Un modelo de inteligencia artificial desarrollado por investigadores de Londres puede, a partir de los primeros escáneres oculares, identificar a un grupo de pacientes con queratocono que requieren tratamiento preventivo y a otro que puede seguirse con vigilancia. Esta herramienta podría reducir las demoras actuales en la atención y evitar pérdida visual irreversible.
El queratocono es una enfermedad ocular que suele comenzar en la adolescencia o en la juventud y que provoca la deformación progresiva de la córnea, con pérdida de calidad visual en los afectados. En muchas fases iniciales los síntomas son discretos, y algunos pacientes no perciben alteraciones hasta que el daño ya es importante.
En el trabajo presentado recientemente en un congreso europeo, los autores muestran resultados que —si se validan en más centros y con distintos equipos— podrían cambiar la manera de priorizar a los pacientes en las consultas de oftalmología.
Una amenaza silenciosa
El queratocono provoca que la córnea deje su forma redondeada y adopte una protuberancia cónica; esto deriva en visión borrosa, sensibilidad a la luz y, en casos avanzados, pérdida visual que puede requerir intervenciones más profundas. En algunos pacientes las lentes de contacto pueden gestionar la visión, pero en otros la enfermedad progresa y, si no se trata, puede llegar a necesitar un trasplante de córnea.
Según los investigadores, la condición afecta hasta a una de cada 350 personas y suele manifestarse en adolescentes y adultos jóvenes, lo que convierte la detección temprana en un objetivo clave para preservar la capacidad laboral y la calidad de vida.
En la práctica clínica, la dificultad ha sido siempre identificar con antelación qué ojos progresarán y cuáles permanecerán estables. Por ello muchos pacientes se someten a controles periódicos durante años hasta que se observa un empeoramiento clínico claro.
El papel de la inteligencia artificial
Los autores, del Moorfields Eye Hospital y University College London (UCL), entrenaron un algoritmo con una gran base de datos de tomografías de coherencia óptica (OCT) y datos clínicos. En total analizaron 36 673 exploraciones procedentes de 6684 pacientes, recogidas en unidades de seguimiento. A partir de esas imágenes, el sistema aprendió a reconocer patrones asociados a mayor riesgo de progresión.
De acuerdo con un informe difundido a través de EurekAlert y presentado en el Congreso de la ESCRS, con los datos de la primera visita el algoritmo fue capaz de clasificar a los pacientes en grupos de bajo y alto riesgo: aproximadamente dos tercios resultaron categorizados como de bajo riesgo —y, por tanto, potencialmente exentos de seguimiento intensivo— y el tercio restante como de alto riesgo, recomendándoles atención precoz.
Los investigadores indican además que al incorporar la información de una segunda visita, la capacidad de clasificación mejoró: “al incluir datos de una segunda consulta, el algoritmo pudo categorizar correctamente hasta en un 90 % de los pacientes”, según los autores del trabajo. Este porcentaje corresponde al rendimiento cuando se añade la segunda visita al análisis.
Tratamiento preventivo accesible
El tratamiento preventivo al que se refieren los autores es el denominado cross-linking corneal, que combina la administración de riboflavina (vitamina B2) y la exposición a luz ultravioleta para reforzar las fibras de colágeno de la córnea y frenar su deformación.
El comunicado de prensa señala que este procedimiento detiene la progresión en la gran mayoría de los casos y que, cuando se aplica de forma temprana, reduce notablemente la necesidad de trasplantes corneales. Según los investigadores, la técnica es efectiva en más del 95 % de los casos descritos en la serie analizada.
Impacto para pacientes y sistemas sanitarios
Para los pacientes, una herramienta que identifique tempranamente a los de alto riesgo implicaría acceso más rápido al cross-linking y menor probabilidad de acabar en tratamientos más invasivos. Para los servicios de salud permitiría priorizar recursos y reducir la carga de controles en los pacientes que no lo necesitan.
Los autores subrayan que el algoritmo puede facilitar la redistribución de especialistas hacia los casos que lo requieren con mayor urgencia, optimizando listas de espera y tiempo clínico.
Precauciones y limitaciones
Los investigadores advierten de limitaciones importantes: el estudio se realizó con imágenes procedentes de un único tipo de dispositivo OCT utilizado en su centro, y, por tanto, los resultados requieren validación con equipos distintos y en otras poblaciones antes de considerar su implementación clínica generalizada.
También remarcan la necesidad de ensayos de seguridad y de evaluación regulatoria del algoritmo antes de incorporarlo a la práctica diaria, tal y como señalan los autores en su presentación.
Próximos pasos en la investigación
El equipo trabaja ahora en versiones más potentes del algoritmo, entrenadas con millones de escaneos oculares, con el objetivo de mejorar la generalizabilidad del sistema y ampliar su uso a otras patologías oculares además del queratocono.
Los especialistas consultados en el congreso coincidieron en que, si se confirman estos hallazgos en estudios multicéntricos, la IA podría convertirse en una ayuda importante para reducir la ceguera evitable por queratocono en pacientes jóvenes.
“En personas con queratocono, la córnea —la ventana frontal del ojo— se abulta hacia afuera. El queratocono causa discapacidad visual en pacientes jóvenes en edad de trabajar y es la razón más común para el trasplante de córnea en el mundo occidental”, explicó el autor principal del estudio.
“Nuestra investigación muestra que podemos usar la IA para predecir qué pacientes necesitan tratamiento y cuáles pueden continuar con vigilancia”, añadieron los investigadores durante la presentación en el congreso.
El trabajo fue presentado en el 43º Congreso de la European Society of Cataract and Refractive Surgeons (ESCRS) y difundido a través de un comunicado en EurekAlert.
Sin comentarios