Abstract
La detección precoz de algunas enfermedades puede suponer un hecho decisivo para posponer o estabilizar los efectos más adversos de estas sobre las personas que las padecen.
En el caso del glaucoma, que se trata de una patología ocular que supone la segunda causa más importante de ceguera en el mundo, una detección temprana puede marcar la diferencia entre la pérdida completa de visión de un paciente, o conservar su vista, así como mejorar su posterior tratamiento. Es por este motivo que existen actualmente campañas médicas para la detección temprana de patologías de estas características en una determinada
población de estudio, denominadas screening o cribado, que han demostrado muy buenos resultados. Además, la aplicación de la telemedicina a estos procesos ha permitido la evaluación remota de los casos por expertos clínicos y han surgido numerosas iniciativas para su uso en nuevas estrategias de cribado. Por otro lado, las técnicas de procesamiento de imágenes biomédicas basadas en aprendizaje profundo han experimentado un gran desarrollo a lo largo de los últimos años, y hay varios proyectos que han demostrado su posible aplicación en la detección automática de glaucoma en imágenes de fondo de ojo. El proyecto presentado ha consistido en el desarrollo de una plataforma web que
integra ambos escenarios: por un lado, la evaluación remota de imágenes de fondo de ojo por especialistas médicos, y por otro, la aplicación de una herramienta basada en Deep
Learning para la detección automática de glaucoma en los casos de estudio.
