La IA está Transformando la Atención Preventiva de la Vista y Protegiendo la Visión

Los ojos, un órgano sensorial clave, desempeñan un papel importante en cada etapa de nuestras vidas.

Transmiten información al cerebro sobre el mundo exterior. Sin visión, tendríamos dificultades para realizar tareas diarias como leer, aprender, caminar e interactuar con nuestro entorno.

Una buena visión es esencial para disfrutar de la independencia y, por supuesto, de los placeres de la vida.

Sin embargo, más de 2.200 millones de personas no pueden hacerlo debido a una discapacidad visual, que ocurre por una condición ocular que afecta el sistema visual y sus funciones.

Las cataratas, el glaucoma, los errores refractivos, la retinopatía diabética, la degeneración macular relacionada con la edad (DMRE) y la presbicia son algunas de las principales causas de discapacidad visual.

La discapacidad visual tiene graves consecuencias para la vida de una persona, muchas de las cuales pueden mitigarse mediante el acceso oportuno a una atención ocular de calidad. Más allá de su impacto en los individuos, la discapacidad visual también representa una carga financiera significativa, con un costo global anual de productividad perdida estimado en 411 mil millones de dólares.

Como resultado, las condiciones oculares que pueden causar discapacidad visual y ceguera son el foco principal de las estrategias de cuidado ocular.

IA en Oftalmología

Dado que la discapacidad visual reduce la calidad de vida de una persona y crea una carga económica global considerable, médicos, científicos e investigadores están recurriendo a la inteligencia artificial (IA) para transformar la atención ocular.

La tecnología de rápida evolución ha mejorado la eficiencia empresarial y el análisis de datos en finanzas, manufactura, comercio minorista, medios y salud.

En salud y medicina, la influencia de la IA ha aumentado drásticamente en los últimos años.

IA para la Detección Temprana: DR, Glaucoma y DMRE

En oftalmología, específicamente, la IA está permitiendo la detección temprana de enfermedades como el glaucoma, la retinopatía diabética y la DMRE mediante el análisis de imágenes de la retina y datos de pacientes. Aquí, las herramientas de IA habilitan intervenciones personalizadas y diagnósticos y cribados automatizados.

La tecnología también brinda asistencia quirúrgica, ayudando a seleccionar candidatos, optimizar técnicas, minimizar complicaciones y predecir resultados postoperatorios.

Según expertos, la IA jugará un papel cada vez mayor en la práctica clínica y quirúrgica en el futuro de la cirugía del segmento anterior, que se centra en las estructuras frontales del ojo para tratar lesiones y condiciones como cataratas y trastornos corneales.

Ya, la tecnología se está utilizando aquí para cribado y diagnóstico de cataratas, clasificación de fases quirúrgicas y predicción del tiempo quirúrgico para optimizar el flujo de trabajo en quirófano. Además, la IA se está aplicando al cálculo óptimo de la potencia de la lente intraocular (LIO), que se refiere a la potencia refractiva de la lente sintética implantada durante la cirugía de cataratas para reemplazar la lente natural.

Existe, después de todo, una gran cantidad de literatura así como datos de imágenes recopilados a lo largo de los años como práctica rutinaria.

Desliza para desplazarte →

Cómo se Desempeñan los LLM frente a los Oftalmólogos

Un estudio encontró que la IA está superando la capacidad de médicos no especialistas¹ para evaluar problemas oculares.

Dirigido por la Universidad de Cambridge, el estudio informó que los conocimientos clínicos y las habilidades de razonamiento del popular modelo de lenguaje grande (LLM), GPT‑4, están ahora acercándose al nivel de los médicos oftalmólogos especialistas.

GPT‑4 fue probado contra médicos oftalmólogos expertos, médicos junior no especializados y residentes, a quienes se les presentaron hasta 87 escenarios sobre problemas oculares específicos. Las preguntas abarcaban una amplia gama de problemas oculares, tomadas de un libro de texto usado para evaluar a residentes pero que no está disponible gratuitamente en internet, lo que hace improbable que los conjuntos de datos de entrenamiento de GPT‑4 incluyeran ese contenido.

Los médicos debían elegir un diagnóstico o consejo de tratamiento entre cuatro opciones. Según el estudio, el modelo de IA obtuvo una puntuación más alta que los médicos junior en la prueba y obtuvo puntuaciones similares a las de residentes y expertos, aunque los médicos con mejor desempeño superaron a GPT‑4.

Los LLM no reemplazarán a los profesionales de la salud, según los investigadores, pero señalaron que pueden mejorar la atención médica al proporcionar diagnósticos, consejos y sugerencias de manejo en ciertos contextos.

Del Laboratorio a la Clínica: Resultados de Cribado en el Mundo Real

Un estudio reciente evaluó la implementación de IA en la detección de glaucoma² en entornos reales.

Para ello, desarrollaron un sistema de fotografía retinal automatizada y cribado basado en IA para evaluar su aceptabilidad, viabilidad y exactitud. El estudio reclutó a personas de 50 años o más cuyas imágenes retinianas fueron tomadas con una cámara de fondo automatizada y analizadas por IA.

El sistema de IA alcanzó un AUROC de 0,80, lo que muestra la fuerte capacidad de la tecnología para distinguir entre condiciones. La sensibilidad fue del 65 %, representando los casos reales identificados correctamente por la IA, mientras que la especificidad fue del 94,6 %, reflejando la clasificación precisa de individuos sanos. Entre 161 pacientes previamente no diagnosticados, 18 (11,2 %) fueron identificados como glaucoma referible. El estudio declaró:

“A pesar de desafíos como menor sensibilidad y limitaciones en la adquisición de imágenes, el sistema muestra promesa para cribado oportunista en entornos de atención primaria.”

Una revisión³ del Departamento de Oftalmología de la Universidad Médica Capital, China, exploró las aplicaciones y desafíos de la IA en la miopía.

Actualmente, esta condición afecta a más de dos mil millones de personas a nivel mundial, y para 2050 se espera que casi la mitad de la población mundial la padezca. Cuando no se corrige, la miopía puede deteriorar la visión, interrumpir la educación y afectar las oportunidades laborales, mientras que la miopía alta puede causar pérdida permanente de la visión. Por ello, el diagnóstico temprano es importante para gestionar su progresión y prevenir daños visuales a largo plazo.

Aquí, la IA puede ofrecer una herramienta prometedora al analizar datos médicos complejos.

Para detectar la miopía, los modelos de IA pueden entrenarse con grandes cantidades de fotos de fondo y imágenes OCT y luego enseñarse a encontrar cambios en la retina asociados con la miopía. La IA también puede entrenarse para detectar cambios conductuales asociados al inicio de la miopía. Incluso equipos de auto‑monitoreo como SVOne pueden usar IA para detectar errores refractivos en los ojos. Para descubrir factores de riesgo, pueden emplearse técnicas como regresión logística, máquinas de vectores de soporte y XGBoost.

Aunque la IA puede ayudar a la práctica clínica y a la formulación de políticas para controlar la miopía, no está exenta de desafíos.

“Al construir conjuntos de datos de alta calidad, mejorar la capacidad del modelo para procesar datos de imagen multimodales y mejorar la interacción humano‑computadora, los modelos de IA pueden mejorarse aún más para una aplicación clínica generalizada.”

– Dr. Jifeng Yu

Abordando la Disparidad

Si bien los problemas visuales están muy extendidos, la discapacidad es más prevalente en los países de ingresos bajos y medianos (PIBM) en comparación con las regiones de altos ingresos. Al permitir que más personas sean cribadas, la IA puede ayudar a cerrar la brecha en regiones con acceso limitado a atención ocular especializada.

Para ello, el gigante tecnológico Google ha creado un modelo de IA llamado ARDA (Evaluación Automatizada de Enfermedades Retinales), y recientemente licenció el modelo de IA para detectar retinopatía diabética a empresas de tecnología sanitaria en Tailandia e India.

“Ellos establecerán sus propios modelos de negocio, pero al mismo tiempo también entregarán cribados a las personas que más lo necesitan pero no pueden pagarlo. La ceguera por retinopatía diabética es completamente prevenible, y el hecho de que no hayamos podido realizar cribados efectivos en algunos de estos lugares no debe ser perdonado.”

– Sunny Virmani, gerente de proyecto en Google Health

La diabetes, que está aumentando en los PIBM, puede afectar gravemente la visión al causar visión borrosa, edema macular diabético, glaucoma y retinopatía diabética. Esta última resulta del daño excesivo a los vasos sanguíneos por el azúcar en sangre, lo que lleva a filtraciones de líquido en el ojo.

La retinopatía diabética puede provocar cambios en la visión y, eventualmente, la ceguera. Sin embargo, el diagnóstico y tratamiento tempranos reducen el riesgo hasta en un 98 %. Pero solo un pequeño número de personas con diabetes son cribadas.

Así que, hace más de una década, Dale Webster, director de investigación en Google Health, junto con sus colegas, comenzaron a probar la capacidad de la IA para diagnosticar enfermedades a partir de imágenes médicas.

Esto dio lugar a ARDA, que puede diagnosticar la enfermedad con la misma efectividad que un oftalmólogo.

Para el modelo de IA, el equipo de Google cribó a 7 651 personas en tres regiones de Tailandia entre 2018 y 2020, con ARDA alcanzando una exactitud del 94,7 %, demostrando “que estas herramientas son seguras y efectivas”.

Haga clic aquí para obtener una lista de las diez principales acciones de especialistas en enfermedades raras.

El Avance de la IA en la Gestión del Queratinocono

En medio de todo este progreso, los investigadores han desarrollado ahora una IA que puede predecir con éxito qué pacientes con queratocono probablemente quedarán ciegos, lo que requiere tratamiento y monitoreo tempranos, años antes de que los médicos puedan detectarlo. Al hacerlo, la tecnología puede reducir procedimientos innecesarios y prevenir la pérdida de visión.

El queratocono es una condición ocular progresiva sin causa conocida.

En esta condición, la córnea se deforma. Es la capa clara y en forma de cúpula que cubre el iris y la pupila, permitiendo que la luz entre y ayudando a enfocarla para una visión clara.

Así, cuando la córnea se adelgaza y se abomba en forma de cono, se denomina queratocono. El cambio en la forma de la córnea desenfoca los rayos de luz, provocando visión distorsionada. Otros síntomas incluyen deslumbramiento, sensibilidad a la luz y visión borrosa, lo que dificulta tareas diarias como conducir o leer.

Esta enfermedad a menudo se desarrolla a finales de la adolescencia o a principios de los veinte años y progresa con el tiempo.

Aunque la causa exacta es desconocida, puede ser genética; 1 de cada 10 personas con queratocono tiene un padre que también lo padece. El queratocono también está relacionado con el frotamiento excesivo de los ojos, alergias oculares, adelgazamiento corneal por pérdida de colágeno y trastornos del tejido conectivo.

Generalmente afecta a ambos ojos, pero la enfermedad puede producir visiones y síntomas muy diferentes entre los dos ojos.

Los síntomas del queratocono empeoran lentamente durante un período de diez a veinte años. En la etapa temprana, los síntomas pueden incluir enrojecimiento o hinchazón ocular, mayor sensibilidad a la luz y al deslumbramiento, visión ligeramente borrosa y visión ligeramente distorsionada. En etapas posteriores, los síntomas a menudo incluyen mayor miopía o astigmatismo y visión más borrosa y distorsionada.

Durante las etapas tempranas, los problemas de visión pueden corregirse con gafas o lentes de contacto, pero en etapas posteriores pueden requerirse lentes de contacto rígidas permeables a gases.

Pero si no se trata a tiempo y la condición se vuelve más grave, pueden ser necesarios trasplantes de córnea, Intacs (pequeños implantes corneales) y el entrecruzamiento corneal (CXL). Ahora, para diagnosticar el queratocono, los médicos monitorizan a los pacientes a lo largo del tiempo.

Durante los exámenes oculares de rutina, un oftalmólogo examina la córnea y puede usar imágenes especializadas para medir la curvatura, lo que mostrará cualquier cambio en su forma.

“El queratocono es una condición manejable, pero saber a quién tratar, cuándo y cómo hacerlo es un desafío. Desafortunadamente, este problema puede generar demoras, con muchos pacientes experimentando pérdida de visión y requiriendo cirugía invasiva de implante o trasplante.”

– Dr. José Luis Güell, fiduciario de ESCRS y jefe del Departamento de Cirugía de Córnea, Catarata y Refractiva en el Instituto de Microcirugía Ocular, España

Pero los investigadores han logrado ahora un avance que podría remodelar la atención ocular al permitir que la IA prediga qué pacientes con queratocono necesitan tratamiento corneal urgente antes de que ocurra daño irreversible, potencialmente salvando la visión y reduciendo los trasplantes.

El estudio se presentó recientemente en el 43.º Congreso de la Sociedad Europea de Cirugía de Catarata y Refractiva (ESCRS).

Salvando la Visión Humana y los Recursos Sanitarios

Realizado por el Dr. Shafi Balal y colegas en el Moorfields Eye Hospital NHS Foundation Trust y la University College London (UCL), el estudio utilizó IA para analizar imágenes de los ojos de los pacientes y combinarlas con otros datos para predecir qué pacientes con queratocono requerían tratamiento inmediato y cuáles podían seguir bajo monitoreo.

“El queratocono causa discapacidad visual en pacientes jóvenes y en edad laboral, y es la razón más común de trasplante corneal en el mundo occidental.”

– Dr. Balal

Con un solo tratamiento llamado ‘entrecruzamiento’, se puede detener la progresión de la enfermedad. La terapia implica usar luz ultravioleta y gotas de vitamina B2 (riboflavina) para endurecer la córnea.

Sin embargo, el tratamiento de entrecruzamiento debe realizarse antes de que la cicatrización sea permanente, lo que elimina la necesidad de un trasplante corneal. Es exitoso en más del 95 % de los casos. Según el Dr. Balal:

“Sin embargo, los médicos no pueden predecir actualmente qué pacientes progresarán y requerirán tratamiento, y cuáles permanecerán estables con solo monitoreo. Esto obliga a los pacientes a ser monitoreados frecuentemente durante muchos años, con el entrecruzamiento típicamente realizado después de que la progresión ya haya ocurrido.”

Por lo tanto, la IA puede diagnosticar el queratocono a tiempo.

Para su IA, el estudio utilizó un grupo de pacientes referidos al Moorfields Eye Hospital para evaluación y monitoreo del queratocono, incluyendo escaneos frontales del ojo con OCT para examinar su forma.

La tomografía de coherencia óptica (OCT) es un método de imagen no invasivo que utiliza ondas de luz para obtener imágenes transversales de alta resolución de la retina. La técnica se usa ampliamente en oftalmología para diagnosticar condiciones como la degeneración macular, el glaucoma y la retinopatía diabética.

Los investigadores estudiaron 36 673 imágenes OCT de 6 684 pacientes usando IA. Encontraron que su modelo de IA puede predecir con precisión si la condición de un paciente permanecerá estable o se deteriorará, basándose únicamente en la primera visita.

Esto significa que desde la consulta rutinaria inicial, la IA puede ayudar a los médicos a predecir qué pacientes probablemente experimentarán progresión, permitiendo un tratamiento temprano antes de que ocurran cambios secundarios.

Usando el modelo de IA, los investigadores clasificaron a los pacientes en dos grupos. Un grupo de bajo riesgo, que comprende dos tercios de los pacientes y que no requiere tratamiento. El otro es el grupo de alto riesgo, con un tercio de los pacientes que necesitaban tratamiento inmediato de entrecruzamiento.

Al incluir los datos de la segunda visita hospitalaria, el modelo de IA pudo clasificar hasta el 90 % de los pacientes.

Esto convierte al estudio en el primero de su tipo en lograr una precisión tan alta en la predicción del riesgo de progresión del queratocono mediante una combinación de escaneos y datos de pacientes, según el Dr. Balal. Añadió:

“Nuestra investigación muestra que podemos usar IA para predecir qué pacientes necesitan tratamiento y cuáles pueden continuar bajo monitoreo.”

El estudio, señaló el Dr. Balal, involucró a un gran grupo de pacientes monitoreados durante dos años o más. Los resultados sugieren que los pacientes con queratocono de alto riesgo podrían recibir tratamiento preventivo antes de que su condición progrese, ayudando a prevenir la pérdida de visión y reduciendo la necesidad de cirugías de trasplante corneal complicadas y su carga de recuperación.

Mientras tanto, los pacientes de bajo riesgo pueden evitar monitoreos innecesarios, lo que ahorrará recursos sanitarios.

“La clasificación eficaz de pacientes por el algoritmo permitirá redirigir a los especialistas a las áreas con mayor necesidad.”

– Dr. Balal

Los investigadores están trabajando actualmente en desarrollar un algoritmo de IA aún más potente, que será entrenado con millones de escaneos oculares. El algoritmo puede adaptarse a tareas específicas, como predecir la progresión del queratocono, así como detectar enfermedades oculares hereditarias e infecciones oculares.

Si el algoritmo de IA “demuestra consistentemente su efectividad, esta tecnología evitaría finalmente la pérdida de visión y estrategias de manejo más difíciles en pacientes jóvenes y en edad laboral”, dijo el Dr. Güell, quien no participó en la investigación.

El algoritmo pasará ahora a pruebas de seguridad adicionales antes de poder desplegarse en entornos clínicos.

Inversión en Atención Ocular impulsada por IA

Alcon AG (ALC ) es una empresa suiza de cuidado ocular que investiga, fabrica y vende una gama de productos de cuidado ocular a través de Surgical and Vision Care para condiciones como cataratas, glaucoma, enfermedades retinianas y errores refractivos.

Alcon AG (ALC )

Con una capitalización de mercado de 39,6 mil millones de dólares, las acciones de ALC cotizan actualmente a 77,78 $, con una caída del 8,81 % en lo que va del año y alrededor del 23 % por debajo de su pico por encima de 100 $ a finales del año pasado. Con ello, tiene un BPA (TTM) de 2,25 y una relación P/E (TTM) de 34,41, mientras que el rendimiento de dividendos ofrecido es del 0,43 %.

Para el segundo trimestre de 2025, Alcon reportó un aumento del 4 % en ventas, alcanzando 2,6 mil millones de dólares. El BPA diluido del trimestre fue de 0,35 $.

La compañía generó 889 millones de dólares en efectivo de operaciones durante este período, mientras que el flujo de caja libre fue de 681 millones de dólares en la primera mitad de 2025. Alcon devolvió 287 millones de dólares a los accionistas.

Al señalar una “demanda temprana robusta” para nuevos productos como Tryptyr, Systane Pro PF, Precision7, PanOptix Pro, Voyager y Unity VCS, el CEO David J. Endicott dijo:

“Aunque aún es temprano, estos lanzamientos nos posicionan para acelerar el crecimiento de los ingresos, generar efectivo y ofrecer valor a largo plazo a nuestros accionistas.”

Haga clic aquí para aprender todo sobre la inversión en inteligencia artificial.

Últimas Alcon AG (ALC) Noticias de Acciones y Desarrollos

Conclusión

Con decenas de millones de personas en todo el mundo en riesgo de discapacidad visual o ceguera, la capacidad de la IA para predecir la progresión de enfermedades y guiar decisiones de tratamiento marca una nueva era de atención preventiva ocular. A medida que los algoritmos se refinan, la IA tiene el potencial de capacitar a los clínicos para proteger la visión, reducir los costos sanitarios y mejorar la calidad de vida.

Haga clic aquí para obtener una lista de nuevos avances dirigidos a la pérdida de visión.

Referencias:

<sup>1. Thirunavukarasu, A. J., Mahmood, S., Malem, A., Foster, W. P., Sanghera, R., Hassan, R., Zhou, S., Wong, S. W., Wong, Y. L., Chong, Y. J., Shakeel, A., Chang, Y.-H., Tan, B. K. J., Jain, N., Tan, T. F., Rauz, S., Ting, D. S. W., & Ting, D. S. J. (2024). Large language models approach expert-level clinical knowledge and reasoning in ophthalmology: A head-to-head cross-sectional study. PLOS Digital Health, (Version of Record), published 17 abril de 2024. https://doi.org/10.1371/journal.pdig.0000341
2. Jan, C. L., Joseph, S., Vingrys, A. J., et al. (2025). Prospective pragmatic trial of automated retinal photography and AI glaucoma screening in Australian primary care. npj Digital Medicine, 8, 386. (Version of Record), published 1 julio de 2025. Received 9 marzo de 2025; accepted 2 junio de 2025. https://doi.org/10.1038/s41746-025-01768-y
3. Liu, N., Li, L., & Yu, J. (2025). Application of artificial intelligence in myopia prevention and control. Pediatric Investigation, (Version of Record), published 18 marzo de 2025. https://doi.org/10.1002/ped4.70001</sup>