Una investigadora de la Escuela Politécnica Superior de la Universidad Europea del Atlántico (UNEATLANTICO) colabora en un estudio que propone un nuevo método para detectar la retinitis pigmentosa mediante el aprendizaje profundo.
La retina, uno de los tejidos más activos del cuerpo humano, puede sufrir alteraciones en su estructura debido a diversas enfermedades. La detección temprana de estas alteraciones es importante para el diagnóstico y tratamiento. Las imágenes de fondo de ojo y la tomografía de coherencia óptica (OCT) son dos métodos para examinar afecciones oculares, como retinitis pigmentosa (RP, por sus siglas en inglés), retinopatía diabética y degeneración macular.
La RP es un grupo de trastornos hereditarios de la retina que resultan en la degeneración de las células fotorreceptoras. Esto puede causar una pérdida gradual de la visión y actualmente no tiene cura. Los signos iniciales de la RP suelen incluir pérdida de visión nocturna y pérdida de visión en áreas periféricas medias, que pueden progresar a una pérdida completa de la visión.
Tanto la OCT como las imágenes de fondo de ojo son útiles para el análisis de la RP. Sin embargo, a veces los análisis visuales realizados por los médicos no son óptimos debido a distintos factores, como la falta de experiencia y la calidad de la imagen. Por ello, se están implementando algoritmos basados en inteligencia artificial para mejorar la detección y diagnóstico de enfermedades oculares. Un ejemplo de ello, es el modelo especializado llamado Se (ResNet) que comprime la información de las imágenes para detectar y analizar mejor los signos de la RP en la retina.
En este estudio, se propone una arquitectura de red neuronal, basada en Se -ResNet-, para la detección precisa y automática de RP en imágenes de fondo de ojo en color. Este modelo utiliza bloques SE y aprendizaje residual para mejorar la capacidad de representación y segmentación de las imágenes. Los resultados indican que el modelo propuesto es sensible y específico en la detección de la RP, lo que lo convierte en una herramienta útil para los médicos en la evaluación de la progresión y gravedad de la enfermedad, permitiendo diagnósticos más tempranos y un mejor uso de los recursos disponibles.
Si quieres conocer más sobre este fascinante estudio, clic aquí.
Para leer más investigaciones, consulta el repositorio de UNEATLANTICO.