AÑO: 2021

Miembros de equipo:

Resumen: 

La diabetes da lugar a muchos problemas, entre ellos la Retinopatía Diabética (RD), que se relaciona con la pérdida de la visión. La RD ocurre debido a la presencia de altos niveles de glucosa en la sangre, lo que daña los pequeños vasos sanguíneos presentes en la retina. La RD puede expresarse como el daño causado a los vasos sanguíneos de la retina debido a complicaciones de la diabetes, lo que conduce a la pérdida de visión posteriormente (que en este caso es irreversible). El screening de retina es una posible solución para el diagnóstico del daño causado a la retina en etapas iniciales. Para estudiar la RD, los oftalmólogos a menudo consideran las imágenes del fondo de ojo en color, teniendo en cuenta varios elementos relacionados con la retinopatía diabética, como hemorragias, microaneurismas, exudados duros y blandos.  Para estudiar estos elementos, en este trabajo se pretende utilizar por primera vez aprendizaje neuro-evolutivo para una mejor detección de retinopatía diabética en imágenes de fondo de ojo. Los algoritmos neuro-evolutivos, son una forma de inteligencia artificial que utiliza algoritmos evolutivos para optimizar parámetros, topología y reglas de redes neuronales artificiales

Introducción

El screening previo de la retinopatía diabética es esencial para evitar mayores dificultades y controlar la progresión de la enfermedad. El descubrimiento de lesiones en las imágenes del fondo del ojo también puede contribuir a la detección de la retinopatía diabética en estados tempranos. En este sentido este trabajo tiene el siguiente objetivo general: Desarrollar una herramienta válida de asistencia al profesional de salud en la detección y el diagnóstico de la retinopatía diabética basado en un enfoque de aprendizaje neuro-evolutivo.

Para los lograr el objetivo general se pretende alcanzar los siguientes objetivos específicos:

• Establecer un protocolo de adquisición de imágenes de fondo de ojo.
• Analizar y evaluar diferentes técnicas de extracción de características de imágenes de las lesiones de fondo de ojo.
• Analizar y evaluar diferentes técnicas de inteligencia artificial para la clasificación de imágenes de fondo de ojo.
• Desarrollar un algoritmo basado en aprendizaje neuro-evolutivos según características propias de lesiones de retinopatía diabética encontradas en el fondo de ojo.
• Comparar la clasificación obtenida por el algoritmo propuesto con la clasificación realizada por algoritmos clásicos y el oftalmólogo.

Materiales y Métodos:

Actualmente se está trabajando en los tres primeros objetivos específicos. Para la adquisición de imágenes de fondo de ojos, el procedimiento que se realiza a los pacientes que acuden al servicio de Retina, dependiente de la Cátedra de Oftalmología del Hospital de Clínicas FCM – UNA, es el siguiente:

1. Los pacientes son entrevistados y sus datos registrados en una ficha precodificada de estudio.
2. Aplicación de colirios midriáticos. Se aplica una gota de Fotorretin (Fenilefrina 5% y tropicamida 0,5% Laboratorio Poen, Argentina) cada 15 minutos en cada ojo por 2 veces. Luego de 30 minutos y al constatarse dilatación pupilar completa se realizará el examen en una habitación a oscuras con retinógrafo Visucam 500 (Carl Zeiss Meditec, Dublin, CA). El paciente se sienta frente al equipo y apoya de manera correcta frente y mentón.
3. Captura de retinografías en ambos ojos. Se captura una imagen retiniana de cada ojo utilizando un Retinógrafo marca Zeiss, modelo Visucam 500.
4. Seguidamente se realiza un examen fundoscópico con oftalmoscopio indirecto y lupa de 20D, con la consecuente estadificación de la retinopatía diabética y consignación en su ficha. Tanto la base de datos de imágenes como el protocolo de captura de las mismas serán sometidas a la revista Data in Brief de la editorial Elsevier como artículo titulado “Database from fundus images for the study of diabetic retinopathy”, a fin de diponibilizarlos a la comunidad científica.

A medida que se están obteniendo las imágenes se analizan y evalúan algoritmos de mejora de contraste de la imagen y técnicas de inteligencia artificial para el diagnóstico automático de RD.

Conclusiones:

Actualmente se cuenta con un protocolo de adquisición de imágenes de fondo de ojo, con la cual se han capturado un conjunto de imágenes. Se ha propuesto un nuevo algoritmo de mejora de contraste de imágenes de retina, y se están probando algoritmos de inteligencia artificial para el diagnóstico automático con resultados preliminares bastante prometedores.

Descargar PDF