Retinar: la inteligencia artificial que busca prevenir la pérdida visual en personas con diabetes

Buenos Aires-(Nomyc)-La Retinopatía Diabética es la principal causa de pérdida visual prevenible e irreversible en personas adultas en edad productiva, y a nivel mundial, afecta  a cerca del 25 por ciento de las personas con diabetes y aunque puede avanzar durante años sin generar síntomas, un diagnóstico oportuno permite iniciar tratamientos capaces de evitar gran parte de las complicaciones. 

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 una investigación que dio lugar a “https://retinar.com.ar/”, una plataforma argentina de teleoftalmología que utiliza inteligencia artificial para ampliar el acceso al control oftalmológico y optimizar el trabajo de 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 y 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 algo concreto, 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. 

“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 Orlando.

Un problema silencioso que exige 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 que 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 lo que las guías clínicas recomiendan controles oftalmológicos periódicos para todas las personas diabéticas.

Sin embargo, esos controles no siempre se realizan, debido entre otras cosas, a  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.

Frente a ese escenario, Orlando destaca que “la teleoftalmología basada en retinografías no midriáticas surgió a nivel internacional, como una estrategia para acercar el estudio a los pacientes: como son imágenes no invasivas que pueden ser capturadas por personal capacitado, no necesariamente oftalmólogos, te permite llevar el control a centros de atención primaria u hospitales generales, haciendo las fotos y enviándolas después a especialistas para que las evalúen de manera remota”.

Ciencia que fortalece la teletalmología: ese modelo, sin embargo, también presenta desafíos, ya que a medida que aumenta la cantidad de centros que capturan imágenes, crece el volumen de estudios que deben analizar los oftalmólogos, lo que genera un cuello de botella que impide que las redes escalen y den una respuesta programática y además, una fotografía desenfocada o de baja calidad puede obligar a tener que repetir el estudio cuando el paciente ya abandonó el centro de salud.

“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”, recuerda el investigador. 

“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 y después sí, por supuesto, el reconocimiento automático de la patología es clave para priorizar informes” agrega el experto.

Para lograrlo, el equipo desarrolló modelos de Inteligencia Artificial (IA) capaces de verificar de manera automática, 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 y el equipo, además, 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 solo 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 y ese desafío, que se conoce como `generalización de dominio`, es el que hoy exploramos con más interés en nuestro laboratorio”, explica Orlando.

Más de una década de investigación antes de convertirse en plataforma: aunque Retinar comenzó a tomar forma como proyecto entre 2019 y 2020, sus bases científicas se remontan varios años atrás. 

Durante su doctorado y luego con 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, lo que incluyó la detección de lesiones de la retinopatía diabética, la segmentación de vasos sanguíneos, el reconocimiento del glaucoma y el desarrollo de algoritmos capaces de funcionar sobre imágenes obtenidas en distintos contextos clínicos.

“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”, señala el investigador.

Ese recorrido, permitió construir conocimiento, formar recursos humanos, desarrollar nuevas metodologías y publicar resultados en revistas y congresos internacionales y buena parte de esos avances científicos, fueron luego integrados en Retinar, que continúa creciendo con cada nuevo desarrollo del laboratorio.

Una herramienta para asistir, no para reemplazar: en la actualidad, 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.

La decisión clínica, sin embargo, continúa siempre en manos del especialista, ya que los oftalmólogos revisan las imágenes priorizadas, confirman o descartan los hallazgos y elaboran el informe correspondiente en un esquema, conocido como human-in-the-loop, que 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 IA 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”, señala Orlando sobre la asistencia que efectúa la herramienta.

Del laboratorio al sistema de salud: el crecimiento de Retinar fue acompañado por distintos programas de financiamiento orientados tanto a la investigación como a la innovación tecnológica, aunque su verdadero desafío, comenzó cuando la plataforma empezó a implementarse en hospitales y centros de salud, donde el conocimiento generado en el laboratorio debía responder a necesidades concretas de la práctica clínica.

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 Necochea, en 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 por ciento 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”, con una sensibilidad del 100 por ciento para la detección de casos de riesgo en esas implementaciones iniciales.

En el Hospital “Julieta Lanteri”, uno de los primeros efectores en incorporar la herramienta, el impacto fue inmediato. “Retinar nos permitió recuperar el `gold standard` en el abordaje de una patología prevalente como la diabetes”, sostiene Martina Iparraguirre, directora de la institución. 

“Las guías de práctica clínica indican que todas las personas con diabetes deben realizar un control de salud visual, pero las dificultades de acceso habían generado una brecha entre lo deseable y lo posible. Retinar nos permitió volver a garantizar ese estándar de atención”, explica la Directora.

La implementación, también produjo cambios en la organización del sistema de salud, ya que al aumentar la cantidad de pacientes evaluados, el hospital fortaleció su red de derivación hacia los servicios de mayor complejidad y comenzó a generar nuevas líneas de investigación clínica a partir de los datos obtenidos durante las evaluaciones.

“Cuando recuperás un estándar de calidad que pensabas perdido, de manera inevitable, vas por más y así empezamos a preguntarnos qué otras investigaciones podíamos desarrollar a partir de nuestra práctica cotidiana, porque Retinar, tuvo un efecto de espiral positivo en todo el equipo”, detalla Iparraguirre sobre la incorporación de la plataforma en el Hospital.

Investigación, transferencia e impacto: en 2025, ese recorrido culminó en la constitución de Retinar S.A.S., una empresa de base tecnológica y spin-off de la UNCPBA, creada por investigadores del CONICET junto con especialistas clínicos. 

Lejos de representar un punto final, esta nueva etapa busca brindar sostenibilidad al desarrollo, facilitar su implementación en instituciones de salud y convertir los desafíos que surgen durante el uso cotidiano de la plataforma en nuevas preguntas de investigación y en la actualidad el equipo trabaja en nuevas líneas científicas vinculadas con modelos de inteligencia artificial capaces de asistir la elaboración de informes oftalmológicos, incorporar nuevas enfermedades y ampliar las capacidades diagnósticas de la plataforma. 

“Retinar nació para resolver un problema muy específico, pero el trabajo recién empieza, porque cada implementación nos permite identificar nuevas necesidades y eso se transforma en nuevas preguntas científicas” explica Orlando. 

“Nuestro objetivo es seguir desarrollando herramientas que fortalezcan el sistema de salud y amplíen el acceso a diagnósticos oportunos”, concluye Orlando. 

“Así, Retinar continúa el mismo camino con el que comenzó, el de utilizar el conocimiento generado en el sistema científico argentino para ofrecer respuestas concretas a problemas reales del servicio de salud” concluyó el líder de la investigación.

Nomyc-3-8-26