¿Cómo reacciona la pupila a la luz? Un enfoque a través del color y la
tecnología
Mtro. Rodrigo Hérnandez Moncayo
UAEMEX Valle de México
Dr. Carlos Omar González
Morán
Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional
Mtro. Juan Carlos Belen
Luna
CINVESTAV
Dr. José de Jesús Agustín
Flores Cuautle
Universidad Católica de Leuven (KU-Leuven)
Lic. José Alberto Sepúlveda
Álvarez.
Ciencias de la Salud Unidad Santo Tomá
Dr. Asdrúbal López
Chau
Doctor en Ciencias en Computación, CINVESTAV-IPN
Resumen
La luz es fundamental para la visión: al entrar al ojo, atraviesa sus diferentes estructuras hasta llegar a los fotorreceptores, que convierten esa luz en señales que el cerebro interpreta, permitiéndonos reconocer y comprender nuestro entorno. La pupila, que es el orificio en el centro del iris, regula cuánta luz ingresa al ojo. Estudiar el comportamiento de la pupila ha abierto nuevas oportunidades en campos tan diversos como el marketing, la medicina y la educación. Esta investigación propone una alternativa basada en video-oculografía, una técnica de registro no invasivo que utiliza cámaras para estudiar el movimiento de los ojos, para analizar los reflejos pupilares cuando se exponen a estímulos de luz de colores primarios (rojo, verde y azul, conocidos como RGB). El objetivo es conocer, comprender y obtener datos significativos sobre el comportamiento de la pupila. A partir de estos datos, es posible realizar análisis estadísticos que, en el futuro, permitirán desarrollar sistemas basados en inteligencia artificial para prevenir problemas visuales y apoyar el diagnóstico temprano de enfermedades oculares.
Introducción
La visión juega un papel crucial en el desarrollo humano, ya que permite percibir el entorno y
comprender la realidad. Desde las primeras etapas de la vida, la visión impulsa el desarrollo de
habilidades cognitivas como la percepción, la atención y la memoria. Estas capacidades evolucionan
desde la infancia hasta la adultez, siendo un motor clave en el progreso intelectual y tecnológico
de la humanidad.
Según el blog de la Secretaría de Salud [1], en 2022 había 200 millones de personas en el
mundo con algún problema visual, según datos de la Organización Mundial de la Salud (OMS). En
México, existen 12 millones 237 mil personas con una deficiencia visual. Las principales afecciones
incluyen errores de refracción (como miopía, hipermetropía y astigmatismo) y enfermedades más graves
como catarata senil, degeneración macular, glaucoma, retinopatía diabética y opacidades en la
córnea. Muchas de estas condiciones pueden prevenirse o estabilizarse mediante un diagnóstico
temprano. Por ello, es fundamental implementar técnicas que permitan detectar a tiempo posibles
problemas visuales, evitando que avancen hasta provocar ceguera u otras complicaciones severas.
Actualmente, existen técnicas no invasivas para estudiar el reflejo pupilar, las cuales
pueden asociarse con distintas enfermedades. Por ejemplo, en [2] se presenta un estudio sobre
alteraciones de los reflejos pupilares en pacientes con depresión en la vejez. En [3], se describe
un sistema de estimulación visual y registro de movimientos oculares mediante video-oculografía
infrarroja (una técnica que utiliza luz infrarroja para capturar los movimientos del ojo) con el
objetivo de detectar problemas neurodegenerativos. El trabajo de [4] demuestra, mediante
pupilografía infrarroja, cómo es posible identificar alteraciones en pacientes con neuromielitis
óptica y esclerosis múltiple. Asimismo, en [5] se desarrolla un sistema económico para estudiar y
cuantificar el reflejo pupilar en personas con diabetes.
Este trabajo propone la implementación de un sistema computacional para estudiar y registrar
de manera no invasiva el comportamiento y los reflejos pupilares. Esta información permitirá, en el
futuro, aplicar técnicas de Inteligencia Artificial (IA) para reconocer patrones y establecer
conexiones con posibles enfermedades. La organización del documento es la siguiente: primero se
presenta un resumen sobre cómo viaja la luz a través del ojo; luego se describen algunas técnicas de
estudio pupilar no invasivas (como el seguimiento ocular, la video-oculografía y la pupilometría);
y, finalmente, se detalla la implementación del sistema computacional para obtener datos del área
pupilar.
El paso de la luz en el ojo y los fotorreceptores
La luz es esencial para la visión. Al ingresar al ojo, atraviesa diversas estructuras que
transforman y procesan la información. Estas partes se dividen en zonas externas, medias e internas
del ojo, como se muestra en las Figuras 1 y 2.
El ojo tiene forma semiesférica, con un diámetro de entre 26 y 28 milímetros. En su parte externa se
encuentra la córnea, una capa transparente y curva que permite enfocar la luz hacia el interior.
Detrás de la córnea está la esclerótica (o esclera), una capa blanca que protege el ojo y bloquea el
paso de la luz [6].
En el centro del ojo se ubica el iris, una membrana que le da color al ojo. En el centro del
iris está la pupila, un orificio que regula el paso de la luz mediante dos músculos: el esfínter
(que contrae la pupila, miosis) y el dilatador (que la expande, midriasis), para proteger los
fotorreceptores de la retina. Detrás del iris se encuentra el cuerpo ciliar, que junto con su
músculo, permite el proceso de acomodación (ajuste de la curvatura del cristalino) para enfocar
objetos a distintas distancias. El cristalino es una lente transparente que permite enfocar la luz
en un punto específico [7].
Técnicas de estudio pupilar
El ojo y la visión son fundamentales para el ser humano, ya que permiten una vida independiente y un
desarrollo social y cognitivo plenos. Por esta razón, se han impulsado numerosas investigaciones
orientadas a encontrar soluciones a problemas médicos y visuales [8]. Entre estas investigaciones
destacan técnicas como el seguimiento ocular, la video-oculografía y la pupilometría, todas ellas
diseñadas para detectar los movimientos oculares y pupilares de manera no invasiva.
El seguimiento ocular (eye-tracker) es una técnica que utiliza sensores, cámaras infrarrojas
y algoritmos para detectar hacia dónde está mirando una persona. Permite medir el tiempo que una
persona pasa observando cierta información y analizar el comportamiento de la mirada. En medicina
[9], se ha desarrollado un prototipo que integra un casco de realidad virtual con un eye-tracker
para registrar los movimientos oculares y de las manos. Esta investigación sugiere que los patrones
de movimiento ocular pueden ser biomarcadores de enfermedades neurodegenerativas como el Parkinson y
el Alzheimer.
La pupilometría es una técnica que utiliza diferentes longitudes de onda de luz para
estimular la pupila. En oftalmología, es común emplear esta herramienta para evaluar la salud ocular
mediante estímulos de luz de distintos colores (cromáticos). Por ejemplo, en [10], se emplea luz en
el espectro RGB (rojo, verde y azul) para realizar estudios en personas con glaucoma y analizar si
es posible detectar la enfermedad en etapas tempranas.
La video-oculografía (VOG) permite registrar los movimientos del ojo o la pupila mediante
una cámara. Para el registro se pueden utilizar videos o fotografías, y el análisis puede incorporar
algoritmos de IA para evaluar la información obtenida. Por ejemplo, en [11], se presenta una opción
para realizar estudios de retinopatía (enfermedad de la retina) en infantes mediante telemedicina,
utilizando un conjunto de imágenes de retina para entrenar un algoritmo, logrando buenos resultados.
Este trabajo es relevante, ya que muestra cómo las consultas remotas pueden apoyar el diagnóstico en
lugares donde no hay acceso a tecnología médica avanzada.
En el estudio de los reflejos pupilares, se ha trabajado en la búsqueda de biomarcadores, es
decir, características o señales biológicas que permiten identificar indicios de una enfermedad. En
[12], se demuestra cómo la variación en el tamaño de la pupila tras una conmoción cerebral puede
servir como biomarcador. El estudio analiza los cambios en el área y el reflejo pupilar según la
edad y el sexo de los participantes.
Actualmente, en el Centro Universitario UAEM Valle de México, se está implementando una
infraestructura y un sistema computacional para estudiar la pupila mediante estímulos cromáticos.
Esto permitirá obtener datos relevantes sobre el sistema visual y, en el futuro, identificar
biomarcadores pupilares que ayuden a prevenir problemas visuales.
Implementación
Para la implementación del sistema computacional, se replicó el trabajo presentado en [13], que describe un sistema experimental para evaluar los reflejos pupilares (conocidos en inglés como Pupillary Light Reflex, PLR) utilizando estímulos de luz en colores RGB. Los ensayos fueron aprobados por el Comité de Ética en Investigación (CONBIOETICA-15-CEI-002-20210531) y realizados conforme a la Declaración de Helsinki, un conjunto de principios éticos para la investigación médica en seres humanos.
Metodología y arquitectura
La metodología utilizada en [13] es de tipo top-down, es decir, se comienza desde una perspectiva general para luego desglosar los elementos específicos. En este caso, se construyó un sistema de VOG para grabar los reflejos pupilares y, posteriormente, analizar los datos extraídos de dichas grabaciones. La arquitectura, representada en la Figura 3, incluye los siguientes pasos:
Instrumentación y aplicación
El sistema VOG para registrar los estímulos pupilares se instala dentro de una jaula de Faraday, que
es un recinto que bloquea interferencias electromagnéticas, garantizando que el experimento se
realice en completa oscuridad. Dentro de esta jaula, se coloca un campímetro (instrumento para medir
la percepción visual en distintos puntos del campo visual) con iluminación de fondo mediante una
tira de luces LED.
Para la grabación, se utiliza una cámara Canon Rebel T6 montada sobre una base deslizante,
equipada con un lente macro de 50 mm para obtener tomas detalladas. Cada grabación dura 10 segundos
por estímulo de color y se realiza en alta definición (HD) a 60 fotogramas por segundo (FPS).
La proyección de los estímulos de luz RGB se realiza mediante un LED de un watt, calibrado a
93.19 cd/m², controlado por una placa Arduino. El circuito está colocado a 30 cm de distancia del
ojo del sujeto, junto a un teléfono inteligente. Los estímulos se aplican durante 10 milisegundos,
tres veces, en un periodo de 10 segundos por cada color. Frente al lente de la cámara se coloca un
anillo con 8 LEDs infrarrojos para mejorar la visibilidad en la oscuridad.
Para supervisar el proceso, una computadora permite duplicar el video en tiempo real y
almacenar los resultados. El sujeto se sienta frente al lente macro en una base mentonera,
desinfectada previamente, que sostiene la cabeza para evitar movimientos. La Figura 4 ilustra la
disposición de los elementos.
Después de la grabación, el análisis de los datos puede realizarse fuera de la jaula de
Faraday. En esta etapa, se eliminan los fotogramas donde el participante parpadea o cierra los ojos
para evitar errores en el análisis. El cálculo del área pupilar se realiza utilizando el lenguaje de
programación Python y la librería OpenCV, una herramienta de visión artificial que permite analizar
imágenes y videos. Los datos obtenidos se almacenan en una base de datos para su posterior análisis
estadístico.
Conclusiones
La visión es un sentido fundamental en el desarrollo humano, ya que sin ella la interacción con el
entorno se vería limitada y la percepción de la realidad cambiaría drásticamente. Por ello, la
investigación sobre el ojo y las enfermedades visuales es esencial y debe ser divulgada de manera
constante.
Este proyecto tiene un amplio potencial de crecimiento. Aunque se encuentra en una etapa
inicial, ya se han logrado capturar fotogramas de reflejos pupilares (PLR) de manera satisfactoria.
El análisis de estos reflejos podría ayudar a identificar patrones y definir biomarcadores, lo que
facilitaría la detección, prevención o diagnóstico de enfermedades mediante técnicas de Inteligencia
Artificial.
Agradecimientos
Consejo Mexiquense de Ciencia y Tecnología (COMECYT) por la beca otorgada para realizar esta investigación. Folio: EESP2024-1005.
Referencias