Análisis automático de imagen de lesiones de riesgo hacia la progresión a la ceguera en retinopatía diabética.

Resumen

La retinopatía diabética (RD) es la principal causa de ceguera en población activa en países desarrollados. La detección precoz y el tratamiento temprano de esta patología han demostrado prevenir los casos de ceguera y pérdida de visión. Por este motivo, se ha propuesto que todos los pacientes diabéticos se sometan a un examen oftalmológico periódico. A pesar de ello, menos de la mitad de los pacientes diabéticos siguen esta recomendación. Diferentes estudios han demostrado que la fotografía digital del fondo de ojo (FO) es un método comparable a la oftalmoscopia convencional para determinar la presencia de RD e incluso el grado de severidad de la misma. No obstante, con la creciente incidencia de la diabetes, el número de imágenes que tendrían que revisar los facultativos sería muy elevado. En este sentido, el empleo de sistemas automáticos en la detección de lesiones típicas de la RD permitiría el examen de un elevado número de imágenes en menos tiempo y de forma más objetiva que el cribado manual. Por ello, los esfuerzos destinados a lograr métodos automáticos de detección de signos clínicos asociados a la RD, y su validación en un conjunto de imágenes heterogéneo y representativo de la población diabética general, puede ser una contribución a la prevención de la ceguera por RD. En este trabajo se propone el desarrollo y evaluación de un método automático para la detección en retinografías de dos tipos de lesiones asociadas a la RD, exudados (EXs) y lesiones rojizas (LRs). Dicho método permitiría identificar las imágenes que muestren signos de RD y determinar que imágenes pertenecen a pacientes que deban ser derivados para atención especializada de forma preferente u ordinaria según el estadío de gravedad detectado por el sistema. Para este fin se ha empleado como clasificador la red neuronal tipo perceptrón multicapa (MLP). Conseguir un sistema que identifique correctamente las diferentes lesiones de RD en retinografías es una tarea compleja. Esto es debido, por un lado, a la heterogeneidad de las imágenes obtenidas en la práctica clínica. Y por otro lado, a la presencia de determinadas estructuras oculares con características de forma y color similares a las lesiones que se pretenden identificar. En concreto, la papila en el caso de la detección de EXs y la red vascular en el caso de la detección de LRs. Para el adecuado funcionamiento del método y debido a la variabilidad de las imágenes halladas en el entorno clínico, ha sido necesario complementar el diseño y desarrollo de la red MLP con una serie de etapas adicionales. Ente ellas cabe destacar la identificación y segmentación de las propias estructuras oculares, tanto de la papila como de la red vascular. De un total de 585 retinografías capturadas de pacientes diabéticos 328 fueron incluidas en el estudio. Para la detección automática de EXs por el sistema se obtuvieron una sensibilidad (SEim) con un criterio orientado a imagen de 75.0%, una especificidad (ESim) de 64.71% y una precisión (PRim) de 69.67%. En cuanto a la detección automática de LRs se alcanzaron una SEim de 85.19%, una ESim de 30.07% y una PRim de 45.12%. Los resultados obtenidos permiten comprobar que es posible la detección automática de lesiones asociadas a RD (EXs y LRs) en retinografías de pacientes diabéticos mediante el método propuesto basado en la red MLP. Sería necesario mejorar los algoritmos de detección antes de emplear este método para establecer un estadiaje de gravedad y poder identificar a los pacientes que deban ser derivados al especialista para una exploración más exhaustiva.