Retinografía con IA: ¿sustituye al fondo de ojo dilatado?

La carga epidemiológica de la enfermedad retiniana silente

En la mayoría de los pacientes diabéticos, las lesiones microvasculares iniciales evolucionan sin síntomas visuales durante años, de modo que la enfermedad se diagnostica a menudo cuando la isquemia retiniana ya ha producido un daño estructural difícilmente reversible. Esta característica asintomática de las fases precoces ha impulsado durante décadas la búsqueda de herramientas de cribado poblacional que permitan identificar a los pacientes de riesgo sin necesidad de procedimientos dilatadores prolongados. La inteligencia artificial aplicada a la imagen retiniana se inscribe precisamente en esa necesidad clínica no resuelta.

La convergencia entre la retinografía no midriática —captura fotográfica del fondo de ojo sin gotas dilatadoras— y los algoritmos de aprendizaje profundo ha modificado de forma sustantiva el abordaje del cribado retiniano en los últimos años. La pregunta que vertebra este análisis es si dicha tecnología sustituye o no la exploración clásica del fondo de ojo bajo midriasis, y la respuesta, como suele ocurrir en la práctica clínica bien documentada, exige matices que separan la detección del diagnóstico.

Funcionamiento de la retinografía no midriática con IA

La retinografía no midriática consiste en la captura de fotografías de alta resolución de la retina mediante una cámara especialmente diseñada que proyecta un haz de luz infrarroja o visible, lo que permite obtener imágenes a través de una pupila de diámetro fisiológico, sin necesidad de aplicar colirios midriáticos. El proceso es rápido y, en condiciones pupilares favorables, se completa en segundos, sin generar la fotofobia transitoria ni la borrosidad visual que acompañan a la dilatación farmacológica.

Sobre la imagen captada operan algoritmos de inteligencia artificial entrenados con bancos de imágenes retinianas etiquetadas por especialistas. Estos modelos, basados mayoritariamente en redes neuronales convolucionales, identifican patrones morfológicos compatibles con lesiones específicas: microaneurismas, exudados lipídicos, hemorragias intraretinianas, neovascularización, alteraciones del nervio óptico o drusas sugestivas de degeneración macular asociada a la edad. El análisis automatizado se completa habitualmente en un margen de 30 a 60 segundos, tras lo cual el sistema emite una clasificación —derivación al especialista, control programado o seguimiento rutinario— acompañada de una estimación de la calidad óptica de la imagen y, en muchos casos, de mapas de calor que resaltan las zonas sospechosas.

La inteligencia artificial no examina la retina: interpreta la imagen retiniana. La diferencia entre observar y clasificar define sus posibilidades y sus límites.

Validación clínica: sensibilidad del 94,8 % en poblaciones cribadas

La validación de estos sistemas se ha realizado en cohortes clínicas bien caracterizadas. Un estudio de validación desarrollado en Oulu (Finlandia) evaluó un sistema portátil de retinografía con IA frente a la lectura experta de referencia, obteniendo una sensibilidad del 94,8 %, una especificidad del 91,4 % y una precisión diagnóstica global del 92,7 % para la detección de retinopatía diabética. Estos valores se sitúan en el rango alto de los publicados para algoritmos de cribado retiniano y avalan el rendimiento del sistema en condiciones de práctica real, fuera de los entornos de laboratorio donde se entrenaron los modelos.

El precedente regulatorio más relevante lo aporta el sistema IDx-DR, actualmente comercializado bajo la denominación LumineticsCore™, cuyo estudio inicial de validación fue publicado en JAMA en 2018 con una precisión diagnóstica superior al 87 % y que constituye uno de los primeros algoritmos autorizados para el cribado autónomo de la retinopatía diabética en adultos a partir de 22 años sin diagnóstico previo de la enfermedad. Sucesivas iteraciones y la competencia con otros sistemas —como las soluciones de cribado implementadas por distintas casas comerciales— han elevado progresivamente la robustez clínica de estas herramientas, si bien la comparación directa entre algoritmos comerciales continúa siendo un área de evidencia incompleta.

El triaje inteligente: priorización frente a diagnóstico definitivo

El papel de la inteligencia artificial en la exploración retiniana no debe confundirse con el de un oftalmólogo. La función clínica del cribado automatizado es la priorización y el triaje: identificar, dentro de una población amplia, a aquellos pacientes cuya imagen retiniana presenta signos que justifiquen una exploración especializada. Esto deriva en una reorganización eficiente del flujo asistencial, donde los recursos diagnósticos del especialista se concentran en los casos con mayor probabilidad de patología, reduciendo la carga de revisiones sistemáticas de baja rentabilidad clínica.

La consecuencia operativa es que la IA permite estratificar el riesgo, no emitir un diagnóstico definitivo. Esto resulta clave desde el punto de vista de la responsabilidad clínica y de la comunicación con el paciente: una clasificación automatizada de «bajo riesgo» no equivale a una exclusión formal de la enfermedad, y un resultado positivo debe interpretarse como una indicación de derivación, no como un juicio diagnóstico cerrado.

Cuando la tecnología encuentra su límite

La precisión de la retinografía no midriática no es uniforme en todos los pacientes. Existen contextos clínicos en los que la calidad de la imagen se degrada y compromete la interpretabilidad del resultado. Las opacidades de medios —cataratas avanzadas, hemorragias vítreas, edema corneal significativo— reducen la penetración luminosa y producen capturas de baja calidad diagnóstica. En estos escenarios, el algoritmo puede no detectar lesiones presentes, lo que constituye un falso negativo de origen óptico más que analítico.

La miosis pupilar refractaria a la oscuridad, frecuente en pacientes de edad avanzada, con neuropatía autonómica diabética o bajo tratamiento con fármacos mióticos, también limita la adquisición. En estos casos puede ser necesario recurrir puntualmente a la instilación de tropicamida u otro midriático de acción corta para ampliar la apertura pupilar y permitir una captura interpretable. Esta eventualidad reintroduce, de forma selectiva, la dilatación farmacológica que el sistema prometía evitar.

El midriasis selectiva no contradice la filosofía del cribado no midriático: la complementa en los casos donde la fisiología pupilar lo exige.

Otro límite relevante es la cobertura anatómica. Las cámaras no midriáticas estándar capturan un campo retiniano centrado en el polo posterior —disco óptico, mácula y arcadas vasculares temporales—, lo que resulta adecuado para el cribado de retinopatía diabética y de las lesiones glaucomatosas del nervio óptico, pero insuficiente para una evaluación completa de la extrema periferia retiniana. El desprendimiento de retina regmatógeno, los desgarros periféricos y ciertas vasculopatías requieren la exploración bajo midriasis máxima con oftalmoscopia indirecta, cuya sensibilidad para lesiones periféricas sigue siendo inalcanzable mediante retinografía de campo limitado, con o sin IA.

Integración en la práctica optométrica: hacia un modelo de atención híbrida

El modelo de atención más eficiente no plantea la sustitución, sino la integración. La retinografía no midriática con IA se posiciona como una herramienta de primer nivel en la atención primaria visual, en los programas poblacionales de cribado diabético y en los contextos donde el acceso al oftalmólogo está limitado por la distancia o por la presión asistencial. El optometrista, en estos escenarios, puede obtener imágenes de alta calidad, recibir una clasificación algorítmica de riesgo y derivar al especialista únicamente los casos en los que la herramienta detecta hallazgos compatibles con patología.

Cuando el paciente accede a la consulta oftalmológica, la exploración bajo midriasis mantiene su papel insustituible: confirmar o descartar los hallazgos sugeridos por el cribado, caracterizar con precisión la extensión de las lesiones, tomar decisiones terapéuticas —fotocoagulación láser, inyecciones intravítreas de agentes anti-VEGF, cirugía vitreorretiniana— y emitir un diagnóstico clínico formal. La inteligencia artificial funciona como filtro previo de alta sensibilidad, no como veredicto final.

La evolución tecnológica apunta a una convergencia cada vez mayor entre los dos polos. Los modelos generativos de difusión, cuyo desarrollo se ha acelerado desde 2025, permiten ya la síntesis de imágenes retinianas de alta fidelidad utilizables para entrenar algoritmos en escenarios donde los datos reales son escasos, como las retinopatías raras o los hallazgos asociados a enfermedades sistémicas poco prevalentes. Paralelamente, los ensayos de validación clínica de sistemas portátiles de retinografía previstos para 2026 aportarán evidencia adicional sobre su rendimiento en condiciones de atención primaria dispersa, lo que consolidará o relativizará su papel en los flujos asistenciales.

El horizonte no es una consulta sin oftalmólogo, sino una consulta en la que el cribado inteligente decide quién necesita al oftalmólogo.

La conclusión clínica es prudente: la retinografía no midriática con inteligencia artificial representa una de las incorporaciones tecnológicas más relevantes de la última década en salud visual, pero su función es la de cribado y triaje. La exploración del fondo de ojo bajo dilatación pupilar realizada por un oftalmólogo continúa siendo el patrón de referencia diagnóstico. Comprender esta distinción no es un matiz teórico, sino la condición necesaria para que la herramienta se utilice con el rigor que la práctica clínica exige y para que los pacientes reciban, en cada caso, la exploración que su situación requiere.