Un equipo de investigadores del Hospital Universitario de Canarias y la Universidad de La Laguna ha logrado un avance médico extraordinario: un sistema de inteligencia artificial que identifica el glaucoma con una precisión del 91%. Esta enfermedad, principal causa de ceguera irreversible en el mundo, suele progresar de forma silenciosa, robando la visión periférica sin que el paciente se percate hasta que el daño es significativo. El nuevo algoritmo, entrenado con miles de imágenes de fondo de ojo, promete convertirse en una herramienta de cribado masivo, rápida y accesible, capaz de salvar la vista de millones de personas.
La clave de este desarrollo reside en su capacidad para analizar patrones en la retina que escapan incluso al ojo humano experto. El sistema no solo detecta la enfermedad, sino que también evalúa su severidad, ofreciendo a los oftalmólogos un valioso «segundo par de ojos» digital para priorizar casos urgentes y tomar decisiones más informadas. En un contexto donde el envejecimiento de la población incrementa la prevalencia del glaucoma, esta tecnología llega como un rayo de esperanza, demostrando una vez más cómo la IA puede trascender el ámbito teórico para impactar directamente en la calidad de vida de las personas.
##El reto del glaucoma: una epidemia silenciosa
El glaucoma no es una sola enfermedad, sino un grupo de trastornos que dañan el nervio óptico, el cable que transmite las imágenes desde el ojo hasta el cerebro. Este daño está frecuentemente asociado a un aumento de la presión intraocular, que va estrangulando las fibras nerviosas de forma progresiva. Lo más traicionero es su naturaleza asintomática en las primeras etapas. A diferencia de otros problemas oculares, el glaucoma no duele y la pérdida de visión comienza por los lados, un área que el cerebro compensa con notable habilidad. Para cuando el paciente nota que su campo visual se ha reducido como si mirara a través de un tubo, el daño neurológico ya es irreversible.
El diagnóstico tradicional depende de una batería de pruebas: la medición de la presión ocular, la evaluación del campo visual y el examen del nervio óptico. Este proceso requiere tiempo, equipos especializados y la pericia de un oftalmólogo. En muchas regiones, el acceso a estos especialistas es limitado, lo que retrasa los diagnósticos y permite que la enfermedad avance sin control. La nueva IA desarrollada en Canarias aborda este cuello de botella, ofreciendo un análisis preliminar objetivo y escalable que puede realizarse en centros de salud primaria, farmacias o incluso en campañas de salud pública, derivando solo los casos sospechosos a los especialistas.
###Cómo funciona el algoritmo: enseñando a una máquina a ver lo invisible
El corazón del sistema es un algoritmo de **aprendizaje profundo** (deep learning), una rama de la IA que imita la forma en que el cerebro humano procesa información. Los investigadores «alimentaron» al algoritmo con una base de datos de más de 10,000 retinografías (fotografías digitales de la retina) anonimizadas. Cada imagen estaba etiquetada por expertos, indicando si presentaba glaucoma y en qué grado. Al analizar esta ingente cantidad de datos, la IA aprendió por sí misma a identificar los sutiles patrones asociados al daño glaucomatoso: cambios en la excavación del nervio óptico, alteraciones en los vasos sanguíneos peripapilares y otras señales que para un humano son extremadamente difíciles de cuantificar de forma consistente.
El proceso es fascinante. La IA no «ve» la imagen como nosotros. En su lugar, la descompone en miles de características matemáticas (bordes, texturas, contrastes) y establece correlaciones estadísticas entre estas características y la presencia de la enfermedad. Con cada nueva imagen analizada durante su entrenamiento, el modelo ajusta sus parámetros internos, afinando su capacidad de predicción. El resultado final es un modelo que, ante una nueva retinografía, puede generar en segundos una probabilidad de glaucoma, acompañada de un mapa térmico que resalta las áreas de la retina que más influyeron en su decisión, aportando transparencia al diagnóstico.
