Clasificador de retinopatías por análisis de imágenes de fondo de ojo utilizando reconocimiento de patrones y lógica difusa

Abstract

En México la población aproximada de personas con Diabetes Mellitus (DM) asciende entre 6.5 y 10 millones de personas según datos de la Federación Mexicana de Diabetes (FMD). Se calcula que de esta cantidad casi dos millones aún no saben que padecen esta enfermedad. Cerca del 7% de la población general en México la padece, está presente en 21% de habitantes entre 65 a 74 años. El 80% de las amputaciones mayores de miembros inferiores se realiza en pacientes con diabetes. Es la tercera causa de muerte y es la principal causa de ceguera y debilidad visual a nivel mundial. [1] Con el objetivo de contribuir a la calidad de vida de los pacientes con DM y otras enfermedades que desarrollen problemas oculares vasculares y para apoyar la preparación de los especialistas en la salud visual, se desarrollará un sistema informático que permita la detección de retinopatías en imágenes de fondo de ojo, clasificándolas según sus características en diabética, hipertensiva y glaucoma, aplicando conocimientos de inteligencia artificial (lógica difusa) y reconocimiento de patrones (procesamiento de imágenes médicas) para la creación de este método diagnóstico. Se lograron extraer características cuantificables en 239 imágenes de la retina, con lo que se identificaron métodos principales para la detección y realce de estructuras oculares. El sistema desarrollado permitió la extracción y medición de dos signos característicos de la retinopatía diabética; microhemorragias y exudados algodonosos. El diseño de la FAM permitió recolectar información experta para la automatización del diagnóstico, encontrando zonas críticas de evaluación diagnóstica. Se espera que el sistema experto difuso (SED) logre detectar signos característicos de cada retinopatía como cantidad de color, tamaño y forma de algunas estructuras oculares, principalmente vasos sanguíneos, papila, macula, para que por medio de un algoritmo retroalimentado clasifique la imagen en la retinopatía a la que pertenezcan las características detectadas e incorporado a esto, tendrá un sistema de auto-mejora que le permitirá ser más preciso después de cada imagen analizada. Ya que comparará la decisión tomada automáticamente por la experiencia (información) guardada que hasta el momento tiene, contra la decisión tomada por el usuario (especialista en salud visual). Estas cualidades permiten contemplar grandes expectativas para el sistema en un futuro, ya que su capacidad de mejora continua vislumbra una detección de las retinopatías en forma cada vez más eficiente y aunado a sistemas ya desarrollados de detección prematura de retinopatía diabética por medio de un análisis del iris y de fondo de ojo buscando específicamente microaneurismas, se espera que futuros estudios puedan fusionar estas técnicas para la prevención de RD y por ende la ceguera en México y el mundo