pérdida de visión. La cifra global de discapacidad visual citada por la OMS no se refiere solo al glaucoma: al menos 2.200 millones de personas tienen dificultades de visión de cerca o de lejos y, en al menos 1.000 millones de casos, la discapacidad podría haberse evitado o aún no se ha atendido.

OMS: discapacidad visual

Corrección editorial, 25 de octubre de 2026: se corrigen las unidades de la cifra original y su atribución al glaucoma. El proyecto conserva su contexto de publicación de 2022.

Este artículo describe una propuesta de investigación que utiliza imágenes oculares y redes neuronales para explorar el apoyo al análisis clínico. Los resultados de un conjunto de datos no bastan para establecer un diagnóstico ni para demostrar que una herramienta funciona en otros centros o poblaciones.

¿Cómo se procesaron las imágenes?

Las imágenes de fondo de ojo se utilizaron para entrenar la red neuronal. Tras la revisión de especialistas, se organizaron en dos grupos:

- Sospecha de glaucoma
- Pacientes considerados sanos
También se registró el número total de imágenes; no constituye una tercera clase.

Antes de entrenar el modelo se descartaron las imágenes defectuosas.

Jupyter Notebook

En el caso del estudio llevado a cabo en la Universidad Politécnica Salesiana, se utilizó Python en el entorno Jupyter Notebook , que permite ejecutar y documentar código de Python . Es una herramienta de código abierto que necesita un entorno y sus dependencias instalados. Las imágenes se organizaron en carpetas de pacientes sanos y otros con sospecha de glaucoma.

Las imágenes del estudio se recortaron para aislar el disco óptico, la región de interés. El algoritmo de recorte buscaba dos objetivos: primero, que la imagen quedara normalizada con forma aproximadamente cuadrada y, segundo, que tuviera la región de interés centrada.

Algoritmo utilizado para recortar las imágenes.

Después se homogeneizó el tamaño de las imágenes. Una parte se destinó al entrenamiento del clasificador y otra se reservó para evaluar sus predicciones mediante una matriz de confusión.

Búsqueda de soluciones óptimas

La propuesta muestra cómo preparar imágenes y entrenar un clasificador. Para valorar su utilidad clínica harían falta una evaluación independiente, datos representativos y la revisión de profesionales sanitarios. El rendimiento depende de la calidad de los datos, del diseño del modelo y de cómo se separan los conjuntos de entrenamiento y prueba; una precisión alta por sí sola no demuestra seguridad clínica.

Si quieres formar parte de la búsqueda de soluciones óptimas, no dudes en comenzar o continuar tu formación en Inteligencia Artificial con nosotros. Consulta los cursos de Saturdays.AI y elige el que más te guste en nuestra web.

Bibliografía

1.-Buri Abad, Edison Arturo. Procesamiento de imágenes digitales del fondo de ojo con el uso de inteligencia artificial para brindar una herramienta de soporte de diagnóstico presuntivo del glaucoma humano. Feb-2022.

2.-Mayo Clinic. Glaucoma. Consultar en: https://www.mayoclinic.org/es-es/diseases-conditions/glaucoma/symptoms-causes/syc-20372839#:~:text=El%20glaucoma%20es%20un%20grupo,personas%20mayores%20de%2060%20a%C3%B1os.

Written by

Eva Arnall

Saturdays.AI

Saturdays.AI es una organización centrada en el impacto con la misión de capacitar a diversas personas para que aprendan Inteligencia Artificial de una manera colaborativa y basada en proyectos, más allá del camino convencional de la educación tradicional.