La Inteligencia Artificial puede evitar la ceguera en los diabéticos

Autor: José Lopez Torrecilla

Un equipo de investigadores de la Universidad de Stanford liderado por Arthur Brant en colaboración con el equipo Health AI de Google y el hospital Aravind de India, ha demostrado que una inteligencia artificial (IA) puede detectar de forma altamente precisa una de las principales causas de ceguera en el mundo: la retinopatía diabética (RD). El estudio, publicado recientemente en JAMA Network Open 2025;8(3): e250984, (doi:10.1001/jamanetworkopen.2025.0984), representa la primera gran evaluación clínica real de un algoritmo oftalmológico en uso masivo y podría revolucionar el acceso al diagnóstico.

La retinopatía diabética afecta a la mitad de los pacientes con diabetes y sigue siendo una de las principales causas de ceguera prevenible, ya que su identificación y tratamiento tempranos puede prolongar la visión. A pesar de las recomendaciones de exámenes anuales, existen importantes barreras, especialmente en regiones marginadas donde a menudo no hay oftalmólogos disponibles. Identificar la RD avanzada es fundamental, porque la mitad de los ojos no tratados con RD proliferativa grave desarrollan ceguera en un plazo de 5 años, y la fotocoagulación retiniana y la terapia con factor de crecimiento endotelial antivascular reducen significativamente la probabilidad de ceguera.

Las pruebas basadas en inteligencia artificial para detectar la retinopatía diabética y el edema macular diabético (EMD) han mostrado resultados prometedores en entornos de investigación controlados, pero su eficacia en entornos del mundo real sigue sin comprobarse.

En 2018, Aravind Eye Hospitals junto con Google LLC y Verily Life Sciences LLC presentaron un sistema de aprendizaje profundo (Deep Learning) para ser aprobado por la Conformité Européenne (CE) para la detección de la Retinopatía Diabética. El sistema, una Evaluación Automatizada de Enfermedades de la Retina (ARDA; Automated Retinal Disease Assessment), fue utilizado para evaluar pacientes con diabetes en la India, incluyendo a quienes viven en zonas remotas y carecen de acceso a oftalmólogos. ARDA se desarrolló utilizando más de 130.000 imágenes de la base de datos EyePACS junto a tres bases de datos de hospitales de la India y se perfeccionó para funcionar en condiciones reales, tanto en hospitales como en clínicas rurales, usando distintos tipos de cámaras. Hasta la fecha, ARDA ha evaluado a más de 600.000 pacientes en Tamil Nadu, India.

El presente estudio fue realizado entre enero 2019 y julio 2023 en 45 lugares del sur de la India y se analizaron 4.537 fotografías de fondo de ojo. En los centros de visión, un técnico oftalmológico realizó el examen ocular y posteriormente fue revisado por un oftalmólogo vía telemática. En los hospitales terciarios el oftalmólogo realizó el examen y en las clínicas de diabetes no se realizó examen ocular, se tomó una fotografía de fondo de ojo a los pacientes y se realizó una clasificación con ARDA. En todos los centros, se intentaban inicialmente fotografías no midriáticas, con un máximo de tres fotografías por ojo. Si ninguna de las fotografías era clasificable, se realizaba una dilatación con clorhidrato de fenilefrina al 2,5 % y tropicamida al 1 %.

Las imágenes se calificaron según la gravedad de la retinopatía diabética de acuerdo a la Clasificación Internacional de la RD (Ninguna, Leve, Moderada, Grave o Proliferativa) y la presencia de edema macular diabético (EMD). Cada imagen fue calificada por 3 oftalmólogos certificados en US, dentro de un grupo de 20 oftalmólogos.

Resultados

De las fotografías analizadas el 17,3% tenían algún grado de Retinopatía Diabética (leve, moderada, grave o proliferativa) y un 10% tenían una forma amenazante para la visión. La IA ARDA (Automated Retinal Disease Assessment), identificó signos de retinopatía diabética grave (No proliferativa o proliferativa) con una sensibilidad del 97,0% y una especificidad del 96,4%. En el caso de la retinopatía diabética con amenaza de pérdida de visión la sensibilidad fue del 95,9% y la especificidad del 94,9%, según confirmó una revisión independiente de oftalmólogos de EE. UU. Y lo más importante: no dejó sin detectar a ningún paciente con retinopatía severa, garantizando que todos los casos clínicamente urgentes fueran derivados para tratamiento. El valor predictivo positivo fue del 67,9% y el valor predictivo negativo del 99,9%.

En entrevista realizada al líder del proyecto (Arthur Brant), en la misma revista (doi:10.1001/jama.2025.2778), comenta que ARDA es segura, precisa y escalable, pudiéndose utilizar en distintos entornos clínicos y con distintas cámaras, además puede aliviar la carga del sistema de salud al reducir derivaciones innecesarias, optimizar el tiempo de los especialistas y evitar la saturación de clínicas. Por último, beneficia especialmente a zonas rurales y con pocos recursos, es decir democratiza el acceso a diagnósticos de calidad.

Como perspectivas para el futuro el Dr. Brant comenta la posibilidad del cribado masivo y automatizado del fondo de ojo, siendo parte de un programa de chequeo rutinario anual en pacientes con diabetes. Destaca que la IA es una herramienta complementaria, y que no reemplaza al médico, sino que ofrece una ayuda para priorizar los casos y detectar problemas cuando son tratables.

Los autores creen que, aunque el foco del proyecto fue la retinopatía diabética, ven potencial para usar modelos similares en otras afecciones como el glaucoma, la degeneración macular o incluso tumores oculares, siempre que haya imágenes y datos suficientes.

Conclusiones

La Inteligencia Artificial ARDA tuvo un buen rendimiento en el cribado clínico. La sensibilidad y la especificidad para las Retinopatías diabéticas graves fueron altas, y la tasa de omisión clínicamente importante fue del 0 %, lo que significa que el 100 % de los pacientes con Retinopatías Diabéticas graves fueron derivados a un oftalmólogo. Este es el primer informe a gran escala sobre el rendimiento posterior a la comercialización de un algoritmo de IA en oftalmología.

Arthur Brant, MD; Preeti Singh, MS; Xiang Yin, PhD; Lu Yang, BS; Jay Nayar, MS; Divleen Jeji, MBBS, MBA; Yossi Matias, PhD; Greg S. Corrado, PhD; Dale R.Webster, PhD; Sunny Virmani, MS; Anchintha Meenu, MS, DNB; Naresh Babu Kannan, MS, MBA; Jonathan Krause, PhD; Florence Thng, MS; Lily Peng, MD, PhD; Yun Liu, PhD; Kasumi Widner, MS; Kim Ramasamy, MD. Performance of a Deep Learning Diabetic Retinopathy Algorithm in India. JAMA Network Open. 2025;8(3):e250984. doi:10.1001/jamanetworkopen.2025.0984

Diabetic Retinopathy Is Massively Underscreened, an AI System Could Help. By Roy Perlis,MD, MSc; Kate Schweitzer. Published Online: April 18, 2025. doi:10.1001/jama.2025.2778