Integración de genética, edad e imagen para predecir resultados de tratamiento en la degeneración macular neovascular relacionada con la edad: un estudio de prueba de concepto

Por qué esto importa para la visión y el envejecimiento

A medida que la esperanza de vida aumenta, más personas corren el riesgo de sufrir degeneración macular relacionada con la edad, una enfermedad que puede arrebatar la visión central y dificultar o imposibilitar tareas cotidianas como leer o conducir. Hoy en día los médicos disponen de inyecciones oculares eficaces que pueden frenar o detener una forma agresiva de la enfermedad, pero los pacientes varían mucho en su respuesta y en la frecuencia con que necesitan tratamiento. Este estudio explora si combinar información procedente de nuestros genes, exploraciones oculares y la edad puede ayudar a los médicos a prever quién tiene más probabilidades de beneficiarse del tratamiento y cómo evolucionará la enfermedad con el tiempo, abriendo la puerta a una atención oftalmológica más personalizada.

Uniendo tres pistas

Los investigadores se centraron en la degeneración macular neovascular, la forma “húmeda” impulsada por vasos sanguíneos nuevos y permeables bajo la retina. Los 106 participantes fueron tratados en un único hospital oftalmológico especializado siguiendo un protocolo común de “tratar y extender” con inyecciones anti-VEGF, fármacos estándar para controlar la enfermedad. Para cada persona, el equipo recopiló tres tipos de información disponibles de forma rutinaria en clínicas modernas: exploraciones transversales detalladas de la retina (OCT), una muestra de sangre para pruebas genéticas y datos demográficos sencillos como la edad en la primera inyección.

Leer la retina con inteligencia artificial

Las exploraciones OCT pueden mostrar pequeñas bolsas de líquido y otros cambios estructurales en la retina que indican enfermedad activa. En vez de depender de evaluadores humanos, el equipo usó un modelo de aprendizaje profundo para medir automáticamente el volumen de varias características clave, incluido el líquido dentro y debajo de la retina y las protuberancias bajo la capa fotorreceptora. Estas mediciones sirvieron como indicadores objetivos del grado de daño o actividad del ojo al inicio del tratamiento. El objetivo principal era predecir si un ojo estaría “seco”, es decir, esencialmente libre de líquido visible, dos años después del inicio del tratamiento, un estado que refleja enfermedad en calma y es sencillo de verificar mediante imagen.

La carga genética como pieza adicional del puzle

El estudio también incorporó una puntuación de riesgo poligénica, un número único que resume el efecto combinado de muchas variantes genéticas comunes vinculadas a la degeneración macular. Más que predecir la respuesta al tratamiento por sí sola, esta puntuación captura principalmente con qué fuerza una persona está predispuesta a desarrollar la enfermedad y con qué antelación podría aparecer. En esta cohorte, las personas tendían a tener mayor riesgo genético que la población general, y quienes tenían puntuaciones más altas empezaban el tratamiento a una edad más temprana, lo que sugiere que la carga genética adelanta la aparición de la enfermedad incluso si no determina directamente cómo reacciona el ojo a las inyecciones.

Qué tan bien funcionó el modelo combinado

Para evaluar si mezclar estas pistas mejoraba la predicción, los investigadores construyeron modelos de aprendizaje automático que usaban distintas combinaciones de edad, imagen y datos genéticos. Al intentar predecir una mácula seca a los dos años usando solo las características de las exploraciones, el rendimiento fue moderado. Al añadir la puntuación de riesgo genético y la edad, la capacidad del modelo para distinguir entre ojos que quedarían secos y los que no mejoró sustancialmente, alcanzando un alto nivel de precisión según estándares estadísticos habituales.

Qué significa esto para los pacientes y el futuro

Para las personas que viven con degeneración macular o están en riesgo, este trabajo de prueba de concepto sugiere que podría llegar un enfoque de tratamiento más ajustado. Combinando el riesgo heredado de una persona, los detalles finos de su estructura retiniana y su edad, los médicos podrían finalmente estimar las probabilidades de lograr una mácula tranquila y libre de líquido y planificar el seguimiento en consecuencia. El estudio actual es pequeño y procede de un solo centro, por lo que sus modelos no están listos para uso clínico rutinario y se centran en resultados anatómicos más que en la experiencia visual diaria. No obstante, los resultados muestran que integrar genética e imagen avanzada en un único marco de inteligencia artificial es técnica y biológicamente factible, sentando las bases para estudios más amplios que podrían llevar la medicina de precisión a la atención oftalmológica de primera línea.

Cita: Moghul, I., Pontikos, N., Sharma, A. et al. Integrating genetics, age and imaging to predict treatment outcomes in neovascular age-related macular degeneration: a proof-of-concept study. Sci Rep 16, 12489 (2026). https://doi.org/10.1038/s41598-026-41931-3

Palabras clave: degeneración macular relacionada con la edad, puntuación de riesgo genético, imagen retinal, inteligencia artificial, tratamiento oftálmico personalizado