Detección asistida por IA de anomalías estructurales de los nervios corneales en la queratopatía diabética temprana: desarrollo y validación de un marco de aprendizaje profundo

Por qué importan los diminutos nervios oculares en la diabetes

La diabetes es bien conocida por dañar los nervios grandes en los pies y las piernas, lo que a menudo provoca dolor, entumecimiento e incluso amputaciones. Pero mucho antes de que ese daño sea evidente, los nervios más pequeños del cuerpo pueden empezar a funcionar mal. La ventana transparente en la parte frontal del ojo—la córnea—está llena de estas diminutas fibras. Este estudio muestra cómo la imagen avanzada y la inteligencia artificial (IA) pueden trabajar juntas para detectar daño nervioso temprano en la córnea, ofreciendo potencialmente una nueva forma indolora de identificar problemas nerviosos en personas con diabetes antes de que se vuelvan graves.

Ver el daño nervioso temprano a través del ojo

Las pruebas actuales para el daño nervioso diabético están lejos de ser perfectas. Las comprobaciones simples al lado de la cama dependen de la habilidad del médico y de las respuestas del paciente, y a menudo pasan por alto cambios sutiles y tempranos. Pruebas más precisas, como los estudios de conducción nerviosa o las biopsias de piel, son invasivas, costosas y no prácticas para el cribado de rutina. La córnea, sin embargo, puede examinarse de forma no invasiva con microscopía confocal in vivo, una cámara especializada que captura imágenes altamente ampliadas de los nervios corneales. Investigadores ya han demostrado que la pérdida global de estos nervios se correlaciona con la gravedad de la neuropatía diabética. Pero las señales de alerta más tempranas no siempre tienen que ver con cuántos nervios hay; pueden ser defectos estructurales diminutos a lo largo de fibras por lo demás intactas.

Centrándose en pequeños puntos calientes llamados microneuromas

En los últimos años, los médicos que usan microscopios de alta potencia han observado puntos pequeños, brillantes e hinchados a lo largo de los nervios corneales en personas con diabetes. Estos “microneuromas” se consideran reflejo de extremos nerviosos estresados o en regeneración y pueden aparecer antes de grandes áreas de pérdida nerviosa. El equipo detrás de este estudio se propuso enseñar a un ordenador a reconocer estas características sutiles de forma automática. Reunieron más de 5.000 imágenes corneales de personas con diabetes y voluntarios sanos en dos centros oftalmológicos en China. Especialistas corneales experimentados filtraron cuidadosamente las imágenes de mala calidad, etiquetaron dónde estaban presentes los microneuromas y las clasificaron en tres patrones visibles: hinchazones localizadas, agrandamientos tipo bulbo y parches brillantes más difusos.

Entrenar a un asistente de IA para leer imágenes nerviosas

Usando estas imágenes etiquetadas por expertos, los investigadores construyeron un sistema de aprendizaje profundo en múltiples pasos. Primero, un modelo de IA descartó las imágenes borrosas o fuera de objetivo y conservó solo aquellas que mostraban claramente la capa nerviosa clave. Un segundo modelo valoró si una imagen contenía microneuromas o no. Un tercero delineó las regiones exactas donde aparecían estas lesiones, y tres modelos adicionales las categorizaban en los tres tipos visuales. El sistema se entrenó con datos de un hospital y luego se probó tanto con imágenes no vistas del mismo centro como con un grupo totalmente independiente de otro hospital, para comprobar si funcionaba de forma fiable en diferentes grupos de pacientes y sesiones de imagen.

Qué tan bien funcionó la IA en la práctica

La IA demostró ser muy precisa en el control básico de calidad, juzgando correctamente imágenes utilizables más del 97% de las veces. Al decidir si había microneuromas, clasificó correctamente las imágenes en aproximadamente un 81–84% de los casos en conjuntos de prueba tanto internos como externos. Su capacidad para segmentar y subtipar las lesiones también fue sólida, con un rendimiento razonablemente alto incluso en los datos del segundo centro. Para ver si esto tenía impacto en la lectura en el mundo real, el equipo pidió a médicos oftalmólogos jóvenes—con poca formación formal en esta técnica de imagen—que leyeran un conjunto separado de 150 imágenes primero por su cuenta y luego con apoyo de la IA. Con la guía de la IA, su precisión diagnóstica subió de alrededor del 69% al 88%, y su tiempo medio de lectura por imagen se redujo a más de la mitad, lo que sugiere que herramientas así podrían acelerar las consultas y reducir la fatiga ocular de los clínicos.

Qué podría significar esto para las personas con diabetes

Este estudio muestra que un sistema de IA cuidadosamente entrenado puede encontrar y describir automáticamente pequeñas anomalías nerviosas en la córnea, y que hacerlo puede ayudar sustancialmente a médicos con menos experiencia a interpretar exploraciones oculares complejas. Aunque la investigación aún es temprana y se basa en datos retrospectivos de dos centros, refuerza la idea de que la superficie del ojo puede actuar como una “ventana” hacia la salud de los nervios pequeños del cuerpo. Si futuros estudios multicéntricos y a largo plazo confirman que los microneuromas corneales señalan de forma fiable daño nervioso diabético temprano, este tipo de imagen asistida por IA podría convertirse en una forma rápida y no invasiva de cribado para personas con diabetes, de seguimiento de la progresión y, tal vez, de intervención antes de que la lesión nerviosa se vuelva permanente.

Cita: Pan, J., Shi, X., Wan, L. et al. AI-Assisted detection of corneal nerve structural abnormalities in early diabetic keratopathy: development and validation of a deep learning framework. Sci Rep 16, 5846 (2026). https://doi.org/10.1038/s41598-026-36576-1

Palabras clave: neuropatía diabética, nervios corneales, microneuromas, aprendizaje profundo, microscopía confocal in vivo