Una plataforma con inteligencia artificial desarrollada por investigadores argentinos ya se aplica en hospitales bonaerenses para enfrentar una de las principales causas prevenibles de pérdida visual: la retinopatía diabética. Se trata de Retinar, un sistema de teleoftalmología creado por científicos del CONICET y la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNCPBA) que analiza fotografías de la retina y ayuda a detectar de manera temprana los casos que necesitan atención oftalmológica.

La retinopatía diabética afecta aproximadamente al 25 por ciento de las personas con diabetes en el mundo y puede avanzar durante años sin provocar síntomas. De ahí que cuando aparecen las alteraciones visuales, el daño puede ser irreversible. El problema es que las dificultades para acceder a especialistas, conseguir turnos y realizar controles periódicos dejan a muchos pacientes fuera del seguimiento recomendado.

Retinar busca precisamente achicar esa brecha a partir de retinografías tomadas por personal capacitado en hospitales o centros de atención primaria. La plataforma verifica primero si las imágenes tienen la calidad necesaria y luego utiliza inteligencia artificial para identificar en ellas signos compatibles con una retinopatía que requiere derivación a fin de priorizar los casos de mayor riesgo.

“Desde el comienzo entendimos que un buen algoritmo era clave, pero que debía ser el punto de partida para ofrecer al final del camino una herramienta integrable al funcionamiento real del sistema sanitario argentino, que permitiera aprovechar la diversidad de hospitales, equipos y formas de trabajo que existen en el país”, explica José Ignacio Orlando, investigador del CONICET y responsable del desarrollo.

El proyecto nació en el Instituto de Investigación en Plasmas Densos y sus Aplicaciones (PLADEMA), de la Facultad de Ciencias Exactas de la UNCPBA, y se realizó en articulación con el Servicio de Oftalmología del Hospital de Alta Complejidad en Red El Cruce. Su desarrollo se apoya en más de una década de investigaciones sobre análisis automático de imágenes de retina.

Para entrenar los modelos se utilizaron decenas de miles de imágenes previamente evaluadas por oftalmólogos, obtenidas con distintos equipos y en condiciones diferentes. Uno de los principales desafíos fue lograr que el sistema pudiera reconocer la enfermedad sin depender de un determinado retinógrafo o de un único contexto clínico.

“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”, señala Orlando.

La herramienta ya se utiliza en hospitales de Tandil, Florencio Varela y Necochea. Allí, la IA no reemplaza al especialista: ordena el flujo de estudios, automatiza tareas repetitivas y señala los casos que requieren una evaluación más rápida. La decisión clínica y el diagnóstico final continúan en manos del oftalmólogo.