Una colaboración del grupo Biomedical Imaging Technologies (BIT) de la Universidad Politécnica de Madrid (UPM) 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 dado como resultado el desarrollo de una herramienta de telemedicina y un algoritmo basado en inteligencia artificial para la detección automática de indicios de glaucoma a partir de retinografías.
Se conoce por glaucoma a un conjunto de trastornos oculares degenerativos caracterizados por provocar daño en el nervio óptico tanto a nivel estructural como funcional. El glaucoma es la principal causa de pérdida de visión irreversible en la población de entre 40 y 80 años. Debido a que es una enfermedad asintomática en sus primeras etapas, su diagnóstico con frecuencia no se realiza hasta fases avanzadas. Se estima que el porcentaje de casos no diagnosticados supera el 50%.
El estándar de diagnóstico y seguimiento del glaucoma en una consulta de oftalmología es un proceso costoso que incluye la realización de varias pruebas para la obtención de imágenes que son analizadas posteriormente por uno o varios especialistas; entre ellas, imágenes digitales en color del fondo de ojo, o retinografías. La identificación de signos patológicos en estas imágenes de la retina es compleja y requiere formación especializada y años de práctica.
Se conoce por glaucoma a un conjunto de trastornos oculares degenerativos caracterizados por provocar daño en el nervio óptico tanto a nivel estructural como funcional
En este sentido, está demostrado que un diagnóstico y tratamiento temprano del glaucoma pueden prevenir la pérdida de visión, por ello se están desarrollando numerosas investigaciones para estudiar los posibles beneficios de campañas de detección y seguimiento de glaucoma a través de revisiones oftalmológicas, principalmente en población en riesgo, considerando factores como la edad o tener familiares que hubieran sufrido la enfermedad. Además, en paralelo, se han desarrollado múltiples algoritmos para procesar y clasificar automáticamente las imágenes de fondo de ojo y ayudar así en un diagnóstico más preciso.
La reciente irrupción de nuevos algoritmos y sistemas de computación más potentes ha alumbrado una nueva era en la inteligencia artificial y el aprendizaje automático. Bajo el término aprendizaje profundo -o deep learning en inglés- aparece un nuevo conjunto de técnicas especialmente eficaces y eficientes en el procesamiento, análisis y clasificación de todo tipo imágenes.
Según ha señalado Mª Jesús Ledesma, investigadora de la 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, 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 que generalizan el proceso de aprendizaje del programa y aumentan su precisión''.
Está demostrado que un diagnóstico y tratamiento temprano del glaucoma pueden prevenir la pérdida de visión
En los algoritmos conocidos como supervisados, los más habituales, todavía es necesario realizar un etiquetado previo de los conjuntos de imágenes de entrenamiento, pero solo indicando el tipo o grado de avance de la patología. En base a esta información, el algoritmo internamente se encargará de aprender los parámetros necesarios para poder clasificar correctamente nuevas imágenes.
Así, investigadores del grupo BIT de la UPM, han utilizado este enfoque para proponer nuevas tecnologías que permitan realizar una clasificación automática de glaucoma a través de imágenes de fondo de ojo.
Gracias a un proyecto de investigación financiado por el Instituto de Salud Carlos III y liderado por el doctor Alfonso Antón del Parc de Salut Mar, el grupo de investigación de la UPM ha colaborado en el análisis de la precisión diagnóstica, el coste y la utilidad de la detección de glaucoma con métodos de imagen y telemedicina.
En las primeras fases de este proyecto, el grupo BIT-UPM implementó una herramienta de telemedicina que permitió a quince profesionales introducir y evaluar los datos de las pruebas oftalmológicas de una campaña de detección de glaucoma en la que participaron más de mil pacientes. Se realizó una doble evaluación remota de las pruebas a través de la herramienta de telemedicina, por medio de oftalmólogos especialistas (con más de cinco años de experiencia) y no especialistas. El diagnóstico final en caso de discrepancia entre ambas evaluaciones lo realizaron dos oftalmólogos especialistas en glaucoma también a través de la herramienta de telemedicina.
La reciente irrupción de nuevos algoritmos y sistemas de computación más potentes ha alumbrado una nueva era en la inteligencia artificial y el aprendizaje automático
En una segunda etapa del proyecto, el grupo de la UPM se encargó de realizar una exhaustiva comparación de algoritmos basados en aprendizaje profundo para seleccionar y configurar el más adecuado para la clasificación automática de glaucoma. Para completar esta tarea, se colaboró con el grupo de investigación holandés Diagnostic Image Analysis Group.
El proyecto demostró que el uso de esta tecnología permite lograr ratios de sensibilidad -capacidad para detectar correctamente glaucoma- y especificidad -capacidad para detectar correctamente casos sanos- en valores en torno al noventa por ciento de los casos. Además, se identificó que estos valores son superiores a los ratios obtenidos por los profesionales no especialistas y cercanos a los de los especialistas con más experiencia.
Por último, una línea adicional probada también por los investigadores de la UPM en el proyecto, que cuenta con resultados preliminares muy prometedores, es el estudio de la aportación que tiene en la clasificación final la incorporación de datos clínicos adicionales adquiridos durante la realización de las pruebas de los pacientes. Los resultados en este caso 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.
El algoritmo internamente se encargará de aprender los parámetros necesarios para poder clasificar correctamente nuevas imágenes
Estos últimos resultados servirán de base para los próximos pasos del grupo BIT en los que se incluirán, además de los datos clínicos, otros procedentes de diferentes pruebas de diagnóstico del glaucoma, como por ejemplo, la tomografía de coherencia óptica.
En opinión de Mª Jesús Ledesma, responsable de la investigación, ''la tecnología desarrollada por la UPM podría facilitar la realización de campañas de detección de glaucoma mediante el uso intensivo de telemedicina y algoritmos de clasificación automática basados en aprendizaje profundo, lo que ayudaría en la identificación de esta enfermedad en etapas más tempranas''.