Artículo IPTC: Detección temprana del Glaucoma
El grupo Biomedical Imaging Technologies del Information Processing and Telecommunication Center de la UPM, en colaboración con el Parc de Salut Mar de Barcelona, el Institut Català de Retina de Barcelona y el Centro Universidad Médica Radboud de Nimega (Países Bajos), ha desarrollado una herramienta de telemedicina basada en inteligencia artificial para la detección automática de indicios de glaucoma a partir de retinografías. El uso de esta tecnología en campañas de detección de patologías oculares permitiría el diagnóstico temprano de una de las enfermedades que causan más discapacidad visual en España, con un 2,1% de prevalencia en mayores de 40 años. El proyecto que ha dado lugar a la publicación ha sido financiado por el Instituto de Salud Carlos III y liderado por Alfonso Antón del Parc de Salut Mar. Según señala Mª Jesús Ledesma, investigadora de IPTC-UPM, experta en imagen biomédica: “hasta ahora, en el caso del glaucoma, los algoritmos de aprendizaje automático que se han utilizado se basaban en la identificación de parámetros y ratios de medidas del disco óptico que permitieran entrenar al método antes de ser aplicado. Este proceso, largo y costoso”, continúa, “ha sido sustituido en los últimos años por nuevas técnicas en las que se sustituye el trabajo de etiquetado y procesamiento anterior (complejo y difícilmente automatizable) por un aumento en la complejidad de los algoritmos, con muchas más etapas intermedias de procesamiento”. En las primeras fases, el grupo deI IPTC-UPM implementó una herramienta de telemedicina que permitió recoger y evaluar los datos de las pruebas oftalmológicas de una campaña de detección de glaucoma con más de mil pacientes. En una segunda etapa del proyecto, el grupo se encargó de realizar una exhaustiva comparación de algoritmos basados en aprendizaje profundo o para la clasificación automática de glaucoma. Por último, una línea que cuenta con resultados preliminares muy prometedores es el estudio de la contribución de la incorporación de datos clínicos adicionales: los resultados muestran que una combinación de datos clínicos junto con las imágenes de fondo de ojo puede suponer una mejora de la sensibilidad y la especificidad de la clasificación.
Más información en: Gómez-Valverde, J. J., Antón, A., Fatti, G., Liefers, B., Herranz, A., Santos, A., Sánchez, C.I., Ledesma-Carbayo, M. J. (2019). Automatic glaucoma classification using color fundus images based on convolutional neural networks and transfer learning. Biomedical optics express, 10(2), 892-913.
