Una herramienta de IA creada por científicos argentinos identifica daños en la retina causados por diabetes antes de que aparezcan los síntomas

Una herramienta de inteligencia artificial desarrollada por investigadores del CONICET y la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNCPBA) busca dar respuesta a uno de los problemas más silenciosos del sistema sanitario argentino: la pérdida visual asociada a la diabetes.

Retinar es una plataforma de teleoftalmología (atención oftalmológica a distancia) que utiliza modelos de inteligencia artificial para analizar fotografías de la retina, identificar casos de riesgo y organizar el trabajo de los equipos médicos, todo sin reemplazar la decisión del especialista.

Según información del CONICET, la herramienta ya funciona en hospitales de la provincia de Buenos Aires y sus resultados iniciales muestran una efectividad del 100% en la detección de casos de riesgo.

El proyecto nació en el Instituto de Investigación en Plasmas Densos y sus Aplicaciones (PLADEMA), de la Facultad de Ciencias Exactas de la UNCPBA, bajo la dirección del investigador del CONICET José Ignacio Orlando.

El equipo científico incluye además al investigador Ignacio Larrabide y a los becarios doctorales del CONICET Lucas Telesco y Franco Arellano, todos con líneas de trabajo en inteligencia artificial aplicada al análisis de imágenes médicas. También hubo articulación con el Servicio de Oftalmología del Hospital de Alta Complejidad en Red El Cruce, a cargo de la oftalmóloga Mercedes Leguía.

Una enfermedad que avanza sin dar señales

La retinopatía diabética surge cuando los niveles elevados de glucosa en sangre dañan los vasos sanguíneos de la retina, la capa del ojo responsable de captar la luz y traducirla en imágenes para el cerebro. A nivel mundial, una de cada cuatro personas con diabetes presenta esta complicación, según datos del CONICET, y representa la principal causa de pérdida visual prevenible e irreversible en adultos en edad productiva.

Lo que hace especialmente difícil su control es la ausencia de señales de alerta tempranas. La enfermedad puede deteriorar la retina de forma silenciosa durante años. Para cuando aparecen síntomas visibles, el daño suele ser irreversible. Por ese motivo, las guías médicas establecen controles oftalmológicos periódicos como parte del seguimiento de toda persona con diabetes.

Sin embargo, cumplir con esos controles es más difícil de lo que parece. Los oftalmólogos se concentran en grandes centros urbanos, los turnos escasean y las distancias geográficas dejan a gran parte de la población fuera del tamizaje, que es el proceso de detección preventiva en personas sin síntomas evidentes. El resultado es una brecha entre lo que las guías recomiendan y lo que el sistema efectivamente puede ofrecer.

Ante esa situación, Orlando explicó que la teleoftalmología surgió como una vía para reducir esa distancia entre el paciente y el especialista. La estrategia consiste en capturar imágenes de la retina en centros de atención primaria con personal capacitado (no necesariamente oftalmólogos) y enviarlas de forma remota a los especialistas para su evaluación.

“Ese modelo, sin embargo, también presenta desafíos. A medida que aumenta la cantidad de centros que capturan imágenes, crece el volumen de estudios que deben analizar los oftalmólogos, generando un cuello de botella que impide que las redes escalen y den una respuesta programática. Además, una fotografía desenfocada o de baja calidad puede obligar a tener que repetir el estudio cuando el paciente ya abandonó el centro de salud”, señalaron desde el CONICET en un comunicado.

El recorrido científico que dio origen a Retinar

El proyecto Retinar empezó a consolidarse entre 2019 y 2020, pero su origen científico nació mucho antes. Orlando acumuló esa base durante su formación doctoral, su etapa posdoctoral y sus colaboraciones académicas en Francia, Bélgica y Austria.

En ese recorrido estudió varios problemas del procesamiento automático de imágenes de retina, entre ellos la identificación de lesiones, la separación de vasos sanguíneos dentro de la imagen, la detección del glaucoma (una enfermedad que afecta el nervio óptico) y el diseño de algoritmos aptos para entornos clínicos diversos.

Orlando resumió ese proceso: “Retinar es el resultado de muchos años trabajando sobre distintos problemas del análisis de imágenes de la retina. Cada publicación, cada colaboración internacional y cada nuevo algoritmo fueron aportando conocimientos que después pudimos integrar en una herramienta pensada para responder a una necesidad concreta del sistema de salud argentino”. El trabajo acumulado también permitió formar recursos humanos, producir publicaciones científicas e incorporar nuevos desarrollos al crecimiento de la plataforma.

La construcción de los modelos de inteligencia artificial requirió una base amplia de entrenamiento. El equipo trabajó con decenas de miles de imágenes de fondo de ojo ya evaluadas por oftalmólogos. Ese material provino de repositorios públicos y locales, con diferencias de cámaras, iluminación y perfiles de pacientes. Para reducir esas variaciones, los investigadores aplicaron tareas de preprocesamiento, es decir, técnicas que ordenan y ajustan las imágenes antes del análisis automático.

Ese paso técnico respondió a un objetivo concreto. Orlando explicó que el equipo no buscó un sistema útil solo para un tipo de retinógrafo, sino una herramienta capaz de reconocer la enfermedad en hospitales con condiciones de captura distintas. Se lo conoce como generalización de dominio, una expresión técnica que describe la capacidad de un algoritmo para mantener su rendimiento fuera del entorno en el que aprendió.

La plataforma también suma mecanismos de explicabilidad. Esas funciones no solo examinan la imagen, sino que además señalan qué fallas presenta y qué correcciones necesita. De esa manera, el control de calidad ocurre antes de que el estudio llegue al centro de lectura.

Después, el sistema ordena los casos según la probabilidad de retinopatía diabética referible, nombre que recibe la forma de la enfermedad que exige una evaluación prioritaria por posible necesidad de tratamiento. Ese esquema, identificado como human-in-the-loop o “humano en el circuito”, deja la decisión clínica en manos del especialista y reserva para la inteligencia artificial las tareas de clasificación y apoyo técnico.

La etapa de implementación en el sistema de salud

Retinar ya se incorporó a la atención en tres hospitales de la provincia de Buenos Aires: el Hospital de Enfermedades Crónicas No Transmisibles Julieta Lanteri, en Tandil; el Hospital de Alta Complejidad en Red El Cruce, en Florencio Varela; y el Hospital José Irurzun, en Necochea. En ese despliegue inicial, el nodo de Tandil concentró 269 evaluaciones y detectó signos compatibles con retinopatía diabética referible en el 25,7% de los pacientes. En paralelo, el sistema acompañó la revisión de 77 pacientes en El Cruce y de 46 en el hospital de Necochea. De acuerdo con el CONICET, esas primeras experiencias alcanzaron una sensibilidad del 100% para identificar casos de riesgo.

La experiencia del hospital de Tandil también mostró cambios en la práctica asistencial. Martina Iparraguirre, directora del Julieta Lanteri, afirmó al CONICET que la plataforma permitió recuperar el gold standard en el abordaje de la diabetes. Además, vinculó la incorporación de la herramienta con un efecto más amplio dentro del equipo de salud. La mejora en el nivel de atención impulsó nuevas preguntas sobre otras investigaciones posibles a partir de la actividad cotidiana del hospital.