Un método planteado por investigadores vallisoletanos, fundamentado en un algoritmo, es capaz de localizar de forma automática hemorragias y microaneurismas en la retina, que son indicadores tempranos de retinopatía diabética, la principal causa de ceguera en los países desarrollados.
Investigadores del Grupo de Ingeniería Biomédica (GIB), del Instituto de Oftalmobiología Aplicada (IOBA) y del Instituto de Investigación en Matemáticas (IMUVA) de la Universidad de Valladolid (UVA), junto con colegas del Hospital Clínico Universitario de Valladolid y del Instituto de Neurociencias de Castilla y León (INCYL), han desarrollado un sistema capaz de detectar de forma automática lesiones rojas en la retina a partir de imágenes digitales a color de fondo de ojo.
Las imágenes de fondo de ojo o retinografías son pruebas rutinarias que se realizan para examinar el estado de la retina. Cuando un paciente sufre diabetes, es necesario estar muy atento a estas imágenes, ya que algunas pequeñas lesiones de color rojizo pueden ser los primeros signos de retinopatía diabética, la principal causa de ceguera entre la población en edad laboral en los países desarollados.
“La diabetes es una de las enfermedades más prevalentes en la actualidad y un mal control causa lesiones en los pequeños vasos sanguíneos de la retina. Se trata de microaneurismas o hemorragias que aparecen tras varios años de evolución de la diabetes”, explica el investigador del GIB, Roberto Romero.
Es muy importante detectar estas lesiones rojas lo antes posible ya que la retinopatía diabética se puede tratar si se descubre a tiempo. Aunque la visión perdida, si se da el caso, ya no se puede recuperar, se puede evitar la pérdida de más visión.
No obstante, con la creciente incidencia de la diabetes –aproximadamente el 13,8 % de la población española la padece en la actualidad– y la falta de especialistas capacitados para diagnosticar la retinopatía diabética, está siendo muy difícil analizar las retinografías a tiempo. Sin embargo, “esas retinografías pueden ser analizadas por un ordenador en cuestión de segundos si se aplica el método adecuado”.
“Disponer de sistemas automáticos permitiría realizar una detección precoz de la retinopatía diabética, administrar el tratamiento adecuado a tiempo y, en definitiva, mejorar la calidad de vida de los pacientes diabéticos”, afirma el investigador, un asunto en el que el grupo lleva trabajando varios años.
Una precisión cercana al 85 %
En un artículo publicado en la revista Entropy, los autores detallan cómo partiendo de la retinografía original se aplica, en primer lugar, un preprocesado para corregir la iluminación del fondo, normalizar el color de la imagen y realzar el contraste de las lesiones. En segundo lugar, detectan los píxeles oscuros de la imagen, “puesto que las lesiones rojas aparecen como regiones oscuras en las retinografías”, precisa Romero.
Para esta tarea utilizaron un método denominado Entropy Rate Superpixel Segmentation, que agrupa los píxeles de una imagen para formar los objetos que percibimos. A estos objetos los llaman ‘superpíxeles’, pero no todos son lesiones rojas. “Para separar las lesiones rojas verdaderas tenemos que utilizar una última etapa de clasificación, teniendo en cuenta características como la forma o el color de los ‘superpíxeles’. Para ello, utilizamos una red neuronal que se llama perceptrón multicapa”, agrega.
A través de este método, los investigadores han sido capaces de separar las imágenes con lesiones rojas de aquellas que no presentaban este tipo de lesiones con una precisión del 84,45 % sobre una base de datos privada. El algoritmo también se validó con una base de datos pública y se obtuvo una precisión del 86’89 por ciento.
Mayor control y menos costes
Romero subraya que métodos automatizados como el desarrollado permitirían tener controladas las retinas de todos los pacientes diabéticos y, además, abaratarían los costes y aliviarían la carga de trabajo de los especialistas. “De esta manera, los oftalmólogos dispondrían de herramientas de ayuda al diagnóstico de la enfermedad y se podría, incluso, desarrollar sistemas para que los oftalmólogos solo tuvieran que revisar aquellos casos que necesitaran de una atención más exhaustiva”.
No obstante, para que estos sistemas lleguen a la práctica clínica es necesario seguir investigando. En trabajos futuros, estos investigadores pretenden combinar los métodos utilizados con nuevas técnicas para la detección de las lesiones, como el llamado ‘Deep Learning’. También prevén seguir validando el instrumento con una base de datos mayor y detectar otro signo característico de la retinopatía riabética, los exudados o depósitos que se forman por la salida de líquidos de los vasos de la retina.
Referencia bibliográfica:
Romero-Oraá, R., Jiménez-García, J., García, M., López-Gálvez, M. I., Oraá-Pérez, J., & Hornero, R. (2019). "Entropy Rate Superpixel Classification for Automatic Red Lesion Detection in Fundus Images"Entropy, 21(4), 417.
