En el campo de la inteligencia artificial y la salud ocular, un equipo de investigación liderado por la profesora Margarita Rosa Gamarra Acosta, del Departamento de Ingeniería de Sistemas y Computación de la Universidad del Norte, desarrolló un proyecto enfocado en la detección de lesiones oculares a través del procesamiento de imágenes de fondo de ojo, utilizando técnicas de deep learning. Una tecnología que promete cambiar el panorama del diagnóstico temprano de enfermedades visuales, como la retinopatía diabética.

"Siempre me ha apasionado el tratamiento de imágenes médicas porque son un gran apoyo en el área de la salud y desde la ingeniería se pueden soportar ciertos procesos”, puntualiza Gamarra, doctora en Ingeniería de Sistemas y Computación e integrante del grupo de investigación en Redes de Computadores e Ingeniería de Software (GReCIS).

Las enfermedades oculares, como la retinopatía diabética, pueden llevar a una degeneración severa de la visión si no se detectan a tiempo. En sus primeras etapas, estas condiciones se manifiestan a través de pequeñas lesiones en la retina, difíciles de observar con métodos tradicionales. Sin embargo, aquí es donde la tecnología desarrollada por el equipo de Gamarra se destaca.

“El objetivo de la investigación es desarrollar una herramienta automática que detecte ciertas lesiones oculares presentes en imágenes de fondo de ojo, para así brindar información valiosa al personal médico que genera un diagnóstico final,” explica la profesora. En colaboración con instituciones internacionales como la Universidad Rovira i Virgili en Tarragona, España, este proyecto ha adoptado técnicas de deep learning para lograr un alto grado de precisión en la identificación de estas lesiones.

El sistema utiliza una arquitectura de redes neuronales convolucionales, especializada en el procesamiento de imágenes. Las técnicas de deep learning son una serie de algoritmos basados en aprendizaje supervisado. "El proceso de aprendizaje inicia con un entrenamiento en el cual el sistema lee cada una de las imágenes y esta información pasa por una serie de capas profundas compuestas por una configuración específica de redes neuronales", argumenta Gamarra. A través de este proceso, el sistema se adapta y mejora continuamente, permitiendo una detección precisa de las lesiones oculares en las imágenes.

El marco de trabajo desarrollado incluye varias etapas críticas:un preprocesamiento que mejora la calidad de las imágenes, posteriormente se aumenta la cantidad de muestras para finalmente usar modelos avanzados de ‘deep learning’ en la detección de lesiones oculares. Estos elementos combinados permiten que el sistema no solo detecte las lesiones, sino que también brinde una evaluación detallada, mostrando su ubicación y probabilidad, lo que facilita un diagnóstico más completo y preciso.

“Muchas de las herramientas disponibles solo brindan un diagnóstico final a partir del análisis de una imagen de fondo de ojo. Pero en este caso, el sistema desarrollado identifica las lesiones oculares, que algunas veces resultan difíciles de detectar en una inspección visual de un especialista", enfatiza la investigadora barranquillera. "La visualización de las lesiones le ofrece una mayor posibilidad de análisis a los expertos médicos, quienes no solo necesitan un diagnóstico, sino un panorama general de la enfermedad".

Impacto y futuro de la innovación

El sistema desarrollado por el equipo de GReCIS no solo supera las capacidades de los métodos tradicionales en términos de precisión y eficiencia, sino que también se espera que tenga un impacto significativo en la práctica médica diaria. Actualmente se encuentra en la fase de software, el próximo paso será desarrollar una interfaz de usuario amigable para facilitar su uso por parte del personal clínico. “Se espera que este sistema sea una herramienta de soporte para la toma de decisiones médicas, generando diagnósticos precisos y a tiempo para el tratamiento de pacientes con este tipo de enfermedades", anticipa Gamarra.

En cuanto al futuro de esta tecnología, el paso a seguir en esta línea de investigación es utilizar el modelo de detección de lesiones para asociarlo con un grado de retinopatía diabética, según las escalas médicas.

Todavía hay mucho por explorar en este campo, pues el sistema se puede aplicar para la detección de otras enfermedades oculares, explica la docente. Además, considera el uso de redes generativas para superar las limitaciones actuales relacionadas con el acceso a ciertos tipos de imágenes médicas y está interesada en diseñar nuevas arquitecturas que mejoren la precisión en la detección de lesiones aún más pequeñas.