Una fotografía de la retina puede revelar alteraciones oculares incluso antes de que aparezcan síntomas evidentes. Con el apoyo de la inteligencia artificial (IA), estas imágenes pueden analizarse mediante algoritmos capaces de reconocer patrones asociados con distintas enfermedades, lo que abre nuevas posibilidades para la detección temprana y la atención médica.
La oftalmología se ha convertido en una de las especialidades con mayores oportunidades de aplicación de esta tecnología. Sin embargo, el desafío ya no consiste únicamente en desarrollar algoritmos precisos, sino en garantizar que funcionen de manera segura y confiable dentro de hospitales, clínicas y otros servicios de salud.
La validación clínica, la regulación, la integración con los equipos existentes y la supervisión de los profesionales son factores determinantes para convertir estos avances tecnológicos en herramientas útiles para la práctica médica.
De las imágenes de retina a la detección temprana
Las fotografías de fondo de ojo y los estudios de tomografía de coherencia óptica (OCT) permiten observar estructuras oculares e identificar alteraciones relacionadas con diferentes enfermedades. Mediante técnicas de aprendizaje profundo, los sistemas de IA pueden procesar grandes conjuntos de imágenes y reconocer características asociadas con determinadas patologías.
Una de las aplicaciones con mayor desarrollo clínico es la detección de retinopatía diabética, una complicación de la diabetes que puede ocasionar pérdida de visión cuando no se identifica y atiende oportunamente.
En Estados Unidos, la Administración de Alimentos y Medicamentos (FDA) ha autorizado sistemas de inteligencia artificial diseñados para realizar pruebas de detección de esta enfermedad mediante fotografías de retina. Entre ellos se encuentran:
-
LumineticsCore (anteriormente IDx-DR): sistema autorizado para la detección de retinopatía diabética.
-
EyeArt: tecnología que permite evaluar imágenes retinianas para identificar signos de esta complicación.
-
AEYE Diagnostic Screening: solución de IA orientada a realizar pruebas de detección a partir de imágenes de retina.
Estos dispositivos operan conforme a indicaciones de uso específicas y permiten determinar cuándo es necesario referir al paciente para una valoración oftalmológica.
Su relevancia también está relacionada con el lugar donde pueden utilizarse. Determinadas pruebas pueden realizarse en servicios de atención primaria o clínicas dedicadas al seguimiento de personas con diabetes, sin necesidad de acudir inicialmente a un consultorio especializado. Esto representa una oportunidad para ampliar la detección, especialmente en entornos donde el acceso a oftalmólogos es limitado.
¿Qué otras enfermedades oculares pueden analizarse con IA?
Aunque la retinopatía diabética concentra algunas de las aplicaciones clínicas más consolidadas, las investigaciones también estudian el potencial de la inteligencia artificial en otras patologías y procedimientos oftalmológicos.
Entre las principales líneas de desarrollo destacan:
-
Glaucoma: análisis de imágenes del nervio óptico y datos clínicos relacionados con el daño glaucomatoso.
-
Degeneración macular asociada con la edad: identificación de alteraciones retinianas y estudio de características relacionadas con la evolución de la enfermedad.
-
Análisis mediante OCT: segmentación de estructuras oculares, identificación de líquido retiniano y cuantificación de cambios que pueden facilitar el seguimiento de determinados pacientes.
Una revisión publicada en 2026 en Optometría Clínica y Ciencias de la Visión encontró resultados prometedores en el diagnóstico y la clasificación de patologías oculares mediante inteligencia artificial. No obstante, sus autores destacaron la necesidad de ampliar las investigaciones con poblaciones más diversas y conjuntos de imágenes representativos de las condiciones reales de atención.
Es importante distinguir entre las tecnologías que ya cuentan con autorizaciones regulatorias para usos específicos y aquellas que permanecen en investigación. No todas las aplicaciones presentan el mismo grado de validación ni están preparadas para incorporarse de forma generalizada a la práctica clínica.
Del algoritmo al hospital: los desafíos de implementación
Obtener resultados favorables durante el desarrollo de un algoritmo no garantiza que su desempeño sea el mismo al utilizarlo en un hospital o clínica. Factores como la calidad de las imágenes, las características de los pacientes, el equipo disponible y la capacitación del personal pueden influir directamente en su funcionamiento.
Una publicación de Gaceta Médica de México sobre inteligencia artificial y tamizaje de retinopatía diabética destacó la importancia de contar con los recursos humanos y materiales necesarios para obtener fotografías adecuadas. Asimismo, señaló que los programas deben contemplar tanto la detección y referencia de pacientes como su acceso posterior a la atención y al tratamiento correspondiente.
Esto plantea una distinción fundamental: detectar una posible enfermedad no garantiza que el paciente reciba atención médica.
Por ello, antes de incorporar una solución de inteligencia artificial, las instituciones de salud deben establecer procedimientos claros para su operación:
-
Realización de los estudios: definir qué personal estará encargado de obtener las imágenes y qué recursos se requieren.
-
Gestión de resultados: establecer cómo se recibirán, interpretarán y utilizarán los reportes generados.
-
Imágenes no interpretables: determinar qué procedimiento se seguirá cuando el sistema no pueda realizar una evaluación.
-
Referencia de pacientes: definir cómo se canalizarán los casos que requieran valoración especializada y seguimiento.
La efectividad de estas soluciones depende de su integración en un proceso asistencial completo. Un algoritmo puede contribuir a identificar alteraciones, pero su utilidad clínica también requiere que existan mecanismos para atender los resultados.
Precisión, seguridad y regulación: ¿qué deben evaluar las instituciones?
La incorporación de IA en oftalmología exige evaluar tanto su desempeño diagnóstico como las condiciones bajo las cuales será utilizada. Al igual que otras herramientas de detección, estos sistemas pueden generar falsos positivos, que ocasionan referencias innecesarias, o falsos negativos, que podrían retrasar la identificación de una enfermedad.
Para valorar su confiabilidad se utilizan indicadores como la sensibilidad, la especificidad y la capacidad para interpretar imágenes en condiciones reales de atención. De hecho, una revisión publicada en 2026 sobre la adopción de sistemas autónomos de IA para retinopatía diabética documentó diferencias de rendimiento entre distintas implementaciones clínicas.
Además de la precisión, existen otros aspectos que hospitales, clínicas y proveedores deben considerar:
-
Autorización regulatoria: la FDA mantiene un registro de dispositivos médicos habilitados con IA que han cumplido los requisitos correspondientes para su comercialización en Estados Unidos. Sin embargo, esta autorización no implica automáticamente que puedan utilizarse en México.
-
Indicaciones de uso: cada sistema debe operar dentro de las aplicaciones y condiciones para las que ha sido autorizado y validado.
-
Protección de información clínica: el tratamiento de los datos de los pacientes requiere medidas de seguridad y confidencialidad.
-
Responsabilidad profesional: deben establecerse las funciones y los mecanismos de supervisión de los profesionales involucrados.
En México, las instituciones interesadas en estas tecnologías necesitan verificar los requisitos regulatorios nacionales antes de incorporarlas a sus servicios. La evaluación debe considerar no solamente las capacidades del software, sino también su seguridad, las condiciones de operación y su integración con los procedimientos médicos existentes.
¿Puede la inteligencia artificial sustituir al oftalmólogo?
La autonomía de determinados sistemas para realizar pruebas de detección no significa que puedan reemplazar la valoración integral de un especialista. Su capacidad se limita a las funciones para las cuales han sido desarrollados y validados, por lo que identificar signos compatibles con una enfermedad específica no equivale a evaluar todas las condiciones que afectan la salud visual.
El oftalmólogo mantiene responsabilidades esenciales en la atención del paciente, principalmente en la interpretación del contexto clínico, la confirmación diagnóstica, la selección de tratamientos y el seguimiento de las enfermedades.
En este sentido, la inteligencia artificial puede aportar valor en tres ámbitos: organizar información clínica, apoyar determinadas decisiones médicas y ampliar el acceso a pruebas de detección.
La colaboración entre tecnología y conocimiento especializado permite plantear modelos de atención donde la automatización de tareas específicas contribuya a concentrar los recursos profesionales en pacientes que requieren valoración y tratamiento especializados, sin sustituir el criterio médico.
De la innovación tecnológica a una implementación responsable
La inteligencia artificial en oftalmología ofrece oportunidades para fortalecer la detección de enfermedades y mejorar determinados procesos asistenciales. Sin embargo, su incorporación no debería responder únicamente al interés por adoptar nuevas tecnologías, sino a necesidades clínicas concretas y resultados respaldados por evidencia científica.
Para hospitales, clínicas, fabricantes y proveedores de dispositivos médicos, esto implica considerar de manera conjunta la precisión de los algoritmos, la compatibilidad con la infraestructura existente, los costos operativos, la capacitación del personal, el cumplimiento regulatorio y los mecanismos de supervisión.
El verdadero avance estará en convertir las capacidades de la inteligencia artificial en herramientas confiables que puedan integrarse a la atención médica cotidiana. Su valor dependerá de facilitar la detección oportuna, respaldar las decisiones de los especialistas y contribuir a mejorar la atención de los pacientes, mediante procesos seguros y clínicamente validados.
Referencias
- Actualización en inteligencia artificial y oftalmología. (2024). SciELO México. https://www.scielo.org.mx/scielo.php?pid=S1870-72032024000200134&script=sci_arttext
- Aplicaciones de la inteligencia artificial en ciencias de la visión. (2026, 18 de mayo). Optometría Clínica y Ciencias de la Visión, 5(1). https://revistaoccv.es/index.php/occv/article/view/63
- Respuesta de los autores a la carta al editor «Inteligencia artificial y tamizaje de la discapacidad visual relacionada con retinopatía diabética y edema macular». (2024). Gaceta Médica de México. https://www.scielo.org.mx/scielo.php?pid=S0016-38132024000200229&script=sci_arttext
- Academia Americana de Oftalmología. Artificial intelligence in ophthalmology [Inteligencia artificial en oftalmología]. EyeWiki. https://eyewiki.aao.org/Artificial_Intelligence_in_Ophthalmology
- Administración de Alimentos y Medicamentos de Estados Unidos. (2026). Artificial intelligence-enabled medical devices [Dispositivos médicos habilitados con inteligencia artificial]. https://www.fda.gov/medical-devices/digital-health-center-excellence/artificial-intelligence-enabled-medical-devices
- Autonomous artificial intelligence in diabetic retinopathy testing: Lessons learned on successful health system adoption. (2026). PubMed. https://pubmed.ncbi.nlm.nih.gov/41140908/
