Un conjunto de imágenes de fondo de ojo para un sistema inteligente de retinopatía diabética

Por qué esto importa para las personas con diabetes

La diabetes puede dañar los ojos en silencio mucho antes de que la visión empiece a empeorar. Este artículo describe una nueva colección de imágenes diseñada para ayudar a las computadoras a detectar estos cambios oculares ocultos de forma más temprana y fiable, utilizando una vista de la retina más amplia que la que ofrecen la mayoría de las herramientas actuales.

Ver más de la parte posterior del ojo

La enfermedad ocular diabética daña los pequeños vasos sanguíneos en la parte posterior del ojo y es una causa principal de pérdida de visión permanente en adultos en edad laboral. Ya se emplean fotografías oculares periódicas para buscar problemas, pero capturan solo una pequeña área central. Señales de advertencia importantes suelen aparecer en los bordes de la retina, donde las cámaras tradicionales pueden simplemente no verlas. La imagen de campo ultra amplio resuelve esto al capturar hasta cinco veces más área en una sola toma, incluyendo las esquinas lejanas donde pueden surgir daños tempranos y nuevos vasos sanguíneos frágiles.

Construir una rica biblioteca de imágenes para herramientas inteligentes

Para aprovechar esta vista ampliada, los programas informáticos necesitan conjuntos grandes y bien organizados de imágenes para aprender. Los autores recopilaron 1.630 fotografías oculares de campo ultra amplio de 809 pacientes en dos hospitales de China. Todas las personas del estudio tenían diabetes y su edad media era de unos 54 años. Las imágenes se obtuvieron con una cámara especial que no requiere colirios para dilatar la pupila, lo que hace la prueba más rápida y cómoda. Se eliminaron las imágenes de baja calidad con desenfoque o áreas faltantes, de modo que solo quedaron vistas claras de la retina, los vasos sanguíneos y el posible daño.

Cómo enseñaron los expertos al ordenador

Tres oftalmólogos con experiencia examinaron cuidadosamente cada imagen y las clasificaron en tres grupos: ojos normales, ojos con daño leve a moderado y ojos con daño avanzado. Siguieron normas internacionales para graduar la enfermedad ocular diabética, aunque los autores señalan que todavía se espera cierto desacuerdo entre médicos, especialmente al decidir si los cambios muy leves deben considerarse normales o enfermedad temprana. Las decisiones finales se registraron en carpetas y tablas sencillas que enumeran cada imagen y su grupo, creando un punto de partida accesible para otros equipos de investigación.

Poner el conjunto de datos a prueba

El equipo comprobó a continuación la utilidad de esta biblioteca de imágenes para entrenar inteligencia artificial. Dividieron las imágenes en conjuntos de entrenamiento, validación y prueba y ejecutaron cuatro modelos de aprendizaje profundo bien conocidos para clasificar las tres etapas de la enfermedad. Antes del entrenamiento, recortaron y estandarizaron las imágenes y usaron trucos sencillos como volteos aleatorios para ayudar a los modelos a generalizar. En las imágenes de prueba reservadas, todos los modelos lograron puntuaciones sólidas en varias medidas de precisión, destacando uno de ellos por un rendimiento superior. Los mapas de calor de los modelos resaltaron pequeños abultamientos en los vasos sanguíneos y membranas similares a cicatrices, lo que sugiere que los algoritmos se centraron en las mismas áreas que los médicos consideran importantes.

Ayudar a más personas a conservar la vista

Este nuevo conjunto de datos abierto ofrece una vista de gran angular y alta calidad de la enfermedad ocular diabética para cualquiera que desarrolle herramientas inteligentes de cribado. Al combinar imágenes de campo ultra amplio con inteligencia artificial, los sistemas futuros podrían cubrir más área de la retina, pasar por alto menos cambios peligrosos y requerir menos tiempo del personal. Aunque este conjunto de datos por sí solo no puede reemplazar la atención ocular regular, sienta las bases para un cribado asistido por ordenador más fiable y ampliamente disponible que podría ayudar a reducir la ceguera por diabetes, especialmente en clínicas con recursos limitados.

Cita: Peng, S., Yang, S., Zhao, X. et al. A fundus image dataset for intelligent diabetic retinopathy system. Sci Data 13, 777 (2026). https://doi.org/10.1038/s41597-026-07093-7

Palabras clave: retinopatía diabética, imagen retiniana, campo ultra amplio, IA médica, cribado ocular