ERDES: A Benchmark Video Dataset for Retinal Detachment and Macular Status Classification in Ocular Ultrasound

Este artículo presenta ERDES, el primer conjunto de datos de acceso abierto de videos de ultrasonido ocular etiquetados para la detección de desprendimiento de retina y la clasificación del estado macular, junto con benchmarks de referencia generados mediante el entrenamiento de múltiples arquitecturas de aprendizaje profundo.

Lo esencial

¡Hola! Imagina que tus ojos son como una cámara de seguridad muy delicada dentro de tu cabeza. A veces, la "película" interna de esa cámara (la retina) se despega, como si una pared de papel se estuviera despegando de la pared de ladrillo. Esto se llama Desprendimiento de Retina. Es una emergencia médica: si no la arreglas rápido, puedes perder la vista para siempre.

Aquí es donde entra la historia de este papel, que es como un manual de instrucciones y un campo de entrenamiento para una nueva inteligencia artificial.

1. El Problema: El "Ojo de Águila" que falta

Para detectar este desprendimiento, los médicos usan una máquina de ultrasonido (como la que usan los doctores para ver bebés en el vientre, pero para los ojos). Es rápido, barato y no duele.

Pero hay un truco: interpretar esas imágenes es muy difícil.

• Imagina que estás viendo una película en blanco y negro con mucho ruido de fondo. A veces, ves una sombra que parece un desprendimiento grave, pero en realidad es solo una burbuja de aire inofensiva (llamada desprendimiento del vítreo posterior).
• Para saber si es una emergencia real, el médico tiene que responder dos preguntas:
  1. ¿Hay desprendimiento? (Sí/No).
  2. Si hay, ¿la "zona central" de la retina (la mácula, que es como el foco de la cámara) está bien o ya se ha despegado?

Si la zona central está bien, hay que operar ya mismo (en menos de 24 horas) para salvar la visión. Si ya se despegó, el tiempo es menos crítico, pero la recuperación será más difícil.

El problema es que no todos los médicos (especialmente en zonas rurales o de emergencia) son expertos en leer estas imágenes de ultrasonido. Necesitamos ayuda.

2. La Solución: ERDES (El "Gimnasio" para la IA)

Los autores de este estudio crearon algo llamado ERDES. Piensa en ERDES como un gimnasio gigante de entrenamiento para una inteligencia artificial.

• ¿Qué es? Es una biblioteca pública de 5,381 videos de ultrasonidos de ojos reales.
• ¿Quién lo hizo? Un equipo de ingenieros y médicos de dos universidades en EE. UU.
• ¿Qué tienen los videos? Cada video está etiquetado por expertos humanos como si fueran un "profesor" corrigiendo un examen. Dicen exactamente: "Este es un ojo sano", "Este tiene una burbuja inofensiva", "Este tiene un desprendimiento grave" o "Este tiene un desprendimiento pero la zona central está a salvo".

Es como si les dieras a una computadora 5,000 horas de clases particulares con los mejores profesores del mundo para que aprenda a ver lo que el ojo humano a veces se pierde.

3. El Entrenamiento: Probando 40 "Cerebros" Digitales

Una vez que tuvieron el gimnasio (los datos), probaron 40 modelos diferentes de inteligencia artificial.

• Imagina que tienes 40 estudiantes diferentes: algunos son muy rápidos pero se distraen, otros son lentos pero muy detallistas.
• Los probaron en dos tareas principales:
  1. Detectar el peligro: ¿Hay desprendimiento o no?
  2. Evaluar la gravedad: Si hay peligro, ¿la zona central está a salvo?

Los resultados:
¡Funcionó muy bien! Los mejores modelos (llamados "3D U-Net" y "3D ResNet") aprendieron a detectar el desprendimiento con una precisión de casi el 98% y a identificar si la zona central estaba en peligro con una precisión de casi el 90%.

4. El Plan Maestro: El "Filtro de Dos Niveles"

Los autores no solo crearon el modelo, sino que diseñaron un sistema de seguridad en dos pasos (como un filtro de café o un control de seguridad en un aeropuerto):

• Paso 1 (El Filtro Grueso): La IA mira el video y dice: "¿Hay desprendimiento?". Si dice "No", el paciente está bien (o tiene algo menor) y el proceso termina.
• Paso 2 (El Filtro Fino): Si el Paso 1 dice "Sí, hay desprendimiento", el video pasa a un segundo especialista de IA que pregunta: "¿La zona central (mácula) está a salvo?".
  • Si la zona está a salvo: ¡Alerta Roja! El paciente necesita cirugía de emergencia ya.
  • Si la zona ya se despegó: El paciente necesita cirugía, pero es un poco menos urgente.

¿Por qué es esto importante para ti?

Imagina que estás en un pequeño hospital de pueblo, lejos de un gran centro médico. Un paciente llega con dolor de ojo y visión borrosa. El médico local no es un experto en ojos, pero tiene una máquina de ultrasonido.

Con este sistema:

1. El médico toma el video.
2. La IA (entrenada con ERDES) lo analiza en segundos.
3. Le dice al médico: "Oye, hay un desprendimiento y la zona central está a salvo. ¡Llama al especialista de inmediato, es una emergencia!".

Esto significa que la IA actúa como un super-ayudante, permitiendo que cualquier médico, incluso en lugares remotos, pueda tomar decisiones vitales con la misma precisión que un experto, salvando la vista de las personas antes de que sea demasiado tarde.

En resumen: Crearon la primera "biblioteca de videos" pública para enseñar a las computadoras a leer ultrasonidos de ojos, y demostraron que pueden detectar emergencias oculares con una precisión increíble, ayudando a salvar la visión de millones de personas.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "ERDES: A Benchmark Video Dataset for Retinal Detachment and Macular Status Classification in Ocular Ultrasound", traducido y adaptado al español:

Resumen Técnico: ERDES

1. Problema y Contexto

El desprendimiento de retina (RD, por sus siglas en inglés) es una emergencia oftalmológica que amenaza la visión y requiere intervención quirúrgica inmediata. La urgencia y el pronóstico visual dependen críticamente del estado de la mácula: si la mácula está intacta (unida) o desprendida.

• Limitaciones actuales: La ecografía ocular de atención primaria (POCUS) es una herramienta rápida y no invasiva para detectar RD, pero su interpretación requiere expertos, lo cual es un cuello de botella en entornos con recursos limitados.
• Brecha en la investigación: Aunque existen modelos de aprendizaje profundo para detectar RD, ninguno está disponible clínicamente y la mayoría ignora el estado de la mácula, una distinción vital para la priorización quirúrgica. Además, no existía un conjunto de datos público que permitiera la clasificación de RD basada en el estado de la mácula utilizando videos de ecografía.

2. Metodología

A. Creación del Dataset (ERDES)

• Origen: Se recopiló un conjunto de datos de videos de ecografía ocular de 2010 a 2022 en la Universidad de Arizona.
• Escala: 5,381 clips de video (aprox. 5 horas y 10 minutos).
• Categorías:
  • No-RD: Ojos normales y Desprendimiento de Vítreo Posterior (PVD).
  • RD: Desprendimiento de retina con mácula intacta y con mácula desprendida.
• Etiquetado: Se utilizó un flujo de trabajo basado en adjudicación con tres expertos clínicos independientes y un cuarto revisor para control de calidad. Las etiquetas se asignaron a nivel de clip (no por fotograma) para reflejar la interpretación clínica real.
• Preprocesamiento:
  • Se eliminó automáticamente la información de salud protegida (PHI).
  • Se implementó un enfoque basado en YOLOv8 para detectar y recortar la región de interés (el globo ocular), eliminando superposiciones de texto del dispositivo y enfocando el modelo en las estructuras anatómicas relevantes.
  • Los clips se estandarizaron a escala de grises, se rellenaron (padding) para formar cuadrados y se redimensionaron a 96×128×128 (D×H×W).

B. Benchmarking y Arquitecturas

• Se entrenaron y evaluaron 40 modelos utilizando el framework MONAI.
• Arquitecturas probadas: 8 paradigmas espaciotemporales, incluyendo redes convolucionales 3D (3D ResNet, 3D U-Net, V-Net, UNet++, SENet154) y modelos basados en transformadores (Swin-UNETR, UNETR, ViT).
• Tareas de clasificación binaria:
  1. No-RD vs. RD.
  2. Mácula Desprendida vs. Mácula Intacta.
  3. Normal vs. PVD, Normal vs. RD, PVD vs. RD (tareas secundarias).
• Estrategia de Pooling: Se evaluó el "pooling" global temporal frente a una estrategia de pooling selectivo (retener solo los segmentos temporales más informativos), crucial para distinguir el PVD, que es más móvil y menos ecogénico que el RD.

C. Pipeline de Diagnóstico en Dos Etapas
Se diseñó un sistema en cascada que imita el flujo de trabajo clínico:

1. Etapa 1: Detección de la presencia de RD (No-RD vs. RD).
2. Etaja 2: Si se detecta RD, clasificación del estado de la mácula (Intacta vs. Desprendida).

3. Resultados Clave

• Rendimiento en Detección de RD (No-RD vs. RD):
  • El modelo 3D U-Net obtuvo el mejor rendimiento con una sensibilidad del 95.0%, especificidad del 99.6% y precisión del 96.9%.
  • El 3D ResNet también mostró un rendimiento sobresaliente (Sensibilidad: 90.0%).
• Rendimiento en Estado de la Mácula (RD Intacta vs. Desprendida):
  • El 3D U-Net nuevamente lideró con una sensibilidad del 89.9% y una precisión del 81.8%.
  • El 3D ResNet obtuvo una sensibilidad del 75.0% y una precisión del 88.2%.
• Desafío PVD vs. Normal:
  • La distinción entre ojos normales y PVD fue más difícil debido a la baja ecogenicidad y movilidad del PVD.
  • La estrategia de pooling selectivo mejoró significativamente el rendimiento en esta tarea específica en comparación con el pooling global, demostrando que enfocarse en subconjuntos de fotogramas temporales es beneficioso para patologías móviles sutiles.
• Rendimiento del Pipeline Completo:
  • La sensibilidad combinada (end-to-end) para detectar casos de RD con mácula intacta fue del 84.4%.
  • La sensibilidad combinada para detectar casos con mácula desprendida fue del 81.6%.

4. Contribuciones Principales

1. ERDES Dataset: El primer conjunto de datos de código abierto de clips de ecografía ocular etiquetados tanto para la presencia de RD como para el estado de la mácula (intacta vs. desprendida).
2. Benchmark Exhaustivo: Evaluación de 40 modelos a través de 8 arquitecturas espaciotemporales, estableciendo líneas base sólidas para la investigación futura.
3. Pipeline de Diagnóstico en Cascada: Validación de un flujo de trabajo de dos etapas que prioriza la detección de RD antes de evaluar la mácula, alineado con la práctica clínica real.
4. Estrategias de Preprocesamiento y Pooling: Demostración de la eficacia de la detección automática de ROI (YOLOv8) y del pooling selectivo temporal para manejar la variabilidad temporal en videos médicos.
5. Acceso Abierto: Liberación completa del dataset, etiquetas, scripts de entrenamiento y modelos preentrenados bajo licencia CC-BY 4.0 en Zenodo y GitHub.

5. Significado e Impacto

• Avance Clínico: ERDES aborda una brecha crítica al proporcionar datos para automatizar no solo la detección de RD, sino también la estratificación de urgencia basada en la mácula, lo que podría salvar la visión central si se detecta a tiempo.
• Democratización de la Diagnóstico: Al ofrecer un modelo entrenado y un dataset público, se facilita el desarrollo de herramientas de IA que pueden asistir a médicos no especialistas (como en salas de emergencia o zonas rurales) en la interpretación de ecografías oculares.
• Reproducibilidad: La estandarización de los datos y la disponibilidad de los códigos permiten que la comunidad científica replique los experimentos y mejore los modelos, acelerando la traducción de la investigación a la práctica clínica.
• Educación: El dataset refleja la distribución clínica real (mayoría de casos No-RD), lo que lo hace ideal para entrenar modelos que aprendan a priorizar patologías raras pero críticas, similar al proceso de aprendizaje humano.

En conclusión, el trabajo presenta un hito en la inteligencia artificial aplicada a la oftalmología, proporcionando los recursos necesarios para desarrollar sistemas de apoyo a la decisión clínica capaces de distinguir entre emergencias visuales inminentes y condiciones menos urgentes mediante ecografía.