Sistema automático de detección y clasificación de enfermedades neurodegenerativas mediante análisis de la retina en tomografía de coherencia óptica

Abstract

[Resumen]: Las enfermedades neurodegenerativas constituyen un reto global significativo, afectando a millones de personas y deteriorando su calidad de vida, con el riesgo de desencadenar consecuencias fatales. Además de impactar en el cerebro, estos trastornos también afectan a la retina y al nervio óptico, alteraciones que pueden ser tempranamente detectadas mediante la tomografía de coherencia óptica (OCT). La identificación precoz de estas enfermedades a través del OCT es crucial para un diagnóstico temprano y efectivo. En nuestra investigación, hemos desarrollado una metodología innovadora que integra imágenes OCT con técnicas avanzadas de aprendizaje automático, en particular, el uso de redes neuronales convolucionales. Hemos enriquecido nuestro enfoque con la implementación de modelos tridimensionales, proporcionando una representación más exhaustiva y detallada de la retina. Esta combinación no solo mejora la resolución de las imágenes sino que también facilita un análisis más completo, marcando un hito en el campo. Gracias a este enfoque innovador, nuestro sistema puede clasificar de manera totalmente automática y precisa los pacientes en cinco categorías de relevancia clínica: Control, Alzheimer, Parkinson, Esclerosis Múltiple y Temblor Esencial. El sistema se distingue por su rapidez y objetividad en la clasificación, elevando notablemente la precisión y eficiencia del diagnóstico de enfermedades neurodegenerativas mediante técnicas no invasivas. La incorporación de modelos tridimensionales brinda una visión más detallada y profunda para identificar características patológicas, facilitando diagnósticos más tempranos, seguros y precisos. Este avance representa un significativo paso adelante hacia el desarrollo de tratamientos más efectivos, contribuyendo a mejorar de manera sustancial la calidad de vida de los pacientes.

[Abstract]: Neurodegenerative diseases pose a significant global challenge, affecting millions and significantly deteriorating their quality of life, with the potential to lead to fatal consequences. These disorders impact not only the brain but also the retina and optic nerve, alterations that can be detected early on through Optical Coherence Tomography (OCT). Early identification of these diseases via OCT is crucial for timely and effective diagnosis. In our research, we have developed an innovative methodology that combines OCT images with advanced machine learning techniques, specifically the use of convolutional neural networks. We have enhanced our approach by incorporating three-dimensional models, providing a more comprehensive and detailed representation of the retina. This combination not only improves the resolution of the images but also facilitates a more thorough analysis, marking a milestone in the field. Thanks to this innovative approach, our system is capable of accurately and automatically classifying patients into five clinically relevant categories: Control, Alzheimer’s, Parkinson’s, Multiple Sclerosis, and Essential Tremor. Our system stands out for its speed and objectivity in classification, significantly enhancing the precision and efficiency of diagnosing neurodegenerative diseases through noninvasive methods. The inclusion of three-dimensional models offers a more detailed and indepth view for identifying pathological characteristics, leading to earlier, more reliable, and precise diagnoses. This advancement represents a significant leap forward towards developing more effective treatments, contributing substantially to improving the quality of life for patients.