Rediseño de sistema automático de detección de retinopatía diabética

Abstract

La Retinopatía Diabética (RD) es una complicación de la diabetes, que de no ser diagnosticada a tiempo puede llevar a la ceguera, siendo la causa más común de ceguera en la población adulta. Para su diagnóstico se recomienda un examen de fondo ojo anual sobre toda la población diabética (también llamado tamizaje), sin embargo, existe una brecha irreparable entre la cantidad de diabéticos y las capacidades oftalmológicas del sistema. Telediagnósticos desarrolló un sistema de tamizaje automatizado, donde las imágenes digitales de retina son analizadas con técnicas de machine learning para obtener una probabilidad de tener RD y descartar los casos sin riesgo, disminuyendo los costos y pudiendo aumentar la capacidad del sistema entre 2 a 5 veces. El objetivo del proyecto fue disminuir la varianza de los resultados en los centros de salud, aumentando la capacidad de clasificación y además, generar un método para medir durante la operación si el sistema se encontraba funcionando correctamente. Para disminuir la varianza entre los resultados obtenidos y de estandarizar de mejor manera qué se analiza por el clasificador de RD, se desarrolló un método para clasificar imágenes de retina entre evaluables y no evaluables, extrayendo características generales de la imagen y utilizando Support Vector Machines, obteniéndose un AUC de 99%. Para mejorar la capacidad predictiva del sistema de detección de RD, se probaron tres enfoques diferentes que corresponden a; detectar la mácula de la retina, utilizar un ensamble de varios modelos y utilizar modelos basado en Deep Learning. En los tres enfoques se obtuvieron mejoras significativas con respecto al modelo base. El mejor modelo fue el que utilizaba la mácula de la retina y que permitió superar los puntos de operación de 90% de sensibilidad y 80% de especificidad en 3 de los 5 centros de salud en los cuales se validaron los modelos (donde antes solo se lograba en 1), logrando una mejora de especificidad promedio de 8%, a un 90% de sensibilidad. Se diseñaron reportes a nivel de examen que incorporan la información del proceso y permiten comprender mejor de qué forma el sistema automatizado clasifica a un usuario como de alto o bajo riesgo, pudiendo comparar los signos detectados por el oftalmólogo y por el sistema automatizado. Además, se diseñaron reportes resumen de la operación de un centro de salud, permitiendo analizar la distribución de la muestra, el estado general del proceso y detectar desviaciones de lo esperado en cualquiera de las etapas de teleoftalmología. La ejecución del proyecto implica un aumento de los flujos de la organización en CLP $16.698.000 con los resultados obtenidos, y se declara un cumplimiento parcial de los objetivos, principalmente porque sólo se llegó a una propuesta sobre el monitoreo del sistema, debido a falta de datos para la validación de los indicadores clave.