Edema macular en fotografías de fondo de ojo mediante un algoritmo computacional / Macular edema in retinal fundus images by a computational algorithm

Resumen

Resumen

Introducción: la diabetes es una enfermedad metabólica altamente prevalente en nuestro país que genera complicaciones incapacitantes tales como la retinopatía diabética y el edema macular. Al ser un problema socioeconómico de alto impacto es importante buscar un método de diagnóstico temprano que además nos permita implementar un servicio de telemedicina para población con poco acceso a servicios de salud especializados.

Objetivo: describir el rendimiento en discriminación de edema macular de un algoritmo de detección de características aplicado sobre fotografías de fondo de ojo de pacientes diabéticos.

Material y métodos: se tomó una base de datos de 266 fotografías de fondo de ojo de pacientes diabéticos y se clasificaron en edema macular o sin edema macular mediante la valoración de oftalmólogos, y se probó si el algoritmo fue capaz de determinar la presencia o no de edema macular.

Resultados: se realizaron tres pruebas en las cuales los niveles de sensibilidad, especificidad y eficiencia del algoritmo fueron incrementando conforme la cantidad de fotografías en la fase de entrenamiento aumentó, llegando a valores de especificidad de 100%, sensibilidad 84% y eficiencia 91.30%.

Conclusiones: nuestro estudio sienta las bases de un método confiable de tamizaje por su alto valor de especificidad y permite que más adelante no solo se genere una respuesta binaria en la presencia o no de edema macular si no que permita la clasificación clínica y topográfica facilitando el inicio de tratamiento.

Abstract

Background: Diabetes is a metabolic disease highly prevalent in our country that ends in disabling complications such as diabetic retinopathy and macular edema. As a high-impact socioeconomic issue, it is important to look for an early diagnostic test that also allows us to introduce a telemedicine service for the population with little access to specialized health services.

Objective: To describe the performance in discrimination of macular edema of a feature detection algorithm on retinal fundus images from diabetic patients.

Material and methods:  We use a database of 266 retinal fundus images of diabetic patients and were classified in Macular Edema or Without Macular Edema by ophthalmologists’ assessment and we test if the algorithm was capable of establish the presence or not of macular edema.

Results: We made 3 tests in which the standards of sensitivity, specificity and efficiency of the algorithm were increasing according to the amount of retinal fundus images in the training phase, reaching specificity values of 100%, sensitivity 84% and efficiency 91.30%.

Conclusions: Our study lays the foundation of a reliable screening method due to its high specificity value and allows not only a binary reply in the presence or not of macular edema but the clinical and topographic classification favoring the onset of treatment.