La retinopatía diabética es la principal causa de pérdida visual prevenible e irreversible en personas adultas en edad productiva y, a nivel mundial, afecta aproximadamente al 25% de las personas con diabetes. Aunque puede avanzar durante años sin generar síntomas, un diagnóstico oportuno permite iniciar tratamientos capaces de evitar gran parte de las complicaciones.
31 de julio de 2026 - 17:17
Retinar: la IA que se aplica en hospitales bonaerenses para prevenir la pérdida de la visión
Este desarrollo científico ya forma parte de los servicios de los hospitales "Julieta Lanteri" de Tandil, "El Cruce" de Florencio Varela, y "José Irurzun" de Quequén, en Necochea.
Frente a ese desafío sanitario, un grupo de investigadores del CONICET y de la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNCPBA) comenzó hace más de una década un camino de investigación que dio lugar a Retinar, una plataforma argentina de teleoftalmología que utiliza inteligencia artificial (IA) para ampliar el acceso al control oftalmológico y optimizar el trabajo de los equipos de salud.
El desarrollo nació en el Instituto de Investigación en Plasmas Densos y sus Aplicaciones (PLADEMA), de la Facultad de Ciencias Exactas de la UNCPBA, liderado por el investigador del CONICET José Ignacio Orlando. El equipo científico está integrado además por el investigador del CONICET Ignacio Larrabide y los becarios doctorales del organismo Lucas Telesco y Franco Arellano, quienes desarrollan distintas líneas de investigación en inteligencia artificial aplicada al análisis de imágenes médicas.
En articulación con el Servicio de Oftalmología del Hospital de Alta Complejidad en Red El Cruce, a cargo de la oftalmóloga Mercedes Leguía, el proyecto busca responder a una necesidad concreta del sistema sanitario argentino: facilitar la detección temprana de personas con riesgo de desarrollar complicaciones visuales asociadas a la diabetes y fortalecer los programas de teleoftalmología en hospitales y centros de salud.
La importancia de la detección temprana
La retinopatía diabética es una complicación producida por el daño que los niveles elevados de glucosa generan sobre los vasos sanguíneos de la retina. En sus primeras etapas puede evolucionar sin afectar la visión, por lo que muchas personas desconocen que presentan lesiones hasta que el deterioro visual ya resulta irreversible. Por este motivo, las guías clínicas recomiendan controles oftalmológicos periódicos para todas las personas con diabetes.
Sin embargo, esos controles no siempre se realizan. La concentración de especialistas en grandes centros urbanos, las dificultades para acceder a turnos, las distancias geográficas y la limitada capacidad de algunos servicios de salud reducen la cobertura del tamizaje y la detección temprana de estas lesiones.
“Cuando empezamos a trabajar con los equipos de salud entendimos que, además de generar un modelo capaz de tamizar los casos de riesgo, íbamos a necesitar controlar la calidad de las imágenes”, expresó Orlando. "Sin controlar la calidad, en muchos casos pueden ocurrir fallas posteriores que pueden poner en riesgo la seguridad del paciente, o hacer más ineficiente el proceso de tamizaje. Después sí, por supuesto, el reconocimiento automático de la patología es clave para priorizar informes", añadió.
Para lograrlo, el equipo desarrolló modelos de inteligencia artificial capaces de verificar automáticamente la calidad de las retinografías, identificar estudios con signos compatibles con una retinopatía diabética que requiere derivación y asistir a los profesionales en la organización de los controles, manteniendo siempre la decisión clínica en manos del especialista.
El entrenamiento de esos modelos implicó utilizar decenas de miles de imágenes de fondo de ojo previamente evaluadas por oftalmólogos, provenientes de distintas bases de datos tanto públicas como locales, y obtenidas con cámaras, condiciones de iluminación y poblaciones diferentes. Además, el equipo desarrolló estrategias de preprocesamiento para uniformar las imágenes y reducir las diferencias que podían afectar el rendimiento de los algoritmos. “No queríamos construir un modelo que funcionara solamente con un retinógrafo específico. Necesitábamos que aprendiera a reconocer la enfermedad incluso cuando las imágenes provenían de hospitales con equipos y condiciones de captura muy distintas. Ese desafío, que se conoce como generalización de dominio, es el que hoy exploramos con más interés en nuestro laboratorio”, sumó Orlando.
Más de una década de investigación
Si bien Retinar comenzó a tomar forma como proyecto entre 2019 y 2020, sus bases científicas se remontan varios años atrás. Durante su doctorado y posteriormente en colaboraciones internacionales realizadas en Francia y Bélgica y su postdoctorado en Austria, Orlando investigó distintos problemas vinculados con el análisis automático de imágenes de retina.
“Retinar es el resultado de muchos años trabajando sobre distintos problemas del análisis de imágenes de la retina. Cada publicación, cada colaboración internacional y cada nuevo algoritmo fueron aportando conocimientos que después pudimos integrar en una herramienta pensada para responder a una necesidad concreta del sistema de salud argentino”, señaló el investigador.
Ese recorrido permitió construir conocimiento, formar recursos humanos, desarrollar nuevas metodologías y publicar resultados en revistas y congresos internacionales. Buena parte de esos avances científicos fueron luego integrados en Retinar, que continúa creciendo con cada nuevo desarrollo del laboratorio.
Herramienta para asistir, no para reemplazar
Actualmente, Retinar permite que personal de salud capacitado capture retinografías en hospitales, centros de atención primaria o campañas sanitarias. Antes de que las imágenes sean enviadas al centro de lectura, la plataforma analiza automáticamente su calidad con el algoritmo desarrollado por el equipo, incluyendo mecanismos de explicabilidad que guían al técnico a reconocer qué mejoras necesita la imagen.
Luego clasifica los estudios según el riesgo de presentar retinopatía diabética referible (que necesita de manera urgente algún tipo de tratamiento), lo que permite priorizar aquellos casos que requieren una evaluación más rápida por parte del oftalmólogo.
La decisión clínica, sin embargo, continúa siempre en manos del especialista. Los oftalmólogos revisan las imágenes priorizadas, confirman o descartan los hallazgos y elaboran el informe correspondiente. Este esquema, conocido como human-in-the-loop, combina la capacidad de procesamiento de la inteligencia artificial con la experiencia profesional de los equipos médicos, automatizando tareas repetitivas sin reemplazar la responsabilidad clínica. "La inteligencia artificial nos permite organizar el trabajo de otra manera: automatiza tareas repetitivas, ayuda a priorizar los casos de mayor riesgo y mejora la eficiencia del sistema, pero la responsabilidad clínica continúa siempre en manos del profesional", indicó Orlando sobre la asistencia que efectúa la herramienta.
Tandil, Quequén y Florencio Varela
Hoy la plataforma forma parte de la atención en el Hospital de Enfermedades Crónicas No Transmisibles "Julieta Lanteri" de Tandil, el Hospital de Alta Complejidad en Red "El Cruce", en Florencio Varela, y el Hospital "José Irurzun" de Quequén, en Necochea, consolidando una red de nodos que permitió validar su funcionamiento en escenarios reales de atención.
Solo en Tandil ya fueron evaluados 269 pacientes, de los cuales el 25,7% presentó signos compatibles con retinopatía diabética referible, es decir, con riesgo de desarrollar complicaciones visuales que requerían una evaluación oftalmológica prioritaria. En los otros dos nodos, Retinar acompañó la evaluación de 77 pacientes en el Hospital El Cruce y 46 en el Hospital Irurzun, manteniendo una sensibilidad del 100 por ciento para la detección de casos de riesgo en esas implementaciones iniciales.
Fuente: Agencia DIB