Detección y segmentación automatizada del anillo de Weiss en fotografías de fondo de ojo mediante aprendizaje profundo

Por qué importan los pequeños anillos en el ojo

A medida que envejecemos, muchas personas notan nuevos “moscas volantes” que cruzan su campo visual. La mayoría son inofensivas, pero algunas pueden indicar cambios que en ocasiones conducen a desgarros retinianos e incluso a ceguera. Uno de los signos más claros de ese cambio es una pequeña mancha en forma de anillo dentro del ojo llamada anillo de Weiss. En las fotos oftalmológicas de uso común, sin embargo, este anillo puede ser tenue y fácil de pasar por alto —incluso para expertos, y sobre todo para los ordenadores. Este estudio describe un nuevo sistema de inteligencia artificial (IA) que aprende a detectar y delinear los anillos de Weiss en fotografías retinianas estándar, convirtiendo potencialmente imágenes rutinarias en una fuente más rica de información clínica y de investigación.

Una pista sutil dentro de las fotos oculares rutinarias

El interior del ojo está lleno de un gel transparente que se separa lentamente de la retina a medida que envejecemos, un proceso conocido como desprendimiento vítreo posterior. Cuando esta separación se completa, puede quedar un bucle flotante de tejido frente a la cabeza del nervio óptico: el anillo de Weiss. Su presencia indica que la separación ha finalizado y, en algunos pacientes con destellos o moscas volantes súbitas, puede señalar una ventana temporal durante la cual la retina es más vulnerable a pequeños desgarros. Sin embargo, los anillos de Weiss no siempre son visibles, pueden quedar fuera del campo de visión de la cámara y a menudo parecen sombras vagas. Los sistemas de IA tradicionales entrenados para detectar enfermedades retinianas comunes en su mayoría han ignorado estas estructuras o las han interpretado erróneamente como artefactos, dejando sin usar una información importante.

Enseñar a los ordenadores a encontrar el anillo

Los investigadores reunieron 582 fotografías oculares en color de varias bases de datos públicas y pidieron a tres especialistas en oftalmología que indicaran qué imágenes contenían un anillo de Weiss y que trazaran cuidadosamente su contorno. Esto produjo 194 imágenes con anillos y 388 sin ellos. A continuación construyeron un sistema de IA en dos partes. Una parte, llamada red de segmentación, aprendió a dibujar un mapa píxel a píxel de dónde se sitúa el anillo en cada imagen. La otra parte, una red de clasificación, aprendió a decidir si hay un anillo presente en la imagen. Un segundo clasificador examinó únicamente la máscara de segmentación, valorando si el área marcada realmente parecía un anillo. Finalmente, un modelo estadístico sencillo combinó las dos puntuaciones de clasificación en una única predicción final.

Qué tan bien funcionó el sistema

En un conjunto de prueba retenido que la IA nunca vio durante el entrenamiento, la red que delineaba el anillo produjo mapas que se solapaban razonablemente con los trazos de los especialistas, especialmente en los casos más claros. Fue particularmente sensible, detectando la mayoría de los anillos reales, aunque a veces marcó regiones adicionales donde reflejos o la textura de fondo imitaban un anillo. Cuando la salida de segmentación se fusionó con el clasificador a nivel de imagen, la detección general mejoró. El sistema combinado distinguió correctamente imágenes con anillo de las que no lo tenían con un alto valor del área bajo la curva (alrededor de 0,90) y una precisión sólida, mostrando además buena capacidad para descartar imágenes sin anillo. Los mapas de calor visuales confirmaron que el modelo se centraba principalmente en el área alrededor del nervio óptico, donde los anillos de Weiss suelen aparecer, lo que añade confianza en que estaba usando señales clínicamente relevantes en lugar de patrones espurios.

Qué podría significar esto para la atención y la investigación

Los autores subrayan que esta herramienta no reemplaza un examen ocular completo ni exploraciones avanzadas cuando alguien refiere destellos o moscas volantes súbitas. Las fotografías estándar cubren solo una parte de la retina y muchas personas con desprendimiento vítreo nunca muestran un anillo visible. En cambio, el sistema se presenta como un asistente: puede señalar imágenes para una revisión más detallada en grandes programas de cribado, ayudar a los residentes a aprender a reconocer anillos sutiles y permitir a los investigadores revisar miles de fotos archivadas para estudiar con qué frecuencia aparecen los anillos y cómo se relacionan con factores como la edad, cirugías u otras enfermedades oculares. Dado que el estudio utilizó un número modesto de imágenes de origen público, serán necesarios ensayos más amplios en el mundo real —idealmente comparando resultados con imágenes gran angular o exploraciones tridimensionales— antes de que el enfoque pueda confiarse en decisiones rutinarias de la clínica.

Un pequeño anillo con gran potencial para los datos

En términos sencillos, este trabajo muestra que se puede entrenar a un ordenador no solo para decir “sí o no” sobre un pequeño anillo flotante en el ojo, sino también para dibujar dónde está. Aunque el sistema sigue siendo una prueba de concepto y no una autoridad diagnóstica, abre la puerta a convertir una característica a menudo pasada por alto en una señal buscable a través de enormes colecciones de imágenes. Usada con cautela y junto con un examen apropiado, esa IA podría ayudar a médicos e investigadores a prestar más atención a moscas volantes sutiles que cuentan una historia sobre el ojo que envejece.

Cita: Kim, H., Ryu, S.Y., Yoo, T.K. et al. Automated detection and segmentation of Weiss ring in fundus photography images using deep learning. Sci Rep 16, 13787 (2026). https://doi.org/10.1038/s41598-026-44593-3

Palabras clave: Anillo de Weiss, imagenología retinal, aprendizaje profundo, desprendimiento vítreo, IA médica