«Diagnóstico Automático de Toxoplasmosis Ocular y Retinopatía Diabética Utilizando Aprendizaje de Máquina y N-gramas de Pıxeles RGB», se denomina el Trabajo Final de Grado (TFG) presentado por los ahora ingenieros Marcos Ernesto Ibáñez Villalba y Ruth Marilda Recalde Gaona, como prueba final para egresar de la carrera de Ingeniería Mecatrónica de la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA). La defensa del trabajo se realizó el jueves 09 de Marzo de 2023 en la Institución.

Las enfermedades oculares son una realidad cada vez más preocupante para la salud pública, según la OMS por lo menos 2200 millones de personas padecen una deficiencia visual y, de ellas, por lo menos 1000 millones podrían haberse evitado o aun no se han tratado. La toxoplasmosis ocular y la retinopatía diabética son dos enfermedades oculares comunes, que pueden afectar a personas de cualquier edad, raza y género indistintamente. Las mismas pueden ser difıciles de detectar sin una consulta oftalmológica a tiempo y tienen efectos devastadores sobre la salud del paciente como la pérdida de visión permanente a largo plazo.

Una detección precoz de estas enfermedades permitirá a los médicos proporcionar un tratamiento adecuado en el momento indicado. En ese sentido, el objetivo del Trabajo Final de Grado presentado consiste en detectar de forma automática enfermedades oculares, como pueden ser la toxoplasmosis ocular y la retinopatía diabética, en imágenes de fondo de ojo empleando técnicas de aprendizaje automático, procesamiento de lenguaje natural y un enfoque basado en n-gramas de pıxeles RGB. Para lograr este objetivo, programaron y entrenaron por un lado, varios modelos de aprendizaje automático clásicos, como árboles de decisión, k vecinos cercanos y bosque aleatorio, y por el otro, modelos de aprendizaje profundo como redes neuronales convolucionales en sus versiones 1D y 2D.

El trabajo además propone un preprocesamiento de imágenes basado en su conversión a n-gramas de pıxeles RGB para entrenar a los diferentes clasificadores y de esta forma separar el texto resultante de dicha conversión en las categorıas de sanos y enfermos de forma automática. Para la evaluación de desempeño de los clasificadores propuestos en este trabajo se utilizaron bases de datos provenientes de hospitales nacionales como el Hospital Acosta Ñu y el Hospital de Clınicas y una base de datos internacional pública proveniente de la Sociedad de Teleoftalmología de Asia Pacífico (APTOS), con el fin de demostrar su robustez y desempeño en diferentes escenarios.

Los resultados obtenidos mostraron que esta combinación de técnicas ofrece un rendimiento óptimo para detectar con precisión estas enfermedades en la mayorıa de escenarios. Finalmente, se discutieron los resultados y se propusieron algunas mejoras para los modelos desarrollados.