La córnea es la estructura transparente que se ubica en la parte anterior del globo ocular. En ella se puede generar edema, una patología que se produce cuando se retiene agua en su interior, provocando que las diferentes capas que la forman se vuelvan traslúcidas y causando problemas de visión. Pero igual que la inteligencia artificial es capaz de redactar textos o construir imágenes que a simple vista parecen reales, el grupo de investigación Laboratorio de Óptica de la UMU ha desarrollado un software capaz de diferenciar de forma automática entre córneas sanas y edematosas. Una publicación en el IEEE Journal of Selected Topics recoge estos resultados.
La inteligencia artificial también necesita aprender, igual que los humanos. Pero en el campo de la Biofotónica, las técnicas de aprendizaje profundo - de su término en inglés, Deep Learning - que tiene como objetivo el análisis automático sin intervención humana, requiere de mínimo 1.000 imágenes por cada clase o entrenamiento. Esta imposición en un entorno clínico y dependiendo de ciertas patologías es a menudo difícil de conseguir. Una colaboración entre Juan Manuel Bueno, catedrático de Óptica de la UMU, y Stefan Stanciu, científico titular del Centro de Microscopía y Procesado de la Información de la Universidad Politécnica de Bucarest ha logrado solucionar este inconveniente creando un nuevo algoritmo llamado FLIMBA (Flexible Light-weight Model for Bioimage Analysis).
Los algoritmos más allá de las redes sociales
El modelo ha conseguido reducir el número de imágenes necesarias a 100, lo que no solo reduce significativamente el tiempo de aprendizaje, sino que abre las puertas a usarlo en entornos clínicos donde el número de imágenes de las que se dispone es limitado. Los resultados de los investigadores muestran que el algoritmo, sin la intervención del usuario, es capaz de detectar incluso córneas con edema muy leve, no detectable con instrumentación clínica actual y en etapas en las que la anomalía no habría afectado todavía de forma significativa a la visión del paciente.
Los resultados obtenidos, aunque en esta primera fase son en condiciones ex-vivo, es decir, que se ha extraído el tejido corneal para poder investigarlo, representar un procedimiento de análisis objetivo y preciso que puede servir como herramienta de diagnóstico fiable en el campo de la Oftamología y la Biomedicina.
El interés de los investigadores de ambos grupos va más allá porque en una segunda etapa ya comenzada van a incorporar el aprendizaje con otros tipos de patología corneal, como el queratocono, una afección que se produce cuando la córnea se hace más fina y desarrolla forma de cono. Ya disponen de un prototipo compacto clínico, que han denominado oftalmoscopio multifotónico, para el registro de imágenes de córneas humanas en vivo, sin necesidad de teñirla a pesar de ser transparente ni usar geles oftalmológicos como se suele hacer habitualmente en clínicas y hospitales.
The research team observed changes in head circumf...
AtCDF3 gene induced greater production of sugars a...
Un estudio con datos de los últimos 35 años, ind...
En nuestro post hablamos sobre este interesante tipo de célula del...
La revista ‘Nature Protocols’ selecciona esta técnica como “pro...
