Desarrollo de una aplicación para la identificación de retinopatía diabética mediante técnicas de procesamiento de imágenes e inteligencia artificial

Abstract

La retinopatía diabética es una complicación de la diabetes que puede llevar a deterioro visual y ceguera si no se trata oportunamente (Mundial de la Salud, 2018). En Colombia, con una creciente incidencia de diabetes, es crucial mejorar la detección y gestión de esta enfermedad ocular. En este contexto, el proyecto desarrolla una aplicación de inteligencia artificial para la detección automatizada de retinopatía diabética en imágenes de fondo de ojo, proporcionando apoyo diagnóstico a los especialistas. Inicialmente, se investigaron indicadores específicos, como manchas de algodón, micro aneurismas, hemorragias y vasos sanguíneos; su extracción permitió crear un vector de atributos clave para el entrenamiento de modelos de machine learning. Se evaluaron modelos como Regresión Logística, K-Nearest Neighbors, Support Vector Machine, Random Forest y Redes Neuronales Artificiales, optimizados mediante validación cruzada y ajuste de hiperparámetros. La Regresión Logística mostró el mejor rendimiento en precisión, F1 Score y AUC-ROC (1.0), siendo ideal para datos desbalanceados por su baja complejidad y alta interpretabilidad. En la etapa final, y con el fin de ampliar el alcance del proyecto, se aplicó transfer learning con arquitecturas preentrenadas Xception, ResNet50, InceptionV3 y VGG16, entrenando 72 modelos con variaciones en optimizador, número de neuronas y tamaño de lote. El modelo VGG16, con optimizador Adam, 200 neuronas en la capa densa y tamaño de lote 64, alcanzó una exactitud del 100% en validación, mostrando alta generalización y precisión. Este modelo se perfila como una herramienta eficaz para la detección de retinopatía diabética en imágenes de fondo de ojo.