Skip links

ACRIMA

Análisis de Imagen de Fondo de Ojo para Cribado Automático de Enfermedades Oftalmológicas

El objetivo de este proyecto es el desarrollo de un sistema de cribado automático para las tres enfermedades más incidentes en la pérdida visual: el glaucoma, la retinopatía diabética y la degeneración macular asociada a la edad.

En este proyecto se proponen nuevos algoritmos de tratamiento de imagen enfocados no sólo a la detección de los patrones patológicos sino también a la definición y detección de la retina “normal”. Además, se avanza en la incorporación al algoritmo de marcadores empleados en el diagnóstico clínico que no han sido previamente utilizados en métodos de detección automática de patologías. Estas premisas dotan al sistema resultante del proyecto de un alto grado de robustez, así como de unos niveles de sensibilidad y especificidad suficientes para que pueda ser aplicado en la práctica clínica.

La motivación principal de este proyecto estriba en el alto impacto tanto social como económico que tiene la ceguera en la sociedad actual, así como la importancia del diagnóstico precoz de las principales enfermedades que causan ceguera, puede implicar, ya que la derivación adecuada para el tratamiento de dichas enfermedades es clave, pudiéndose prevenir la pérdida visual severa hasta en el 90% de los casos.

En la actualidad, un examen oftalmológico directo, periódico y completo parece ser el mejor enfoque para una evaluación de la población de riesgo, pero el crecimiento demográfico, el envejecimiento de la población, la inactividad física y los crecientes niveles de obesidad son factores que contribuyen al aumento de enfermedades sistémicas como la diabetes (que suelen llevar asociados enfermedades oftalmológicas) lo cual provoca que el número de oftalmólogos necesarios para la evaluación por examen directo de la población de riesgo sea un factor limitante.

Entidad financiadora

Ministerio de Economía y Competitividad (TIN2013-46751-R)

Años

2014 a 2016

Share

Publicaciones

Socios

This website uses cookies to improve your web experience.
Explore
Drag