Autor: Dr. Luis A. Rosario-Arroyo, Ed.D., MPHE, MCHES, LSC
Especialista en Educación en Salud | Lifestyle Coach certificado por el CDC | Certificado en Liderazgo para la Transformación Digital en Salud | Presidente, LRA Health Strategies
Si usted vive con diabetes, probablemente ya sabe que debe revisarse los ojos con regularidad. Lo que quizás no sabe es que, en algunos centros de salud, ese examen ahora puede hacerlo una cámara especial asistida por inteligencia artificial (IA), en cuestión de minutos y sin necesidad de una cita separada con un oftalmólogo.
La retinopatía diabética es un daño a los pequeños vasos sanguíneos del ojo causado por niveles elevados de azúcar en la sangre durante tiempo prolongado. Al inicio, con frecuencia no presenta síntomas; por eso, el examen periódico es la forma más confiable de detectarla a tiempo. Un sistema llamado EyeArt, evaluado en el protocolo de investigación DRES-POCAI en centros de salud comunitarios de California, fue entrenado con 375,000 imágenes de retina y validado en un estudio con 942 personas con diabetes. Su precisión reportada fue del 96 % para detectar retinopatía significativa y del 97 % para detectar retinopatía que amenaza la visión (Díaz et al., 2025).
¿Cómo funciona para usted como paciente? Una técnica o enfermera toma una foto de su retina con una cámara especial. La imagen se envía de forma electrónica y el sistema de IA la analiza en minutos. Si el resultado sugiere un problema, su expediente genera automáticamente un referido: si es urgente, en 24 horas; si la imagen no pudo evaluarse bien, en 72 horas; si todo está normal, se le indica repetir el examen en 12 meses (Díaz et al., 2025). En ningún momento la máquina reemplaza a su médico: el sistema organiza la respuesta clínica según el nivel de riesgo, pero un profesional de la salud revisa el resultado.
Esa confiabilidad no es casualidad. Herramientas como esta pertenecen a lo que los especialistas llaman «herramientas clínicas» de IA, diseñadas específicamente para apoyar decisiones médicas directas y sometidas a pruebas exhaustivas antes de usarse con pacientes reales, a diferencia de aplicaciones de uso general que cualquiera descarga en su teléfono (Angus et al., 2025). Y esa precisión depende, sobre todo, de la calidad de las imágenes y los datos con los que el sistema fue entrenado y validado (Miotto et al., 2018), razón por la cual estudios como el de EyeArt requieren miles de pacientes antes de aprobarse para uso clínico.
Si tiene diabetes, pregunte a su médico si su centro de salud ofrece una prueba de cernimiento de retinopatía asistida por IA. Detectar un problema en su retina a tiempo puede ser la diferencia entre un tratamiento sencillo y una pérdida de visión irreversible. Cuidar su vista también es cuidar su diabetes.
Referencias
Angus, D. C., Khera, R., Lieu, T., Liu, V., Ahmad, F. S., Anderson, B., Bhavani, S. V., Bindman, A., Brennan, T., Celi, L. A., Chen, F., Cohen, I. G., Denniston, A., Desai, S., Embí, P., Faisal, A., Ferryman, K., Gerhart, J., Gross, M., Hernandez-Boussard, T., … Bibbins-Domingo, K., para la Cumbre JAMA sobre IA. (2025). AI, health, and health care today and tomorrow: The JAMA Summit Report on Artificial Intelligence. JAMA, 334(18), 1650–1664. https://doi.org/10.1001/jama.2025.18490
Díaz, E. A., Seifert, M. L., Gruning, V., Stadnick, N. A., Lugo-Butler, E., Servin, A. N., Rodríguez-Rosales, C. I., Geremia, C., Ramachandra, C., Bhaskaranand, M., Howard, D., Solis, O., Velasquez, S., Snook, B., Tucker, S., & Muñoz, F. A. (2025). Diabetic retinopathy screening among federally qualified health center patients using point-of-care AI: DRES-POCAI, a trial protocol. JAMA Network Open, 8(10), e2538114. https://doi.org/10.1001/jamanetworkopen.2025.38114
Miotto, R., Wang, F., Wang, S., Jiang, X., & Dudley, J. T. (2018). Deep learning for healthcare: Review, opportunities and challenges. Briefings in Bioinformatics, 19(6), 1236–1246. https://doi.org/10.1093/bib/bbx044
- Las opiniones expresadas aquí no son responsabilidad de PHLATAM, LLC.
