Inteligencia artificial para la detección temprana del glaucoma: Validación de un nuevo algoritmo

El glaucoma es frecuentemente llamado el “ladrón silencioso de la visión” debido a que, en sus etapas iniciales, no presenta síntomas perceptibles para el paciente. Para cuando una persona nota cambios en su campo visual, el daño en el nervio óptico suele ser avanzado. En la oftalmología moderna, la detección temprana es nuestro principal objetivo, y la tecnología juega un papel cada vez más importante. Recientemente, un estudio evaluó cómo un algoritmo de inteligencia artificial (IA) podría ayudarnos a identificar esta enfermedad años antes de que el daño sea evidente en las pruebas convencionales.

La integración de algoritmos avanzados en la medicina no es un concepto nuevo. En oftalmología, ya hemos observado el potencial de estas herramientas en diversas áreas, como la inteligencia artificial en la retina para la evaluación del riesgo cardiovascular o la inteligencia artificial para el diagnóstico de la oclusión de la vena retiniana. Ahora, la investigación se enfoca en mejorar el tamizaje del glaucoma utilizando fotografías del fondo de ojo.

¿Qué problema intenta responder este estudio?

El diagnóstico temprano del glaucoma representa un desafío clínico significativo. Tradicionalmente, la confirmación de la enfermedad se basa en la detección de pérdida en el campo visual (glaucoma perimétrico) y cambios estructurales en el nervio óptico. Sin embargo, los cambios en la estructura del nervio a menudo preceden a la pérdida de visión funcional. El problema es que detectar estos cambios estructurales sutiles en fotografías de rutina requiere un alto nivel de experiencia. Los investigadores buscaron determinar si un algoritmo de aprendizaje profundo (deep learning) podía identificar correctamente casos de glaucoma analizando únicamente fotografías a color del fondo de ojo en una población general.

¿Qué investigaron los autores?

Los científicos evaluaron el rendimiento de un algoritmo de inteligencia artificial previamente entrenado, aplicándolo a un conjunto de datos externo y poblacional conocido como el Estudio de Rotterdam (Rotterdam Study). El objetivo era validar si la IA podía distinguir entre ojos sanos y ojos con glaucoma perimétrico utilizando fotografías a color del fondo de ojo (CFP, por sus siglas en inglés). Además, analizaron si el algoritmo era capaz de detectar la enfermedad en etapas más tempranas, antes de que el daño fuera evidente en los estudios de campo visual.

¿Cómo se realizó el estudio?

Se trató de un estudio de validación externa. Los investigadores proporcionaron al algoritmo miles de fotografías del fondo de ojo de los participantes del Estudio de Rotterdam. Es importante destacar que el algoritmo había sido entrenado originalmente solo con imágenes centradas en la mácula. En este estudio, se probó su eficacia tanto en imágenes centradas en la mácula como en aquellas centradas en el disco óptico (el nervio óptico). La captura de estas imágenes es un proceso no invasivo que cada vez es más accesible, similar a los avances logrados con cualquier nuevo dispositivo basado en teléfonos inteligentes para la captura de imágenes de la retina.

¿Qué encontraron?

Los resultados del estudio fueron prometedores y revelaron datos interesantes sobre la capacidad de la IA en el tamizaje oftalmológico:

• Discriminación significativa: El algoritmo logró una discriminación clínicamente útil para identificar el glaucoma perimétrico en esta nueva población.
• Detección anticipada: Los casos que la IA identificó correctamente a menudo habían sido marcados por el sistema en exámenes anteriores, años antes de que se estableciera el diagnóstico oficial mediante pruebas de campo visual.
• Versatilidad de la imagen: A pesar de haber sido entrenado exclusivamente con fotos centradas en la mácula, el algoritmo no perdió su capacidad de discriminación al analizar fotos centradas en el disco óptico.
• Falsos positivos: Se descubrió que la visibilidad incompleta de la cabeza del nervio óptico en las fotografías fue una fuente importante de resultados falsos positivos (el sistema indicaba glaucoma cuando no lo había).

El diagnóstico integral del glaucoma en la actualidad

Aunque estos avances tecnológicos son fascinantes, es fundamental comprender cómo se diagnostica y maneja el glaucoma en la práctica clínica diaria. Como oftalmólogo, siempre explico a mis pacientes que el daño glaucomatoso del nervio óptico es irreversible. Por lo tanto, el objetivo principal de cualquier tratamiento es reducir el riesgo de progresión y conservar la visión a largo plazo.

Un error común es creer que la presión del ojo lo es todo. La realidad es que una presión intraocular aislada no confirma ni descarta el glaucoma. Existen pacientes con presión normal que desarrollan la enfermedad, y pacientes con presión alta que nunca presentan daño en el nervio. El diagnóstico médico requiere una evaluación integral que puede integrar la Tomografía de Coherencia Óptica (OCT) de nervio óptico, OCT de células ganglionares, campo visual, paquimetría (grosor de la córnea) y la evaluación del ángulo de drenaje del ojo.

Además, la anatomía individual de cada paciente juega un papel crucial. Por ejemplo, el tamaño del ojo y su impacto en la OCT pueden alterar la interpretación de los estudios. De igual manera, nos enfrentamos a desafíos anatómicos específicos, como el reto de diagnosticar glaucoma en discos ópticos pequeños, donde la experiencia clínica es insustituible por una máquina.

Limitaciones del estudio y prudencia científica

Este estudio observacional demuestra el potencial de la IA como herramienta de tamizaje, pero tiene limitaciones. La principal es que la calidad de la imagen afecta directamente el resultado; si el nervio óptico no se ve completo, el algoritmo puede equivocarse. Estos resultados sugieren una posible asociación útil para el futuro del cribado masivo, pero todavía no modifican el tratamiento habitual ni el estándar de diagnóstico en el consultorio. La IA no diagnostica definitivamente, solo señala un riesgo que debe ser evaluado por un oftalmólogo.

¿Qué significa esto para los pacientes?

Para los pacientes, este tipo de investigaciones significa que en el futuro podríamos contar con herramientas más rápidas y accesibles para detectar sospechas de glaucoma en campañas de salud pública o clínicas de primer contacto. Sin embargo, si usted tiene factores de riesgo (como antecedentes familiares, diabetes, miopía alta o edad avanzada), no debe esperar a que estas tecnologías estén disponibles en todas partes. El seguimiento seriado con su oftalmólogo sigue siendo la forma más segura e importante para detectar cualquier progresión o inicio de la enfermedad.

Conclusión

La validación de algoritmos de aprendizaje profundo para la detección del glaucoma mediante fotografías del fondo de ojo es un paso emocionante hacia la medicina preventiva del futuro. La capacidad de identificar señales de advertencia años antes de la pérdida de visión funcional podría cambiar la forma en que realizamos el tamizaje a nivel poblacional. No obstante, el diagnóstico definitivo y el manejo de esta compleja enfermedad seguirán requiriendo la integración de múltiples estudios y el juicio clínico de un especialista.

Si tienes dudas sobre tu diagnóstico, tus antecedentes familiares o tus estudios oftalmológicos, una valoración especializada permite integrar los hallazgos y determinar los siguientes pasos. En nuestra práctica en Lomas de Chapultepec, Ciudad de México (con fácil acceso desde Naucalpan y Huixquilucan), contamos con la tecnología y la experiencia clínica para realizar un diagnóstico preciso y un seguimiento adecuado. Más información sobre la evaluación y tratamiento del glaucoma.

Fuente científica

External validation of a deep-learning algorithm for perimetric glaucoma detection on color fundus photographs in the Rotterdam Study.
Consultar artículo original en PubMed