Pablo Amil lidera la creació del primer mapa tomogràfic per al diagnòstic del glaucoma

El glaucoma és la primera causa de ceguera irreversible al món. Consisteix en la degeneració del nervi òptic i en la pèrdua progressiva de la visió perifèrica. La degeneració es produeix a causa d’una excessiva pressió ocular que ocasiona canvis en l’angle irido-cornial.
Per tractar aquesta malaltia, l’oftalmòleg estableix un diagnòstic i aconsella al pacient passar o no pel quiròfan. Tanmateix, la decisió final és del pacient, qui decideix operar-se exclusivament en funció del consell del metge. Ara, l’investigador Pablo Amil, del grup de recerca en Dinàmica no Lineal, Òptica no Lineal i Làsers (DNOLL) de la Universitat Politècnica de Catalunya · BarcelonaTech (UPC) en col·laboració amb Ulrich Parlitz, investigador del Max Planck Institute for Dynamics and Self-Organization d’Alemanya i de l’Institut de Microcirugía Ocular (IMO) de Barcelona, ha creat una eina que mostrarà de manera objectiva als pacients el grau de gravetat del glaucoma que pateixen i els ajudarà a prendre la decisió d’operar-se.
El mapa tomogràfic de diagnosi del glaucoma es genera amb un algoritme d’intel·ligència artificial al què es sotmet les 1.000 imatges dels angles d’obertura irido-cornial. Posteriorment, s'ordenen i distribueixen en un mateix plànol en zones ordenades per la gravetat (molt greus, greus i lleus) comparant aquesta distribució amb 160 diagnòstics realitzats per oftalmòlegs. El resultat de la correlació és pràcticament igual entre el mapa creat pel grup i el grau de gravetat diagnosticat per l’oftalmòleg.
El mètode ha estat desenvolupat en el marc del projecte europeu Be-Optical, coordinat per Cristina Masoller, també investigadora del Campus de la UPC a Terrassa. Be-Optical, en què també participa l’IMO, forma joves investigadors i desenvolupa noves metodologies per analitzar dades biomèdiques i contribuir en la detecció precoç de malalties oculars. El projecte també compta amb el suport dels Fons Europeu de Desenvolupament Regional (FEDER) i d’ICREA Acadèmia.
Unsupervised feature extraction of anterior chamber OCT images for ordering and classification
P. Amil, L. González, E. Arrondo, C. Salinas, J. L. Guell, C. Masoller, & U. Parlitz.
Scientific Reports 9,Article number: 1157 (2019)