Software de monitoreo al dormir para la detección de eventos de compresión ocular

Abstract

El trauma ocular durante el sueño ha sido identificado como un factor de riesgo significativo en la progresión de enfermedades como el queratocono. Sin embargo, los métodos convencionales de monitorización, como la polisomnografía o la actigrafía, presentan limitaciones para captar eventos de compresión ocular con precisión. El presente proyecto tuvo como objetivo desarrollar un software de monitoreo no invasivo para la detección de eventos de compresión ocular durante el sueño, utilizando monitoreo computacional. La metodología se basó en el uso de algoritmos de MediaPipe y OpenCV implementados en Python para la detección en tiempo real de landmarks anatómicos, empleando un método basado en distancia euclidiana entre ojos y extremidades superiores. Asimismo, se incorporó una interfaz gráfica desarrollada con Django para facilitar la gestión de usuarios, pacientes y visualización multicámara segmentada. Durante las pruebas se simularon 70 eventos de compresión ocular, de los cuales el sistema logró identificar correctamente 58, alcanzando una exactitud del 82.85%. Los resultados mostraron mayor precisión en eventos con contacto manual, mientras que los movimientos con los brazos presentaron limitaciones asociadas a la pérdida de detección de la malla facial. Asimismo, se evidenció que la visibilidad del rostro y hombros es crucial para el correcto funcionamiento del algoritmo. El software clasifica los eventos por tipo de contacto, lateralidad, ojo involucrado y cámara de detección, y genera un archivo de salida con la información segmentada. Además, la interfaz web desarrollada resultó funcional y amigable, permitiendo ejecutar las tareas clave con menos de seis clics. Esta prueba de usabilidad respalda su aplicabilidad en entornos clínicos sin necesidad de capacitación técnica avanzada. El desarrollo alcanzado sienta las bases para futuras herramientas de monitoreo del sueño enfocadas en la salud ocular, y abre camino hacia la personalización de estrategias preventivas en pacientes con riesgo de desarrollar queratocono