El proyecto
La retinopatía diabética es una de las principales causas de ceguera prevenible en el mundo. El screening mediante retinografías permite detectarla a tiempo, pero depende de oftalmólogos especializados, un recurso escaso en muchas regiones. RetinaIA propone automatizar ese análisis con una herramienta eficiente, accesible e interpretable.
El problema
La retinopatía diabética es una complicación de la diabetes que puede provocar pérdida de visión irreversible si no se detecta a tiempo. Es una de las principales causas de ceguera prevenible en adultos en edad productiva, y en muchas regiones el acceso al diagnóstico especializado es limitado.
Qué hace
Analiza fotografías digitales del fondo de ojo (retinografías) y clasifica la severidad de la enfermedad en cinco grados, de ausente a proliferativa. Además, delimita las lesiones presentes: microaneurismas, hemorragias y exudados.
Cómo funciona
Se basa en una arquitectura Deformable Attention Transformer (DAT), que concentra el cómputo en las regiones con mayor información patológica con complejidad optimizada. Se entrena sobre datasets públicos (EyePACS, APTOS, Messidor-2, IDRiD, DDR) y se exporta a ONNX para ejecutarse sin GPU dedicada.
Explicabilidad
Integra Deform-CAM: mapas de calor generados por el propio mecanismo de atención del modelo que muestran qué regiones de la retina fundamentan cada diagnóstico, para que las decisiones puedan ser auditadas por profesionales de la salud.
Mateo Giacometti
Estudiante de último año · Ingeniería en Inteligencia Artificial · Universidad de San Andrés
Técnico Electrónico con experiencia práctica en Machine Learning, Deep Learning, Computer Vision, Reinforcement Learning, NLP y robótica. Este sitio presenta el proyecto de mi trabajo final de grado.