Rendimiento en el mundo real del sistema de diagnóstico por IA IDx-DR en la detección de retinopatía diabética y sus principales factores de confusión

Por qué importa esta nueva prueba ocular

Para las personas con diabetes, la pérdida de visión por daño ocular puede avanzar de forma silenciosa y permanente. Las revisiones oculares periódicas evitan muchos casos de ceguera, pero no hay suficientes oftalmólogos para examinar a todo el mundo con la frecuencia necesaria. Este estudio evaluó un sistema de inteligencia artificial (IA) totalmente automatizado, llamado IDx-DR, para ver qué tan bien detecta la enfermedad ocular diabética en la práctica clínica cotidiana y qué obstáculos del mundo real siguen limitando su uso.

Una necesidad creciente de exámenes oculares rápidos

La diabetes va en aumento en todo el mundo, y aproximadamente uno de cada tres pacientes con diabetes desarrolla daño en el tejido fotosensible en la parte posterior del ojo, una condición conocida como retinopatía diabética. Si se detecta a tiempo, este daño puede tratarse para reducir considerablemente el riesgo de ceguera. El reto es que cribarse a millones de personas requiere tiempo, formación y equipos costosos. IDx-DR pretende aliviar esta carga: enfermeras o asistentes capacitados toman fotografías de la retina con una cámara especial, y las imágenes se envían a un software en la nube que clasifica automáticamente el ojo como sin enfermedad, o con enfermedad leve, moderada o grave, sin necesidad de un oftalmólogo en el lugar.

Poniendo a prueba el sistema de IA

Los investigadores evaluaron IDx-DR en 875 pacientes con diabetes atendidos en un hospital especializado en Alemania. El grupo fue amplio, incluyendo niños de apenas 8 años y adultos de hasta 92, y ambos tipos principales de diabetes. Para cada persona, asistentes tomaron cuatro fotografías retinianas en una sala oscurecida, sin usar gotas para dilatar las pupilas, para imitar una visita típica de cribado en atención primaria. El sistema de IA analizó estas imágenes y produjo un diagnóstico único por paciente, basado en el ojo más afectado. Todos los pacientes también recibieron un examen ocular completo por oftalmólogos experimentados usando gotas dilatadoras, que sirvió como referencia de oro, y las fotografías almacenadas fueron posteriormente graduadas por oftalmólogos que desconocían los resultados de la IA.

¿Qué tan bien reconoció la enfermedad la IA?

Cuando había fotografías de buena calidad disponibles, la IA rindió especialmente bien en los casos más peligrosos. Para la enfermedad ocular diabética grave, su sensibilidad —la proporción de pacientes verdaderamente afectados que detectó correctamente— fue de alrededor del 94%, y su especificidad —con qué frecuencia tranquilizaba correctamente a quienes no tenían enfermedad grave— fue de aproximadamente el 90%. En más de la mitad de los pacientes con imágenes analizables, la clasificación de cuatro niveles de la IA coincidió exactamente con el examen con pupilas dilatadas realizado por los médicos. Cuando hubo discrepancias, la IA tendió a ser conservadora: con más frecuencia catalogó la enfermedad como más grave de lo que realmente era, a que pasara por alto problemas serios. Subestimar la gravedad, lo que podría retrasar un tratamiento necesario, ocurrió en menos del 5% de los pacientes con imágenes utilizables, y fue muy raro en aquellos con enfermedad verdaderamente grave.

Los obstáculos ocultos: obtener imágenes utilizables

El punto débil principal no fue la capacidad de decisión de la IA, sino la practicidad de obtener imágenes que pudiera interpretar. En aproximadamente uno de cada diez pacientes, el personal no pudo capturar ninguna fotografía retiniana, y en alrededor de uno de cada cuatro, la IA consideró las imágenes demasiado pobres para analizarlas. El estudio investigó por qué. Las pupilas más pequeñas fueron un factor clave: los pacientes con pupilas contraídas por debajo de 3 milímetros tuvieron muchas menos imágenes utilizables. La edad avanzada, las lentes oculares opacas (cataratas), la existencia de edema diabético retinal y la baja agudeza visual también dificultaron la fotografía y el análisis. Incluso la persona que tomaba las imágenes importaba. Con formación y experiencia, la tasa de imágenes no utilizables de un examinador se redujo drásticamente y el tiempo necesario por paciente disminuyó, pero tras una larga pausa en la práctica, el rendimiento volvió a bajar.

Qué significa esto para la atención ocular futura

Para el lector general, el mensaje principal es que una IA autónoma puede ayudar de forma segura a identificar a personas con daño ocular diabético avanzado, especialmente donde los oftalmólogos son escasos. Sin embargo, su utilidad depende en gran medida de disponer de fotografías retinianas claras, que son más difíciles de obtener en pacientes de mayor edad, en aquellos con pupilas pequeñas o cataratas, o en entornos con prisa y escasez de personal. El estudio sugiere que mejores protocolos de cámara, una formación cuidadosa del personal y, posiblemente, el uso selectivo de gotas para dilatar la pupila podrían mejorar considerablemente el impacto real del sistema. Por ahora, IDx-DR parece prometedor como una herramienta de triaje para priorizar quién necesita ver a un especialista ocular con mayor urgencia, más que como un sustituto completo de los exámenes humanos.

Cita: Hunfeld, E., Tayar, A., Paul, S. et al. Real-world performance of the AI diagnostic system IDx-DR in the diagnosis of diabetic retinopathy and its main confounders. Sci Rep 16, 4349 (2026). https://doi.org/10.1038/s41598-026-36970-9

Palabras clave: retinopatía diabética, inteligencia artificial, imagen retinal, cribado médico, salud ocular