Aplicación del machine learning en la detección de cataratas: una revisión sistemática

• Autores: Cuyan Rojas, Jeremy Jhoset, Gutierrez Chavez, Sebastian Andree
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/15921
• Enlace del recurso: https://hdl.handle.net/20.500.12802/15921
• Nivel de acceso: acceso abierto
• Materia: Machine learning; Cataratas; Diagnóstico automático; Redes neuronales; Revisión sistemática; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación tuvo como objetivo realizar una revisión sistemática de la literatura científica sobre la aplicación de algoritmos de machine learning en la detección de cataratas oculares. Para ello, se aplicó la metodología PRISMA, que permitió identificar, seleccionar y analizar artículos científicos indexados en bases de datos como IEEE Xplore, Scopus y ScienceDirect, publicados en los últimos cinco años. Este enfoque garantizó la transparencia y el rigor metodológico del proceso de búsqueda y selección. Se establecieron criterios de inclusión y exclusión precisos, centrados en estudios que emplearan modelos de aprendizaje supervisado con validación experimental. Los algoritmos más frecuentes fueron las redes neuronales convolucionales (CNN), ResNet, VGG16 y Random Forest, debido a su capacidad para procesar y clasificar imágenes médicas de manera eficiente. Las métricas utilizadas para evaluar los modelos incluyeron precisión, sensibilidad, especificidad y F1-score, indicadores clave del rendimiento de los sistemas predictivos. Los resultados muestran que la mayoría de los estudios alcanzan niveles de precisión superiores al 90%, destacando la eficacia de las CNN en la clasificación de imágenes oftalmológicas. Sin embargo, se evidencian limitaciones relacionadas con la escasez de bases de datos clínicas públicas, la falta de estandarización en los protocolos de validación y la reducida diversidad de las muestras analizadas. En conclusión, los algoritmos de machine learning constituyen una herramienta prometedora para el diagnóstico automatizado de cataratas. Esta revisión resalta la necesidad de promover investigaciones colaborativas e integrar dichos modelos en plataformas clínicas accesibles.