RVO-ME: Un conjunto de datos OCT de doble tarea para la segmentación y detección de lesiones maculares en oclusión de la vena retinal

Por qué esto importa para la vista

Cuando una vena principal en la parte posterior del ojo se bloquea, la visión puede volverse borrosa o desaparecer, a menudo sin aviso. Hoy los médicos recurren a una técnica de imagen potente, la tomografía de coherencia óptica (OCT), para ver la inflamación y el daño en la retina. Este artículo presenta una colección de imágenes diseñada con rigor que ayuda a los ordenadores a aprender a interpretar esos escaneos, con el objetivo a largo plazo de conseguir diagnósticos y planificación de tratamientos más rápidos y precisos para las personas en riesgo de perder la vista.

Una causa común de pérdida súbita de visión

La oclusión de la vena retinal es una de las principales enfermedades vasculares del ojo, y afecta a un estimado de 28 millones de personas en todo el mundo. Cuando una vena retinal se obstruye, el líquido se filtra hacia la zona central de la retina, la mácula, provocando edema macular y visión borrosa. Los fármacos que bloquean una molécula de señalización llamada VEGF han mejorado notablemente el tratamiento, pero no todos los pacientes responden bien. Por ello, los médicos buscan señales sutiles en los escaneos OCT que puedan predecir quiénes se beneficiarán más y cómo cambiará la visión con el tiempo. Hasta ahora, el progreso en el uso de la inteligencia artificial para interpretar estos escaneos se ha visto frenado por un problema sencillo: no había suficientes imágenes de alta calidad y etiquetadas por expertos centradas específicamente en esta enfermedad.

Construyendo una biblioteca de imágenes detallada

El equipo investigador creó un nuevo conjunto de datos llamado RVO‑ME, compuesto por 3.012 imágenes OCT en sección transversal de la mácula recogidas de 146 ojos de 130 pacientes en un único hospital en China entre 2019 y 2024. Cada imagen pasó por un cribado estricto para excluir escaneos de mala calidad o ojos con otras afecciones retinianas graves. Se eliminaron todos los datos personales, y los pacientes dieron consentimiento por escrito para que sus imágenes se utilizaran en investigación y en un recurso de datos público. Los escaneos capturan la retina tanto antes como después del tratamiento, ofreciendo una visión amplia de cómo aparece la enfermedad y sus complicaciones en la práctica clínica diaria.

Marcando las pistas diminutas en cada escaneo

Para convertir esta biblioteca de imágenes en un terreno de entrenamiento para ordenadores, los autores necesitaron trazar, a mano, las señales clave que más importan para la visión. Tres oftalmólogos junior utilizaron software especializado para delinear bolsillos de líquido dentro y debajo de la retina, dibujar líneas finas que marcan dos bandas importantes que reflejan la luz, y colocar puntos sobre pequeñas motas brillantes conocidas como focos hiperreflectivos. Estas anotaciones fueron revisadas y corregidas por un especialista sénior en retina, que calificó cada conjunto de etiquetas y devolvió los intentos de menor calidad para su revisión. Antes de comenzar a gran escala, el equipo realizó un ejercicio de consistencia en el que los alumnos etiquetaron las mismas imágenes en días distintos, confirmando que sus marcas concordaban en gran medida, especialmente para las áreas de líquido más grandes. Se ofreció formación adicional centrada en las bandas más delicadas y filiformes que se difuminan con facilidad en ojos enfermos.

De las marcas de expertos a las máquinas inteligentes

En el conjunto final, cada imagen OCT tiene una imagen “máscara” correspondiente en la que cada píxel pertenece ya sea al fondo o a una de cuatro estructuras clave, y cada pequeño punto brillante se almacena para tareas de detección. Los autores dividieron las imágenes en grupos separados para entrenamiento y prueba de modo que el mismo paciente nunca aparezca en ambos, evitando que los ordenadores se limiten a memorizar ojos individuales. A continuación probaron varios algoritmos populares de análisis de imágenes con esta colección. Para las regiones de líquido mayores, los modelos modernos de segmentación alcanzaron una precisión sólida, siendo el enfoque U‑Net++ el que mejor rendimiento ofreció en conjunto. Para los puntos brillantes minúsculos, un método de detección más complejo de dos etapas (Faster‑RCNN) superó con mucho a un modelo de una sola etapa más rápido, lo que refleja lo desafiante que es encontrar rasgos minúsculos dispersos en imágenes médicas ruidosas.

Cómo este recurso podría influir en la atención ocular futura

Este conjunto de datos por sí solo no cambia cómo se tratan los pacientes, y tiene limitaciones: todos los escaneos proceden de un único tipo de máquina OCT y de pacientes de un mismo origen étnico. Sin embargo, cubre una laguna crucial: hasta ahora no existía una colección pública de OCT macular dedicada al edema por oclusión venosa que capturara a la vez bolsillos de líquido, finas estructuras retinianas y pequeñas motas brillantes. Al hacer públicas las imágenes, las marcas de expertos y el código de ejemplo para análisis por ordenador, los autores ofrecen un punto de referencia común para investigadores de todo el mundo. Algoritmos mejores entrenados con estos datos podrían algún día ayudar a los oftalmólogos a medir con rapidez la gravedad de la enfermedad, predecir qué pacientes se beneficiarán más de las inyecciones y seguir la recuperación con mayor precisión, apoyando en última instancia una atención más personalizada y eficiente para las personas que afrontan pérdida de visión por oclusión de la vena retinal.

Cita: Xiong, F., Li, G., Gao, W. et al. RVO-ME: A Dual-Task OCT Dataset for Segmentation and Detection of Macular Lesions in Retinal Vein Occlusion. Sci Data 13, 349 (2026). https://doi.org/10.1038/s41597-026-06695-5

Palabras clave: oclusión de la vena retinal, edema macular, tomografía de coherencia óptica, conjunto de datos de imagen médica, inteligencia artificial en oftalmología