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

Un proyecto de análisis de imágenes oculares con redes neuronales: cómo se preparan los datos y qué límites tiene su uso como apoyo clínico.

Uso de inteligencia artificial de soporte de diagnóstico presuntivo del glaucoma humano

Este archivo incluye traducciones automáticas. El audio, el vídeo y el texto de las imágenes conservan su idioma original.

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 llevaría a cabo el procesamiento de imágenes y software?

Una vez adquirimos las distintas imágenes de fondo de ojo, estas serán destinadas para el entrenamiento del desarrollo de la red neuronal. La totalidad de éstas, teniendo en cuenta que previamente han sido debidamente analizadas por especialistas y obtenidas de varios centros médicos, se clasifican en:

-Sospecha de enfermedad de glaucoma
-Paciente sano
-Suma total de todas estas

(Descartando previamente por otro lado todas aquellas que habían salido defectuosas)

Jupyter Notebook

En el caso del estudio llevado a cabo en la Universidad Politécnica Salesiana, se utilizó Python con el interpretador de Jupyter Notebook que al ser una extensión de Python no necesitaba de otras descargas de programas adicionales en el PC y tampoco de ningún tipo de licencia. Por tanto, una vez conseguido este procedimiento, las imágenes proporcionadas por parte de diversos centros de medicina que conformaron la base de datos fueron separadas en distintas carpetas siendo estas mismas separadas de nuevo en otras dos: una con la clasificación de los pacientes sanos y otros con sospecha de glaucoma.

Las imágenes, extraídas a partir de un tomógrafo de coherencia óptica, fueron debidamente recortadas hasta conseguir aislar el disco óptico ya que esta es la región de interés para el diagnóstico. Para ello se creó un algoritmo con dos objetivos muy marcados: primeramente, que la imagen fuera normalizada a dimensiones parecidas a las de un cuadrado y segundo, que estas también tuvieran centradas la ubicación de región de interés.

Algoritmo utilizado para recortar las imágenes.

Posteriormente, a fin de poder procesar estas imágenes correctamente se trató que todas fueran del mismo tamaño para agilizar el proceso. Seguidamente, fueron clasificadas en dos carpetas distintas (sospecha y sano) para entrenar correctamente a la red convolucional y reservando por otra parte las que serían usadas para la prueba de la 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

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.

DE LA CURIOSIDAD A LA PRÁCTICA

Tu próximo paso empieza aquí.

Lleva una idea a la práctica o encuentra personas con las que seguir aprendiendo.

Recibe nuevas historias en tu lector RSS ↗

Una historia de la comunidad Saturdays.AI. Publicada originalmente el 2 may 2022.

← Más historias de la comunidad