Uno de los retos con los que se enfrenta la Oftalmología es el de prestar asistencia sanitaria de calidad a una gran cantidad de pacientes que se están generando por la mayor supervivencia de las patologías crónicas y el envejecimiento de la población. Un ejemplo de estas enfermedades es la Diabetes Mellitus que afecta al 13.8 % de la población española.
El incremento de la población diabética es un hecho incuestionable que afecta a todos los países y cuyo ritmo va en aumento. Según la Organización Mundial de la Salud (OMS) o la Fundación Internacional para la Diabetes, en 2030 habrá 552 millones de personas diabéticas en el mundo. En España, las previsiones siguen la misma tendencia y se estima que en 2020 tendremos 3 millones de diabéticos.
Las personas diabéticas tienen un 50% más de probabilidades de sufrir complicaciones asociadas a la visión en un periodo de 10 años tras la aparición de la enfermedad. Entre estas complicaciones destaca la Retinopatía Diabética (RD) que afecta a un 42% de los diabéticos de tipo 2 y a un 32% de los diabéticos tipo 1. La RD es una de las principales causas de ceguera y discapacidad visual en la población en edad laboral activa (representa el 80% del total de las cegueras por diabetes).
No obstante, es posible reducir de forma importante los nuevos casos de ceguera si se revisan y se tratan a tiempo las formas de riesgo de la enfermedad. Esto sólo es posible si se llevan a cabo exploraciones oftalmológicas periódicas a toda la población diabética. La evaluación presencial de toda la población diabética supondría el colapso de los servicios de oftalmología, pues es una enfermedad de prevalencia creciente. Algunas de las soluciones propuestas están basadas en Telemedicina, aunque no solucionan el problema de la elevada carga de trabajo para los especialistas, que tienen que realizar la lectura de las imágenes.
Los sistemas de análisis automático de imágenes tratan de reducir la carga de trabajo de los especialistas mediante algoritmos que permitan identificar lesiones propias de la RD en retinografías. Estos sistemas ahorrarían costes a los sistemas sanitarios, siempre que sus valores de sensibilidad y especificidad fuesen adecuados. Con este proyecto se pretende desarrollar un sistema de análisis automático de retinografías con el objetivo de identificar en ellas lesiones asociadas a la RD. Asimismo, se pretende establecer el grado de severidad de la RD en un paciente, detectando aquellos cuadros en grave riesgo de progresión hacia la ceguera.
Para alcanzar el objetivo se han planteado las siguientes fases:
Obtener de forma estandarizada y siguiendo las recomendaciones de los paneles de expertos una colección de imágenes de fondo de ojo procedentes de sujetos adultos. Se captarán imágenes tanto de pacientes diabéticos sin signos de RD como imágenes de pacientes diabéticos con signos de RD en diferentes estadíos. Las imágenes deben ser obtenidas por personal entrenado y certificado. La base de datos debe contener imágenes de calidad suficiente para que puedan ser interpretadas tanto por los oftalmólogos expertos como por los sistemas automáticos.
Desarrollar un programa de entrenamiento y certificación de captura de imágenes con retinógrafos.
Realizar su lectura e interpretación de las imágenes anteriores por dos expertos previamente entrenados y certificados en la identificación de imágenes patológicas. Los expertos anotarán las imágenes adquiridas para poder comparar los resultados de los métodos automáticos con las valoraciones de los expertos.
Investigar e implementar métodos de detección de lesiones oftalmológicas asociadas a la RD en imágenes de fondo de ojo, con el fin de determinar si una imagen corresponde a un paciente con RD. Esta primera diferenciación entre los casos patológicos y no patológicos se realizará en base a las lesiones localizadas. Para ello, se emplearán técnicas avanzadas de procesado de señales e imágenes médicas que requerirán, además, de la identificación de las estructuras oculares normales.
Procesado de las imágenes de fondo de ojo de cada paciente, para detectar automáticamente las lesiones presentes en las mismas y determinar la presencia o ausencia de RD en un paciente.
Analizar los resultados obtenidos empleando criterios estadísticos.
Obtener de forma estandarizada y siguiendo las recomendaciones de los paneles de expertos una colección de imágenes de pacientes diabéticos con diferentes grados de afectación retiniana. Las imágenes deben ser capturadas por personal entrenado y certificado y deberán tener calidad suficiente como para que puedan ser interpretadas tanto por los oftalmólogos expertos como por los sistemas automáticos.
Lectura de las imágenes por dos oftalmólogos con experiencia en RD y certificados para la lectura y clasificación en estadíos de gravedad de estas imágenes. Debe obtenerse una concordancia en las lecturas. En caso de duda debe acudirse a la interpretación de un tercero.
Desarrollo de un programa de entrenamiento y certificación en lectura y anotación de imágenes de RD para oftalmólogos.
Investigar e implementar métodos de clasificación del grado de severidad de la enfermedad en un paciente. Para ello, se emplearán técnicas avanzadas de procesado de señales e imágenes médicas.
Procesado del último conjunto de imágenes de fondo de ojo de cada paciente, con el fin de establecer el grado de severidad de la RD en un paciente.
Analizar los resultados obtenidos empleando criterios estadísticos.
Verificar la operatividad de los métodos desarrollados sobre una muestra representativa de pacientes.
La fase del proyecto centrada en el desarrollo e implementación de los métodos de procesado automático de retinografías comprende tres etapas bien diferenciadas:
Detección de lesiones brillantes asociadas a la RD. Los exudados duros (EXs) son uno de los tipos de lesiones asociados a la RD que aparecen en las fases tempranas de la enfermedad. Éstos son depósitos de material lipídico, de color blanco, céreo o amarillento y que aparecen en las retinografías como nódulos compactos de bordes bien definidos. Dentro de esta etapa será necesario, asimismo, detectar la papila. Ésta es una de las estructuras de la anatomía normal del ojo que suele detectarse incorrectamente como EX debido a su coloración. Para ello se emplearán diversas técnicas de procesado de imagen (realce, segmentación, morfología matemática, filtrado) y de clasificación, incluyendo clasificadores basados en redes neuronales.
Detección de lesiones rojizas asociadas a la RD. Las hemorragias y microaneurismas se producen por la ruptura de capilares o vénulas. Suelen ser de color rojo oscuro y tienen una morfología variada en función de su localización en las capas de la retina. En este sentido, la red vascular y la zona macular presentan una coloración similar a estas lesiones con lo que también va a ser necesario detectar estas estructuras oculares. Al igual que para los EXs, en esta etapa se emplearán diversas técnicas de procesado de imagen (realce, segmentación, morfología matemática, filtrado) y de clasificación, incluyendo clasificadores basados en redes neuronales.
Estadiaje de la enfermedad en un paciente. El número y localización de las lesiones detectadas pueden servir de base para determinar la severidad de la RD en un paciente. En esta última fase del proyecto se pretende clasificar a un paciente en un determinado estadío de severidad de RD de acuerdo con reglas clínicas y en base a las lesiones detectadas en sus imágenes.