Las enfermedades de la retina representan una de las principales causas de discapacidad visual a nivel mundial. Condiciones como la retinopatía diabética, la degeneración macular relacionada con la edad y los desprendimientos de retina requieren una detección temprana para un manejo médico y quirúrgico efectivo. En los últimos años, los avances en las imágenes oculares y el aprendizaje profundo (una rama de la inteligencia artificial) han facilitado el desarrollo de sistemas de diagnóstico automatizados. Sin embargo, la integración de estas tecnologías en la práctica clínica diaria enfrenta retos importantes que la ciencia actual busca resolver.

¿Qué problema intenta responder este estudio?

Históricamente, los métodos tradicionales de inteligencia artificial, conocidos como redes neuronales convolucionales, han sido útiles para analizar imágenes médicas. No obstante, estos sistemas presentan dos limitaciones fundamentales en la oftalmología. En primer lugar, a menudo tienen dificultades para capturar de manera simultánea el contexto estructural global de la retina y, al mismo tiempo, identificar las características patológicas sutiles y localizadas que son necesarias para un diagnóstico preciso, especialmente cuando un paciente presenta múltiples enfermedades oculares a la vez (clasificación multietiqueta).

En segundo lugar, y quizás lo más crítico para la medicina, está el problema de la “caja negra”. Los procesos de toma de decisiones de estos modelos tradicionales carecen de explicabilidad. Es decir, la computadora puede sugerir un diagnóstico, pero no le explica al médico oftalmólogo cómo llegó a esa conclusión ni qué parte de la imagen analizó para tomar su decisión. Esta falta de transparencia dificulta que los especialistas confíen plenamente en la herramienta para el cuidado de sus pacientes.

¿Qué investigaron los autores?

Para superar estas barreras, los investigadores están explorando una nueva generación de modelos de inteligencia artificial basados en la arquitectura de “Transformadores” (Transformers, por sus siglas en inglés). Esta tecnología, que originalmente revolucionó el procesamiento del lenguaje natural, ahora se está adaptando para el análisis de imágenes médicas complejas.

El estudio se centró en evaluar cómo los modelos basados en Transformadores pueden mejorar la clasificación de enfermedades retinianas. El objetivo principal fue determinar si esta tecnología es capaz de ofrecer una mejor comprensión del contexto general del fondo de ojo, detectar lesiones minúsculas con mayor precisión y, de manera crucial, proporcionar un marco “explicable” que permita a los médicos visualizar el razonamiento detrás de cada diagnóstico automatizado.

¿Qué encontraron?

La investigación sugiere que los modelos basados en Transformadores tienen una capacidad superior para procesar la imagen de la retina en su totalidad, entendiendo las relaciones espaciales entre diferentes estructuras oculares (como el nervio óptico, la mácula y los vasos sanguíneos). Al mismo tiempo, logran enfocar su “atención” en áreas muy específicas donde se encuentran anomalías sutiles, como microaneurismas o pequeños exudados.

El hallazgo más destacado es la capacidad de explicabilidad. Estos nuevos modelos pueden generar mapas visuales que resaltan exactamente las regiones de la imagen que influyeron en su predicción. De esta manera, el sistema no solo emite una probabilidad de enfermedad, sino que le muestra al oftalmólogo la evidencia visual en la que se basó.

¿Qué significa clínicamente?

En el ámbito clínico, la explicabilidad es fundamental. Un oftalmólogo no puede basar una decisión terapéutica, como indicar una cirugía o aplicar una inyección intravítrea, únicamente en el resultado de una máquina que no puede justificar su respuesta. Al proporcionar mapas de atención visual, los modelos basados en Transformadores actúan como una verdadera herramienta de asistencia o “segunda opinión” que el médico puede auditar y verificar.

Este avance en el análisis de imágenes se suma a otros esfuerzos científicos por mejorar la precisión diagnóstica en oftalmología. Por ejemplo, la optimización de los estudios de imagen es un tema de investigación constante, de manera similar a cómo se exploran nuevos estándares en OCT pediátrica para comprender mejor el grosor de la retina, o cómo se investigan avances en el diagnóstico del glaucoma mediante posibles marcadores biológicos. La tecnología busca complementar, no reemplazar, el juicio clínico.

¿Qué significa esto para los pacientes?

Para los pacientes, estos avances tecnológicos representan una esperanza hacia diagnósticos más rápidos, precisos y seguros en el futuro. Una herramienta de inteligencia artificial que el médico pueda comprender y auditar reduce el riesgo de errores y permite detectar enfermedades en etapas muy tempranas, cuando los tratamientos suelen ser más efectivos para preservar la visión.

Es importante comprender que, aunque la inteligencia artificial analice la imagen, la interpretación final, el diagnóstico definitivo y la elección del tratamiento siempre dependerán de un médico oftalmólogo capacitado que evalúe el contexto clínico completo del paciente.

Limitaciones del estudio y prudencia médica

Es fundamental mantener la prudencia científica. Este tipo de estudios se encuentran en fases de desarrollo y validación técnica. Aunque los resultados de los modelos basados en Transformadores son prometedores, requieren investigación adicional y validación en poblaciones de pacientes más amplias y diversas en entornos clínicos reales.

Estos resultados todavía no modifican el tratamiento habitual ni el proceso de diagnóstico estándar que se realiza hoy en día en los consultorios oftalmológicos. La evaluación clínica directa, el examen de fondo de ojo bajo dilatación y estudios como la Tomografía de Coherencia Óptica (OCT) siguen siendo el estándar de oro.

La importancia de la valoración especializada

La interpretación de estudios de imagen retiniana requiere un alto nivel de especialización. En casos de patologías complejas o antecedentes de lesiones oculares, la experiencia del médico es insustituible. El Dr. José Francisco Valdez López cuenta con más de 15 años de experiencia como oftalmólogo militar, con amplia exposición a trauma ocular y enfermedades complejas de la retina, integrando la mejor evidencia científica y tecnológica disponible para el cuidado de sus pacientes.

Si tienes dudas sobre tu diagnóstico, presentas síntomas visuales de alarma como visión borrosa, manchas flotantes de aparición súbita o destellos de luz, o requieres una interpretación profesional de tus estudios oftalmológicos, una valoración especializada permite integrar los hallazgos y determinar los siguientes pasos. La práctica profesional se encuentra ubicada en Lomas de Chapultepec, Ciudad de México, brindando atención accesible también para pacientes de Naucalpan y Huixquilucan.

Fuente científica

Explainable Transformer-Based Retinal Disease Classification. 2024.
Consultar artículo original en PubMed: https://pubmed.ncbi.nlm.nih.gov/42832361/