OPTED: Open Preprocessed Trachoma Eye Dataset Using Zero-Shot SAM 3 Segmentation

Este trabajo presenta OPTED, un conjunto de datos preprocesado de código abierto para la clasificación de tracoma, construido mediante un pipeline reproducible que utiliza el modelo de segmentación cero-disparo SAM 3 para extraer automáticamente la conjuntiva tarsal de fotografías clínicas y eliminar el ruido de fondo, abordando así la escasez de datos públicos de la región más afectada.

Lo esencial

¡Hola! Imagina que el Oftalmología (la ciencia de los ojos) y la Inteligencia Artificial están trabajando juntas para salvar la vista de millones de personas. Este artículo presenta un proyecto llamado OPTED, que es básicamente un "kit de herramientas" digital para ayudar a los médicos a detectar una enfermedad llamada Tracoma.

Aquí te lo explico como si fuera una historia, usando analogías sencillas:

1. El Problema: Una foto desordenada

Imagina que tienes que identificar si una fruta está podrida o fresca. Pero, en lugar de tener la fruta limpia en una mesa, te la dan dentro de una bolsa de compras llena de tierra, otras frutas, y con la mano de alguien sosteniéndola. ¡Es muy difícil ver la fruta real!

• La realidad: El tracoma es la principal causa de ceguera infecciosa en el mundo, y la mayoría de los casos están en África (especialmente en Etiopía). Los médicos toman fotos de los párpados de los pacientes para diagnosticarlo, pero esas fotos tienen mucho "ruido": dedos con guantes, piel de alrededor, sombras y mala iluminación.
• El obstáculo: Para que una computadora (Inteligencia Artificial) aprenda a diagnosticar, necesita fotos limpias y ordenadas. Hasta ahora, no existía un "banco de fotos limpias" gratuito y listo para usar que viniera de las zonas más afectadas.

2. La Solución: El "Cortador Mágico" (SAM 3)

Los autores crearon un proceso automático llamado OPTED. Para hacerlo, usaron una tecnología muy avanzada llamada SAM 3 (Segment Anything Model 3).

• La analogía: Imagina que SAM 3 es un chef muy experto con unas tijeras mágicas. Si le dices: "Corta solo la parte roja del interior del párpado", el chef no necesita que le enseñes mil veces cómo hacerlo. Con una sola frase, sabe exactamente qué recortar y qué tirar a la basura.
• El truco: Antes, los científicos tenían que probar muchas frases diferentes para ver cuál funcionaba mejor. Probó frases como "membrana bajo el párpado" o "línea roja dentro del ojo".
• El ganador: Descubrieron que la frase más efectiva no era médica, sino visual: "Superficie interior del párpado con tejido rojo". ¡Funcionó como un hechizo! Logró recortar el 99.5% de las fotos perfectamente.

3. El Proceso: La Fábrica de Fotos (4 Pasos)

El equipo construyó una "línea de montaje" automática que toma una foto desordenada y la convierte en una foto perfecta para entrenar a una IA. Funciona así:

1. El Recorte (Segmentación): El "chef mágico" (SAM 3) lee la foto y recorta solo la parte importante (el interior del párpado), tirando los dedos y el fondo.
2. La Limpieza (Fondo negro): Lo que no es el párpado se vuelve negro, para que la IA no se distraiga.
3. La Orientación (Alineación): Si la foto está de lado, la giran para que siempre se vea horizontal, como un libro abierto.
4. El Tamaño Estándar (Redimensionado): Finalmente, ajustan todas las fotos a un tamaño cuadrado perfecto (224 x 224 píxeles), como si todas fueran tarjetas de visita idénticas. Usan una técnica especial llamada "Lanczos" que es como estirar una foto sin que se vea borrosa, conservando los detalles finos de la enfermedad.

4. El Resultado: El Tesoro de Datos (OPTED)

Al final de este proceso, tienen 2,832 fotos perfectamente limpias y listas para que cualquier investigador en el mundo las use.

• Las categorías: Las fotos están etiquetadas en tres niveles, como un semáforo de salud:
  • 🟢 Normal: Ojos sanos.
  • 🟡 TF (Inflamación leve): Hay folículos (como pequeñas ampollas) en el párpado.
  • 🔴 TI (Inflamación intensa): El ojo está muy rojo e inflamado (esta es la fase más peligrosa).

5. ¿Por qué es importante?

• Es gratis y abierto: A diferencia de otros estudios que guardan sus datos en cajas fuertes, este equipo lo ha liberado para que cualquiera pueda usarlo.
• Es justo: Viene de África, la región que más sufre la enfermedad, lo que hace que las futuras IAs sean más inteligentes para diagnosticar a esas personas.
• Es reproducible: No solo dan las fotos, sino que te dan las "recetas" (el código) para que tú mismo puedas hacer el proceso si tienes más fotos.

En resumen

Este paper es como si alguien hubiera creado una fábrica de limpieza de fotos automática para el tracoma. Usaron una IA que entiende el lenguaje natural para recortar las fotos, las ordenaron y las hicieron públicas. Ahora, los científicos de todo el mundo pueden usar estas "fotos limpias" para entrenar a sus propias inteligencias artificiales y ayudar a detectar el tracoma más rápido y mejor, acercándonos al objetivo de eliminar esta enfermedad para el año 2030.

¡Es un gran paso para que la tecnología ayude a quienes más lo necesitan!

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "OPTED: Open Preprocessed Trachoma Eye Dataset Using Zero-Shot SAM 3 Segmentation", traducido y adaptado al español:

1. El Problema

La tracoma es la principal causa infecciosa de ceguera en el mundo, con una carga desproporcionada en el África subsahariana (más del 85% de los casos) y Etiopía (más del 50%). A pesar de la necesidad urgente de herramientas de cribado escalables para alcanzar la eliminación global en 2030, existen dos barreras críticas para el desarrollo de modelos de aprendizaje profundo:

• Escasez de datos públicos: No existen conjuntos de datos preprocesados y abiertos de tracoma que provengan de la región más afectada (África subsahariana).
• Ruido en las imágenes crudas: Las fotografías clínicas de los párpados contienen mucho ruido de fondo (dedos con guantes, piel, iluminación variable) que dificulta su uso directo en pipelines de IA. Los métodos anteriores requerían recortes manuales o clasificadores de color de piel, y sus pipelines de preprocesamiento no eran reproducibles ni de código abierto.

2. Metodología

Los autores presentan OPTED, un conjunto de datos preprocesado y un pipeline de preprocesamiento totalmente reproducible basado en el modelo Segment Anything Model 3 (SAM 3) de Meta. El enfoque es "zero-shot" (sin entrenamiento específico), utilizando descripciones de texto natural para extraer regiones de interés (ROI).

El pipeline consta de cuatro etapas principales:

1. Segmentación Zero-Shot con SAM 3: Se utiliza SAM 3 para generar máscaras binarias de la conjuntiva tarsal (el tejido donde se evalúa la tracoma) basándose en prompts de texto.
2. Eliminación de fondo y recorte: Se aplica la máscara para eliminar el fondo (píxeles negros), se calcula el cuadro delimitador (bounding box) y se recorta la imagen con un relleno (padding) del 5%.
3. Alineación: Las imágenes recortadas se orientan para que su eje más largo sea horizontal (rotación de 90° si es necesario).
4. Redimensionamiento: Las imágenes se escalan a 224 × 224 píxeles utilizando interpolación Lanczos, seleccionada por preservar mejor los detalles finos (folículos y patrones vasculares) en comparación con otros métodos (bilineal, bicúbico, vecino más cercano).

Selección del Prompt:
Se evaluaron cinco prompts de texto candidatos en 2,832 imágenes. El prompt ganador fue "inner surface of eyelid with red tissue" (superficie interna del párpado con tejido rojo).

• Hallazgo clave: La terminología médica clínica (ej. "conjuntiva evertida") falló, mientras que las descripciones visuales funcionaron mejor.
• Rendimiento del prompt: Logró una tasa de detección del 99.5% (13 imágenes fallidas recuperadas con prompts de respaldo), una puntuación de confianza media de 0.873 y la mayor cobertura de área (29.8%).

3. Contribuciones Clave

1. Primer conjunto de datos preprocesado de tracoma de África subsahariana: OPTED es el único conjunto de datos público y preprocesado que proviene de la región con mayor carga de la enfermedad, basado en estudios de campo de 6 países (incluyendo Etiopía).
2. Pipeline de código abierto y reproducible: Se libera el código completo para la extracción de ROI, alineación y redimensionamiento, permitiendo que otros investigadores repliquen el proceso.
3. Evaluación sistemática de prompts: Se demuestra empíricamente que las descripciones visuales superan a la terminología clínica en modelos fundacionales de visión-idioma para tareas médicas específicas.
4. Formatos duales: El dataset se entrega en dos formatos: imágenes recortadas y alineadas (manteniendo la relación de aspecto original) y versiones estandarizadas de 224 × 224 listas para arquitecturas preentrenadas (ResNet, ViT, etc.).

4. Resultados y Estadísticas del Dataset

• Volumen de datos: Se procesaron 2,832 imágenes con etiquetas conocidas (asignadas por clasificadores certificados de la OMS).
• Distribución de clases:
  • Normal (Saludable): 2,487 imágenes (87.8%).
  • TF (Tracoma inflamatoria folicular): 324 imágenes (11.4%).
  • TI (Tracoma inflamatoria intensa): 21 imágenes (0.7%).
  • Nota: Existe un desequilibrio significativo de clases, especialmente en TI.
• Calidad de segmentación:
  • Puntuación de confianza media global: 0.872 (desviación estándar 0.070).
  • Las imágenes de TI obtuvieron la mayor confianza media (0.902), seguidas por TF (0.888) y Normal (0.870).
• Rendimiento del pipeline: En una GPU NVIDIA RTX 2000 Ada, el procesamiento de las 2,832 imágenes tomó aproximadamente una hora (~1.3 segundos por imagen).
• Calidad de imagen: La interpolación Lanczos logró el mejor PSNR (39.16 dB) y SSIM (0.9713), preservando mejor los detalles críticos para el diagnóstico.

5. Significado e Impacto

• Reproducibilidad en investigación médica: OPTED elimina la barrera de la falta de datos estandarizados, permitiendo que la comunidad científica se centre en el desarrollo de arquitecturas de clasificación en lugar de en la limpieza de datos.
• Validación de modelos fundacionales: El estudio confirma que los modelos como SAM 3 pueden aplicarse eficazmente a imágenes médicas complejas sin fine-tuning, siempre que se utilicen los prompts visuales adecuados.
• Apoyo a la salud global: Al proporcionar una base de datos accesible y de alta calidad de la región más afectada, el proyecto facilita el desarrollo de herramientas de diagnóstico automatizado que podrían ayudar a la OMS a alcanzar su objetivo de eliminar la tracoma para 2030.
• Disponibilidad: El dataset, el código y los artefactos experimentales están disponibles bajo licencias abiertas (CC-BY-NC 4.0 para datos, MIT para código) para fomentar la colaboración.

En resumen, este trabajo no solo entrega un recurso de datos crucial, sino que establece un nuevo estándar metodológico para la preparación de imágenes médicas utilizando modelos de segmentación fundacionales de última generación.