La retinopatía diabética (RD) y la degeneración macular asociada a la edad (DMAE) son dos de las patologías más comunes que provocan daño en la retina. Ambas pueden estar directamente relacionadas con la ceguera y el deterioro de la visión, con lo que su detección temprana resulta fundamental.
Con el objetivo de facilitarla, un equipo de investigadores de la Universitat Politècnica de València (UPV) ha desarrollado, a escala de laboratorio, un nuevo sistema de análisis de fondo de retina que ayudaría a detectar, de forma automática y en su fase temprana, las lesiones que caracterizan estas enfermedades: exudados y microaneurismas, en la retinopatía diabética, y drusas en el caso de la degeneración macular asociada a la edad.
Descriptores de imagen y modelos de predicción
El sistema se compone de descriptores de imagen extraídos localmente y modelos de predicción entrenados con algoritmos avanzados de aprendizaje automático (machine learning). A partir de estas herramientas, es capaz de analizar de forma precisa y rápida las imágenes de retinas.
El proceso es sencillo: el algoritmo detecta la textura, morfología y complejidad del fondo de ojo, y diferencia automáticamente aquellas imágenes patológicas de aquellas saludables, localizando los signos de cada una de las enfermedades.
Disminución de carga de trabajo de profesionales y costes asociados al diagnóstico
Actualmente, la detección de estas patologías se lleva a cabo de forma manual, su evaluación es totalmente subjetiva y requiere de un gran conocimiento y experiencia por parte del especialista médico.
Adrián Colomer, investigador del Computer Vision and Behaviour Analysis Lab-i3B de la UPV, explica que el nuevo sistema "ayudaría a los profesionales médicos a discernir casos patológicos de lo que no lo son, disminuyendo su carga de trabajo y reduciendo el coste asociado a este diagnóstico".
Los últimos resultados del trabajo desarrollado por los investigadores de la UPV han sido publicados en la revista Journal of Computational and Applied Mathematics.
Noticias destacadas