Inicio > Oftalmología > El uso de inteligencia artificial en el diagnóstico de enfermedades oculares

El uso de inteligencia artificial en el diagnóstico de enfermedades oculares

El uso de inteligencia artificial en el diagnóstico de enfermedades oculares

Autor principal: Miguel Meza Alfaro

Vol. XX; nº 02; 59

The use of artificial intelligence in the diagnosis of eye diseases

Fecha de recepción: 29/12/2024

Fecha de aceptación: 23/01/2025

Incluido en Revista Electrónica de PortalesMedicos.com Volumen XX. Número 02 Segunda quincena de Enero de 2025 – Página inicial: Vol. XX; nº 02; 59

Autores:

Dr. Miguel Meza Alfaro

Médico general, investigador Independiente. San José, Costa Rica.

Orcid: https://orcid.org/0009-0003-8123-1926

Código Médico 18144

Dr. Marcel Garro Vargas

Médico general, investigador Independiente. San José, Costa Rica.

Orcid: https://orcid.org/0009-0001-9783-3150

Código Médico 18138

Los autores de este manuscrito declaran que:

Todos ellos han participado en su elaboración y no tienen conflictos de intereses
La investigación se ha realizado siguiendo las Pautas éticas internacionales para la investigación relacionada con la salud con seres humanos elaboradas por el Consejo de Organizaciones Internacionales de las Ciencias Médicas (CIOMS) en colaboración con la Organización Mundial de la Salud (OMS).
El manuscrito es original y no contiene plagio.
El manuscrito no ha sido publicado en ningún medio y no está en proceso de revisión en otra revista.
Han obtenido los permisos necesarios para las imágenes y gráficos utilizados.
Han preservado las identidades de los pacientes.

Resumen:

La inteligencia artificial está revolucionando la oftalmología, mejorando la precisión y accesibilidad del diagnóstico de enfermedades oculares como el glaucoma, la retinopatía diabética y la degeneración macular. En el caso del glaucoma, los algoritmos permiten analizar imágenes del nervio óptico con mayor rapidez y exactitud que los métodos tradicionales, ayudando a detectar cambios sutiles que podrían pasar desapercibidos, lo que permite un diagnóstico temprano y reduce el riesgo de pérdida visual. En la retinopatía diabética, la inteligencia artificial facilita el análisis de imágenes retinianas para identificar daños en los vasos sanguíneos, mejorando la identificación de pacientes que requieren tratamiento urgente. De manera similar, en la degeneración macular, los sistemas inteligentes ayudan a interpretar las imágenes de tomografía de coherencia óptica, detectando signos iniciales de la enfermedad y permitiendo un manejo más eficiente.

A pesar de sus ventajas, la implementación de la inteligencia artificial enfrenta desafíos significativos. En primer lugar, existen preocupaciones éticas relacionadas con la privacidad de los datos de los pacientes y la posibilidad de que los algoritmos tomen decisiones sin supervisión humana. Además, la calidad y disponibilidad de los datos necesarios para entrenar los modelos es un reto, ya que se requieren grandes volúmenes de información de alta calidad para garantizar diagnósticos precisos. La integración de esta tecnología en la práctica clínica también plantea barreras, tanto en términos de infraestructura como de capacitación de los profesionales de la salud.

El futuro de la inteligencia artificial en oftalmología es prometedor. Se espera que los sistemas desarrollados en los próximos años permitan personalizar los tratamientos según las características individuales de los pacientes, considerando no solo las imágenes oculares, sino también datos genéticos y biomédicos. Además, los sistemas de inteligencia artificial híbrida podrían combinar análisis visual con información de biomarcadores y genética, ofreciendo un enfoque más integral para el diagnóstico y tratamiento de las enfermedades oculares. A largo plazo, estos avances podrían mejorar el pronóstico y seguimiento de los pacientes, facilitando un manejo más proactivo de las enfermedades oculares crónicas y degenerativas, lo que impactaría de manera positiva en la preservación de la visión y la calidad de vida.

Palabras clave: Inteligencia artificial, oftalmología, diagnóstico ocular, glaucoma, retinopatía diabética, degeneración macular.

Abstract:

Artificial intelligence is revolutionizing ophthalmology, improving the accuracy and accessibility of diagnosing eye diseases such as glaucoma, diabetic retinopathy, and macular degeneration. In the case of glaucoma, algorithms allow for faster and more accurate analysis of optic nerve images than traditional methods, helping to detect subtle changes that might otherwise go unnoticed, allowing for early diagnosis and reducing the risk of vision loss. In diabetic retinopathy, artificial intelligence facilitates the analysis of retinal images to identify damage to blood vessels, improving the identification of patients requiring urgent treatment. Similarly, in macular degeneration, intelligent systems help interpret optical coherence tomography images, detecting early signs of the disease and allowing for more efficient management.

Despite its advantages, the implementation of artificial intelligence faces significant challenges. First, there are ethical concerns related to the privacy of patient data and the possibility of algorithms making decisions without human oversight. Furthermore, the quality and availability of the data needed to train the models is a challenge, as large volumes of high-quality information are required to ensure accurate diagnoses. The integration of this technology into clinical practice also poses barriers, both in terms of infrastructure and training of healthcare professionals.

The future of artificial intelligence in ophthalmology is promising. Systems developed in the coming years are expected to allow treatments to be personalized according to individual patient characteristics, considering not only eye images, but also genetic and biomedical data. In addition, hybrid artificial intelligence systems could combine visual analysis with biomarker and genetic information, offering a more comprehensive approach to the diagnosis and treatment of eye diseases. In the long term, these advances could improve patient prognosis and monitoring, facilitating more proactive management of chronic and degenerative eye diseases, which would positively impact vision preservation and quality of life.

Keywords: Artificial intelligence, ophthalmology, ocular diagnosis, glaucoma, diabetic retinopathy, macular degeneration.

Introducción:

En las últimas décadas, el avance de la tecnología ha revolucionado todos los ámbitos de la medicina, desde el desarrollo de nuevos tratamientos hasta la optimización de herramientas diagnósticas. Una de las áreas con mayor crecimiento ha sido la inteligencia artificial (IA), una disciplina que permite a las máquinas aprender y tomar decisiones basadas en grandes volúmenes de datos. Gracias a su capacidad para procesar información con rapidez y precisión, la IA ha transformado significativamente el diagnóstico clínico, ofreciendo nuevas posibilidades para la detección temprana de enfermedades y la mejora en la atención de los pacientes. (1)

En el ámbito del diagnóstico médico, la IA ha mostrado un enorme potencial para complementar y mejorar el trabajo de los profesionales de la salud. Las técnicas de aprendizaje automático y las redes neuronales profundas han permitido la creación de algoritmos que pueden analizar con precisión imágenes médicas, predecir el riesgo de ciertas condiciones y sugerir posibles diagnósticos. Esta capacidad no solo aumenta la eficiencia en la detección de enfermedades, sino que también tiene el potencial de reducir errores diagnósticos y de proporcionar acceso a diagnósticos de alta calidad en áreas con pocos recursos médicos. (1,2)

En el campo de la oftalmología, la IA está desempeñando un papel clave en la detección y seguimiento de algunas de las principales enfermedades oculares que afectan a millones de personas en todo el mundo. Entre estas enfermedades se encuentran: (1,2)

  • Glaucoma, una enfermedad crónica que daña el nervio óptico y puede causar pérdida de la visión si no se trata a tiempo.
  • Retinopatía diabética, una complicación común de la diabetes que afecta los vasos sanguíneos de la retina y es una de las principales causas de ceguera en personas en edad productiva.
  • Degeneración macular asociada a la edad (DMAE), una enfermedad degenerativa que afecta la mácula, responsable de la visión central, y que es una de las principales causas de ceguera en personas mayores de 60 años.

La aplicación de IA en oftalmología no solo facilita la detección precoz de estas enfermedades, sino que también mejora la precisión y velocidad en la interpretación de imágenes oculares, lo que contribuye a mejorar el pronóstico y calidad de vida de los pacientes. Este artículo explorará cómo la inteligencia artificial está transformando el diagnóstico de estas y otras patologías oculares, sus beneficios, desafíos y el futuro de su implementación en la práctica clínica.

Metodología:

Este documento presenta un análisis bibliográfico descriptivo que se basa en una selección de 15 investigaciones que cumplen con los criterios de inclusión establecidos. Los estudios seleccionados están escritos en inglés o español y fueron publicados entre 2019 y 2024. La recopilación de estos trabajos se llevó a cabo a través de diversas plataformas digitales, tales como Elsevier, PubMed y Google Scholar, eligiendo publicaciones de revistas académicas, así como metaanálisis y revisiones sistemáticas. La búsqueda se realizó utilizando términos clave específicos, que incluyen: Inteligencia artificial, oftalmología, diagnóstico ocular, glaucoma, retinopatía diabética, degeneración macular.

Panorama actual de las enfermedades oculares:

Las enfermedades oculares constituyen un problema significativo de salud pública a nivel global, afectando a millones de personas y siendo una de las principales causas de discapacidad visual y ceguera. Entre las patologías más comunes se encuentran el glaucoma, la retinopatía diabética y la degeneración macular relacionada con la edad, las cuales tienen un impacto devastador en la calidad de vida de quienes las padecen. (3,4)

El glaucoma es una enfermedad crónica que daña progresivamente el nervio óptico y puede llevar a la pérdida irreversible de la visión si no se detecta y trata a tiempo. Esta condición es una de las principales causas de ceguera en el mundo, especialmente en adultos mayores, y su carácter asintomático en las etapas iniciales dificulta su detección temprana. De manera similar, la retinopatía diabética es una complicación derivada de la diabetes que afecta los vasos sanguíneos de la retina, causando daños progresivos que, si no son diagnosticados y tratados oportunamente, pueden provocar ceguera permanente. Además, la degeneración macular relacionada con la edad afecta la visión central, dificultando actividades cotidianas como la lectura y el reconocimiento de rostros, lo que incrementa el riesgo de ceguera en personas mayores de 60 años. (3,4)

El impacto global de estas enfermedades es alarmante. Según estimaciones de la Organización Mundial de la Salud, aproximadamente 2.200 millones de personas padecen algún tipo de discapacidad visual, y más de la mitad de estos casos podrían haberse prevenido o tratado de manera efectiva si hubieran sido detectados a tiempo. Este desafío resalta la necesidad de contar con sistemas diagnósticos que permitan identificar estas afecciones en sus primeras etapas, cuando las intervenciones terapéuticas pueden ser más eficaces. (3,4)

Sin embargo, la detección temprana de enfermedades oculares presenta dificultades importantes. Muchas de estas patologías son asintomáticas en sus fases iniciales, lo que lleva a los pacientes a buscar atención médica cuando el daño ya es significativo y, en muchos casos, irreversible. Los métodos tradicionales de diagnóstico, como la tonometría para medir la presión intraocular en el glaucoma, la retino grafía para evaluar el estado de la retina o la tomografía de coherencia óptica para detectar cambios en la mácula, han sido pilares fundamentales en la práctica oftalmológica. No obstante, estos métodos presentan limitaciones. Son procedimientos dependientes de la experiencia del profesional de la salud que los realiza, lo que introduce la posibilidad de errores humanos y variabilidad en los resultados. Además, requieren equipos costosos y la disponibilidad de especialistas capacitados, lo que dificulta su acceso en regiones con recursos limitados. (5)

Estas limitaciones han generado una necesidad urgente de herramientas que puedan mejorar la precisión diagnóstica, reducir la carga sobre los profesionales de la salud y hacer que los diagnósticos sean más accesibles para la población. En este contexto, la inteligencia artificial surge como una solución prometedora, proporcionando un enfoque innovador para superar estas barreras y mejorar la detección precoz de las enfermedades oculares. (5)

Principios de la inteligencia artificial en diagnóstico médico:

La inteligencia artificial ha comenzado a transformar el diagnóstico médico gracias a su capacidad para procesar grandes volúmenes de datos, identificar patrones complejos y generar predicciones precisas. Dentro de este campo, el aprendizaje automático y las redes neuronales profundas son dos de las técnicas más utilizadas en el desarrollo de herramientas diagnósticas avanzadas. Estas tecnologías permiten que las máquinas «aprendan» a partir de datos médicos, como imágenes, historiales clínicos o resultados de laboratorio, para mejorar la precisión y rapidez de los diagnósticos. (6,7)

El aprendizaje automático, también conocido como aprendizaje máquina, es una rama de la inteligencia artificial que se basa en algoritmos capaces de aprender de los datos y realizar tareas específicas sin ser programados explícitamente para ello. En el contexto médico, estos algoritmos analizan grandes bases de datos de imágenes médicas y registros clínicos, identificando patrones que podrían pasar desapercibidos para el ojo humano. De esta manera, se convierten en una herramienta eficaz para detectar enfermedades o predecir riesgos en función de las características clínicas del paciente. (6,7)

Por otro lado, las redes neuronales profundas son un tipo avanzado de aprendizaje automático que emulan el funcionamiento del cerebro humano. Estas redes están compuestas por capas interconectadas de «neuronas» artificiales que procesan la información de manera jerárquica. A medida que las redes neuronales analizan los datos, van ajustando sus conexiones para mejorar su capacidad de reconocimiento y clasificación. Este enfoque es especialmente útil en el análisis de imágenes médicas, como las que se utilizan en oftalmología, ya que las redes neuronales profundas pueden detectar con precisión cambios sutiles en las imágenes retinianas que podrían indicar la presencia de una enfermedad ocular. (8)

Dentro del aprendizaje automático, existen tres enfoques principales que son utilizados en la práctica clínica: los modelos supervisados, los no supervisados y el aprendizaje por refuerzo. (8)

En el aprendizaje supervisado, los algoritmos se entrenan utilizando conjuntos de datos etiquetados, lo que significa que cada dato de entrada se asocia con una respuesta correcta conocida. Por ejemplo, en el diagnóstico de enfermedades oculares, se podrían utilizar imágenes de retina con la etiqueta de «sana» o «enferma» para que el modelo aprenda a diferenciarlas. Este enfoque es muy efectivo en situaciones donde se dispone de grandes cantidades de datos etiquetados y ayuda a desarrollar algoritmos que pueden realizar predicciones precisas en nuevas muestras. (8,9)

En contraste, el aprendizaje no supervisado trabaja con datos que no están etiquetados, lo que significa que el algoritmo debe descubrir patrones o relaciones ocultas por sí mismo. Este enfoque es útil cuando no se dispone de datos completamente anotados o cuando se buscan características novedosas dentro de los datos. En oftalmología, el aprendizaje no supervisado puede ser utilizado para identificar subgrupos de pacientes con características similares, lo que puede ser útil para clasificar enfermedades o predecir su progresión. (9)

Finalmente, el aprendizaje por refuerzo se basa en la interacción con el entorno, donde el algoritmo aprende a través de prueba y error. En este caso, el modelo recibe una «recompensa» cuando realiza una acción correcta y una «penalización» cuando comete un error. A través de estas interacciones, el sistema mejora su capacidad para tomar decisiones en situaciones complejas. Aunque este enfoque aún se encuentra en etapas experimentales en el ámbito clínico, tiene el potencial de ser aplicado en situaciones donde se requiere tomar decisiones secuenciales, como en el manejo de pacientes con enfermedades oculares crónicas. (7,9)

Aplicaciones de la inteligencia artificial en oftalmología:

La inteligencia artificial está transformando el campo de la oftalmología, proporcionando herramientas avanzadas para el diagnóstico, monitoreo y tratamiento de diversas enfermedades oculares. Gracias a su capacidad para procesar grandes volúmenes de datos y analizar imágenes con precisión, la inteligencia artificial ha mejorado significativamente la detección de condiciones complejas como el glaucoma, la retinopatía diabética y la degeneración macular, entre otras. (10)

Uno de los principales avances en este campo ha sido en el manejo del glaucoma, una enfermedad ocular que causa daño progresivo en el nervio óptico y puede llevar a la pérdida permanente de la visión si no se detecta a tiempo. El diagnóstico temprano del glaucoma depende de la medición precisa de la presión intraocular y de la evaluación detallada del nervio óptico. La inteligencia artificial ha mejorado la capacidad de medir y monitorear estos parámetros de manera eficiente. Los algoritmos pueden analizar imágenes del nervio óptico tomadas con técnicas avanzadas de imagen, como la tomografía de coherencia óptica, para detectar cambios sutiles que podrían indicar un deterioro inicial, incluso antes de que se presenten síntomas significativos. Esto permite un tratamiento más oportuno y personalizado, reduciendo el riesgo de progresión de la enfermedad. (10,11)

En el caso de la retinopatía diabética, una complicación frecuente de la diabetes, la inteligencia artificial ha sido particularmente útil en el análisis de imágenes retinianas. Esta enfermedad afecta los vasos sanguíneos de la retina y puede causar hemorragias, edema y, en última instancia, ceguera si no se controla adecuadamente. Los algoritmos desarrollados en este campo son capaces de analizar fotografías del fondo de ojo, detectando signos tempranos de daño en los vasos sanguíneos, como micro aneurismas y exudados. Estas herramientas permiten un diagnóstico rápido y preciso, facilitando la identificación de pacientes que necesitan tratamiento urgente, lo que es crucial para prevenir la progresión de la enfermedad. (10,11)

Otro campo donde la inteligencia artificial ha mostrado su potencial es en la detección y monitoreo de la degeneración macular, una enfermedad degenerativa que afecta principalmente a personas mayores y que es una de las principales causas de ceguera en esta población. La tomografía de coherencia óptica es una técnica de imagen clave para diagnosticar esta condición, ya que permite visualizar las capas de la retina con gran detalle. La inteligencia artificial ha mejorado la interpretación de estas imágenes, permitiendo a los especialistas detectar cambios sutiles en la mácula que podrían pasar desapercibidos en una evaluación manual. Esto facilita la intervención temprana, que es fundamental para preservar la visión en pacientes con esta enfermedad. (10)

Además de estas tres condiciones, la inteligencia artificial también está desempeñando un papel importante en el diagnóstico de otras enfermedades oculares, como las cataratas, la uveítis y diversas distrofias retinianas. En el caso de las cataratas, los algoritmos pueden ayudar a predecir la progresión de la opacidad del cristalino, lo que facilita la toma de decisiones sobre el momento adecuado para la cirugía. En cuanto a la uveítis, una inflamación del ojo que puede tener múltiples causas, la inteligencia artificial puede ayudar a clasificar los diferentes subtipos de la enfermedad y predecir su respuesta a los tratamientos. En las distrofias retinianas, que son enfermedades hereditarias que afectan la retina de manera progresiva, la inteligencia artificial puede ser utilizada para analizar genéticamente a los pacientes, lo que facilita un diagnóstico más preciso y un mejor pronóstico. (5,11)

Ventajas de la inteligencia artificial en el diagnóstico ocular:

El uso de la inteligencia artificial en el campo de la oftalmología ha traído consigo numerosas ventajas, mejorando considerablemente la precisión, rapidez y accesibilidad en el diagnóstico de enfermedades oculares. Una de las mayores fortalezas de esta tecnología es su capacidad para analizar grandes cantidades de imágenes médicas de forma rápida y con una precisión que supera, en muchos casos, los métodos tradicionales de interpretación manual. Los algoritmos basados en inteligencia artificial pueden identificar patrones complejos en imágenes retinianas, del nervio óptico o de otras estructuras oculares, lo que permite una evaluación detallada y objetiva, minimizando los posibles errores humanos. (12)

Otra ventaja significativa es la accesibilidad que ofrece esta tecnología, especialmente en regiones donde los recursos médicos son limitados. En muchas áreas del mundo, la escasez de oftalmólogos dificulta el acceso a diagnósticos oculares de calidad. La inteligencia artificial permite la implementación de sistemas automatizados que pueden realizar análisis precisos sin necesidad de la intervención constante de un especialista. Esto facilita la detección temprana de enfermedades en comunidades que, de otro modo, no tendrían acceso a atención oftalmológica. Al reducir la dependencia de especialistas altamente capacitados, se logra también una mayor equidad en el acceso a diagnósticos, ya que personas en zonas rurales o en países en desarrollo pueden beneficiarse de esta tecnología avanzada. (1,12)

Un aspecto crucial donde la inteligencia artificial ha demostrado ser especialmente útil es en la detección temprana de patologías oculares. Muchas de estas enfermedades, como el glaucoma o la retinopatía diabética, son asintomáticas en sus fases iniciales, lo que complica su identificación precoz. Los métodos convencionales a menudo dependen de la experiencia del médico y del momento en que el paciente acude a la consulta. Sin embargo, los sistemas basados en inteligencia artificial pueden detectar incluso los cambios más sutiles en las imágenes oculares, lo que permite identificar enfermedades en sus primeras etapas, cuando las intervenciones son más efectivas y pueden prevenir la progresión del daño visual. (1,12)

Desafíos y limitaciones:

A pesar de los avances significativos que la inteligencia artificial ha traído al diagnóstico de enfermedades oculares, su implementación presenta varios desafíos y limitaciones que deben ser considerados para garantizar un uso responsable y efectivo. Uno de los principales obstáculos es el marco ético y regulatorio que rodea a esta tecnología. El uso de inteligencia artificial en el campo médico conlleva riesgos relacionados con la privacidad de los datos de los pacientes, dado que el entrenamiento de estos algoritmos requiere el acceso a grandes cantidades de información personal y sensible. La protección de estos datos es fundamental para evitar violaciones de la privacidad, lo que plantea la necesidad de políticas estrictas que garanticen su manejo adecuado. Además, existe la preocupación de que la toma de decisiones por parte de estos sistemas pueda ocurrir sin la intervención o supervisión adecuada de los profesionales de la salud, lo que podría generar errores en el diagnóstico o el tratamiento de pacientes, afectando su seguridad. (9,13)

Otro desafío importante es la interoperabilidad y la calidad de los datos utilizados para entrenar los modelos de inteligencia artificial. Estos sistemas dependen de grandes volúmenes de datos para aprender y mejorar su precisión, lo que plantea la necesidad de contar con bases de datos clínicas de alta calidad. Sin embargo, no todos los centros médicos tienen acceso a estos datos, y muchas veces los registros clínicos no están estandarizados o son incompletos, lo que puede afectar el rendimiento de los algoritmos. Además, los modelos entrenados en ciertos entornos pueden no ser generalizables a otras poblaciones debido a las diferencias en los datos demográficos, lo que podría limitar la aplicabilidad de estas herramientas en diversas regiones o grupos de pacientes. (9,13)

La adopción de la inteligencia artificial en la práctica clínica diaria también enfrenta barreras tecnológicas y de capacitación. La integración de estos sistemas en la rutina médica requiere una infraestructura adecuada, como el acceso a equipos de alta tecnología y redes computacionales potentes. En muchos casos, los hospitales y clínicas no cuentan con los recursos necesarios para implementar estas herramientas de manera efectiva. Además, los profesionales de la salud deben estar capacitados para utilizar la inteligencia artificial y comprender sus limitaciones, lo que implica un proceso de formación y actualización constante. La resistencia al cambio y la falta de familiaridad con estas tecnologías pueden retrasar su adopción generalizada, limitando su impacto en la mejora del diagnóstico y tratamiento de enfermedades oculares. (9,10)

Futuro de la inteligencia artificial en oftalmología:

El futuro de la inteligencia artificial en oftalmología promete avances que podrían revolucionar aún más el campo del diagnóstico y tratamiento de las enfermedades oculares. Uno de los aspectos más emocionantes es la posibilidad de personalizar el tratamiento para cada paciente. A medida que la tecnología avanza, los sistemas basados en inteligencia artificial serán capaces de analizar no solo imágenes oculares, sino también otros factores clave como el historial clínico, la respuesta previa a tratamientos y las características individuales del paciente. Esta capacidad de integrar diferentes fuentes de información permitirá a los oftalmólogos diseñar planes de tratamiento más específicos, adaptados a las necesidades particulares de cada individuo. De esta forma, se podría mejorar la eficacia de las intervenciones, reduciendo los riesgos y optimizando los resultados. (14,15)

Otra área con gran potencial es el desarrollo de sistemas de inteligencia artificial híbridos, que combinen el análisis visual con otros datos biomédicos, como información genética, niveles de biomarcadores en sangre y otros indicadores de salud. Esto permitiría una comprensión más integral de las enfermedades oculares, no solo basándose en los cambios anatómicos detectados en los ojos, sino también considerando factores subyacentes que podrían influir en el desarrollo y progresión de la enfermedad. Por ejemplo, en condiciones hereditarias o degenerativas, la incorporación de datos genéticos podría ayudar a predecir el riesgo de aparición de una enfermedad antes de que se manifieste clínicamente, facilitando intervenciones preventivas tempranas. (14,15)

Además, las aplicaciones de la inteligencia artificial en el pronóstico y el seguimiento a largo plazo de los pacientes representan otra área de gran potencial. Los sistemas inteligentes no solo podrán diagnosticar enfermedades en sus etapas iniciales, sino también predecir cómo progresarán con el tiempo y cuál será la respuesta más probable a diferentes tipos de tratamiento. Esta capacidad predictiva podría ayudar a los médicos a monitorear el estado de los pacientes de manera más eficiente, ajustando las terapias en función de la evolución de la enfermedad y previniendo complicaciones antes de que ocurran. Esto sería especialmente útil en el manejo de enfermedades crónicas o degenerativas, donde un seguimiento constante y personalizado es clave para preservar la visión a largo plazo. (14,15)

Conclusiones:

La inteligencia artificial está marcando un antes y un después en el diagnóstico de enfermedades oculares, ofreciendo múltiples beneficios que han mejorado la calidad y la rapidez de la atención oftalmológica. Su capacidad para procesar grandes volúmenes de datos y analizar imágenes con alta precisión permite la detección temprana de patologías, como el glaucoma, la retinopatía diabética y la degeneración macular, que son fundamentales para prevenir la pérdida de visión y mejorar los resultados clínicos. Además, la inteligencia artificial facilita diagnósticos más accesibles y económicos, especialmente en áreas con escasez de especialistas, promoviendo así una atención equitativa en salud visual.

Sin embargo, es crucial encontrar un equilibrio entre la integración de la tecnología y el papel del profesional médico en la toma de decisiones. Aunque la inteligencia artificial puede mejorar la precisión y la rapidez de los diagnósticos, la intervención y el juicio clínico humano siguen siendo esenciales. Los oftalmólogos deben ser capaces de interpretar los resultados generados por estos sistemas y tomar decisiones informadas, considerando el contexto clínico y las necesidades individuales de cada paciente. La colaboración entre la inteligencia artificial y la experiencia médica puede conducir a un enfoque más completo y eficaz en el cuidado ocular, pero esta relación debe ser manejada con cuidado para asegurar que la tecnología sirva como un apoyo, y no como un reemplazo, en la atención a los pacientes.

Para lograr una integración exitosa de la inteligencia artificial en la atención ocular, se requiere un esfuerzo conjunto en la investigación y la colaboración interdisciplinaria. Los estudios futuros deben enfocarse en el desarrollo de modelos más precisos, la mejora de la calidad de los datos y la creación de protocolos que aseguren la ética en el uso de esta tecnología. Además, la capacitación continua de los profesionales de la salud es fundamental para que puedan utilizar estas herramientas de manera efectiva y segura. En este sentido, el avance en la inteligencia artificial en oftalmología no solo representa una oportunidad para mejorar la atención al paciente, sino también un llamado a la comunidad científica y médica para trabajar en conjunto, con el objetivo de optimizar la salud visual en todo el mundo.

Referencias:

  • Huang X, Wang H, She C, Feng J, Liu X, Hu X, et al. Artificial intelligence promotes the diagnosis and screening of diabetic retinopathy. Front Endocrinol (Lausanne) [Internet]. 2022;13:946915. Disponible en: http://dx.doi.org/10.3389/fendo.2022.946915
  • Ting DSW, Pasquale LR, Peng L, Campbell JP, Lee AY, Raman R, et al. Artificial intelligence and deep learning in ophthalmology. Br J Ophthalmol [Internet]. 2019;103(2):167–75. Disponible en: http://dx.doi.org/10.1136/bjophthalmol-2018-313173
  • Abdullah YI, Schuman JS, Shabsigh R, Caplan A, Al-Aswad LA. Ethics of artificial intelligence in medicine and ophthalmology. Asia Pac J Ophthalmol (Phila) [Internet]. 2021;10(3):289–98. Disponible en: http://dx.doi.org/10.1097/APO.0000000000000397
  • Popescu Patoni SI, Muşat AAM, Patoni C, Popescu M-N, Munteanu M, Costache IB, et al. Artificial intelligence in ophthalmology. Rom J Ophthalmol [Internet]. 2023;67(3):207–13. Disponible en: http://dx.doi.org/10.22336/rjo.2023.37
  • Ting DSJ, Foo VH, Yang LWY, Sia JT, Ang M, Lin H, et al. Artificial intelligence for anterior segment diseases: Emerging applications in ophthalmology. Br J Ophthalmol [Internet]. 2021;105(2):158–68. Disponible en: http://dx.doi.org/10.1136/bjophthalmol-2019-315651
  • Li J-PO, Liu H, Ting DSJ, Jeon S, Chan RVP, Kim JE, et al. Digital technology, tele-medicine and artificial intelligence in ophthalmology: A global perspective. Prog Retin Eye Res [Internet]. 2021;82(100900):100900. Disponible en: http://dx.doi.org/10.1016/j.preteyeres.2020.100900
  • Grzybowski A, Brona P, Lim G, Ruamviboonsuk P, Tan GSW, Abramoff M, et al. Artificial intelligence for diabetic retinopathy screening: a review. EYE [Internet]. 2020;34(3):451–60. Disponible en: http://dx.doi.org/10.1038/s41433-019-0566-0
  • Zhou Y, Chia MA, Wagner SK, Ayhan MS, Williamson DJ, Struyven RR, et al. A foundation model for generalizable disease detection from retinal images. Nature [Internet]. 2023;622(7981):156–63. Disponible en: http://dx.doi.org/10.1038/s41586-023-06555-x
  • Tahvildari M, Singh RB, Saeed HN. Application of artificial intelligence in the diagnosis and management of corneal diseases. Semin Ophthalmol [Internet]. 2021;36(8):641–8. Disponible en: http://dx.doi.org/10.1080/08820538.2021.1893763
  • Lin D, Xiong J, Liu C, Zhao L, Li Z, Yu S, et al. Application of Comprehensive Artificial intelligence Retinal Expert (CARE) system: a national real-world evidence study. Lancet Digit Health [Internet]. 2021;3(8):e486–95. Disponible en: http://dx.doi.org/10.1016/S2589-7500(21)00086-8
  • Parmar UPS, Surico PL, Singh RB, Romano F, Salati C, Spadea L, et al. Artificial intelligence (AI) for early diagnosis of retinal diseases. Medicina (Kaunas) [Internet]. 2024;60(4). Disponible en: http://dx.doi.org/10.3390/medicina60040527
  • Schuman JS, De Los Angeles Ramos Cadena M, McGee R, Al-Aswad LA, Medeiros FA, Collaborative Community on Ophthalmic Imaging Executive Committee and Glaucoma Workgroup. A case for the use of Artificial Intelligence in glaucoma assessment. Ophthalmol Glaucoma [Internet]. 2022;5(3):e3–13. Disponible en: http://dx.doi.org/10.1016/j.ogla.2021.12.003
  • Delsoz M, Madadi Y, Raja H, Munir WM, Tamm B, Mehravaran S, et al. Performance of ChatGPT in diagnosis of corneal eye diseases. Cornea [Internet]. 2024;43(5):664–70. Disponible en: http://dx.doi.org/10.1097/ICO.0000000000003492
  • Campbell CG, Ting DSW, Keane PA, Foster PJ. The potential application of artificial intelligence for diagnosis and management of glaucoma in adults. Br Med Bull [Internet]. 2020;134(1):21–33. Disponible en: http://dx.doi.org/10.1093/bmb/ldaa012
  • Wang Y-L, Yang J-Y, Yang J-Y, Zhao X-Y, Chen Y-X, Yu W-H. Progress of artificial intelligence in diabetic retinopathy screening. Diabetes Metab Res Rev [Internet]. 2021;37(5):e3414. Disponible en: http://dx.doi.org/10.1002/dmrr.3414