Academia guayaquileña impulsa sistema inteligente para detectar glaucoma temprano
La Universidad de Guayaquil impulsa un modelo de inteligencia artificial capaz de detectar el glaucoma en etapas tempranas
El glaucoma, conocido como “el ladrón silencioso de la vista”, es una de las principales causas de ceguera irreversible en el mundo. Se calcula que afecta actualmente a 78 millones de personas y que para 2040 la cifra podría aumentar a más de 111 millones de casos, según datos publicados en la revista científica Healthcare (MDPI).
Lo más alarmante es que la enfermedad no presenta síntomas evidentes en sus primeras etapas, por lo que muchas personas no se enteran de que la padecen hasta que ya existe daño visual irreversible.
En Ecuador y en gran parte de Latinoamérica, los casos de glaucoma suelen detectarse de forma tardía debido a la falta de especialistas, equipos diagnósticos o programas de tamizaje visual en hospitales públicos. Ante este panorama, un grupo de investigadores de siete países —entre ellos Ecuador— decidió unir esfuerzos para aprovechar los avances de la inteligencia artificial (IA) en beneficio de la salud visual global.
El aporte ecuatoriano a la investigación mundial
El doctor Miguel Botto-Tobar, docente de la Universidad de Guayaquil e investigador vinculado también a la Eindhoven University of Technology (Países Bajos), es uno de los autores del estudio “Glaucoma Detection and Classification Using Improved U-Net Deep Learning Model”, publicado en diciembre de 2022.
Su participación marca un hito para la academia ecuatoriana, al integrarse en un proyecto que combina ciencia de datos, medicina y aprendizaje profundo (deep learning) con un enfoque social orientado a países con recursos limitados.
“El glaucoma es una de las principales causas de ceguera irreversible a nivel mundial y suele pasar desapercibido en sus primeras etapas”, explicó Botto-Tobar. “En Ecuador y en muchos otros países, la detección temprana es complicada por la falta de especialistas. Por eso apostamos por una herramienta tecnológica que ayude al diagnóstico temprano, incluso con recursos limitados”, añadió.
Una innovación que combina precisión y accesibilidad
El modelo propuesto por el equipo internacional se basa en una versión mejorada del algoritmo U-Net, una red neuronal ampliamente usada en la segmentación de imágenes médicas. En este caso, fue optimizada al integrarse con el modelo DenseNet-201, lo que permite extraer características más profundas y precisas de las imágenes del fondo de ojo.
El resultado fue un sistema capaz de detectar y clasificar el glaucoma con una precisión del 96,9 % en pruebas y un 98,8 % en entrenamiento, superando entre 1,3 % y 5,2 % a los métodos tradicionales como VGG-19 o ResNet.
La investigación utilizó 650 imágenes de fondo de ojo —488 para entrenamiento y 162 para pruebas— tomadas del conjunto de datos SiMES/Kaggle. A través del modelo, se logró una segmentación automática del nervio óptico y de la copa óptica, elementos clave en la detección temprana del glaucoma.
“Usamos técnicas de transfer learning que permiten entrenar redes neuronales con conjuntos de datos pequeños y computadoras de bajo costo”, destacó el investigador. “Esto significa que el modelo puede ser implementado en hospitales o clínicas que no disponen de grandes recursos tecnológicos”, precisó.
Colaboración internacional con impacto local
El proyecto contó con la participación de especialistas de la Amity University y la VIT Bhopal University (India), The Home Depot (EE. UU.), Eindhoven University of Technology (Países Bajos), Shifa College of Medicine (Pakistán), King Abdulaziz University (Arabia Saudita) y la Universidad de Guayaquil (Ecuador). Esta red interdisciplinaria demuestra que la colaboración global puede generar soluciones accesibles para comunidades vulnerables, donde la prevención visual es todavía un lujo.
