Investigadores de la ULPGC y del Instituto de Astrofísica de Canarias trabajan de forma conjunta en un método de detección temprana de las úlceras del pie diabético mediante el uso de termogramas, esto es, imágenes correspondientes al infrarrojo térmico que reflejan la temperatura del objeto capturado. Por parte de la ULPGC participan en este estudio el investigador predoctoral becado por la ACIISI Abián Hernández y el Catedrático de Tecnologías de la Imagen Juan Ruiz Alzola, mientras que por el IAC firman Natalia Arteaga y Jordan Ortega.
El pie diabético es una afección común entre las personas que padecen esta patología; los niveles altos de azúcar en sangre dañan los nervios y los vasos sanguíneos de los pies, lo que desemboca en entumecimiento, dolor o pérdida de sensibilidad en esta zona del cuerpo. Al no percibir dolor, es posible que un corte, una ampolla o una llaga (herida abierta) se infecten y provoquen un problema de salud peor sin que el paciente lo sepa, llegando en los casos más graves a gangrenas o amputaciones. Cabe recordar que en Canarias la diabetes tiene una alta tasa de prevalencia.
En la actualidad, el uso de termogramas para localizar posibles úlceras de forma precoz es un área emergente de estudio. Se trata de identificar patrones de temperaturas mediante las cuantificaciones de los datos extraídos de la imagen que se obtiene midiendo diferentes zonas del pie; en un paciente sano, los pies presentan un patrón de temperatura simétrico, pero los problemas vasculares asociados a la diabetes lo alteran y la formación de heridas, incluso subcutáneas, arroja mediciones anómalas que pueden ser indicativas de una posible úlcera.
La enorme cantidad de datos que se obtiene de estas mediciones compromete en ocasiones su fiabilidad, por lo que lo novedoso del trabajo de la ULPGC y el IAC radica en la búsqueda de un subconjunto de datos que contenga la información relevante para la detección temprana de patologías asociadas al pie diabético, distinguiendo entre pacientes patológicos y pacientes sanos.
A esto se añade el uso de técnicas de aprendizaje automático mediante el uso de redes neuronales, “entrenadas” para comprimir una gran cantidad de datos de entrada, de forma que el modelo seleccione, cada vez con mayor eficiencia, los datos necesarios y relevantes. Esta reducción mejora la interpretabilidad de los datos ofrecidos por el termograma por parte de los clínicos, simplificando el proceso y haciéndolo más intuitivo. Todo ello redunda en la posibilidad de detectar la aparición de una úlcera con mucha más antelación, lo que incide en un mejor tratamiento y un mejor pronóstico para la persona afectada.
Esta investigación ha quedado plasmada en un artículo en la revista científica Biomedicins, texto que es prolongación de un trabajo previamente publicado.