Se trata de una plataforma argentina de teleoftalmología para fortalecer la detección temprana de la retinopatía diabética.
La retinopatía diabética es la principal causa de pérdida visual prevenible e irreversible en personas adultas en edad productiva, y, a nivel mundial, afecta aproximadamente al 25 por ciento de las personas con diabetes.
Aunque puede avanzar durante años sin generar síntomas, un diagnóstico oportuno permite iniciar tratamientos capaces de evitar gran parte de las complicaciones.
Origen y nacimiento del desarrollo
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 un camino de investigación que dio lugar a Retinar, una plataforma argentina de teleoftalmología que utiliza inteligencia artificial para ampliar el acceso al control oftalmológico y optimizar el trabajo de los 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.
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 responder a una necesidad concreta del sistema sanitario argentino: 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.
Teleoftamología
“La teleoftalmología basada en retinografías no midriáticas surgió internacionalmente 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 remotamente”, refiere el investigador.
A medida que aumenta la cantidad de centros que capturan imágenes, crece el volumen de estudios que deben analizar los oftalmólogos, generando un cuello de botella que impide que las redes escalen y den una respuesta programática. 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.
. “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. Después sí, por supuesto, el reconocimiento automático de la patología es clave para priorizar informes”.
Para lograrlo, el equipo desarrolló modelos de inteligencia artificial capaces de verificar automáticamente 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.
Además, el equipo desarrolló estrategias de preprocesamiento para uniformar las imágenes y reducir las diferencias que podían afectar el rendimiento de los algoritmos.
Una herramienta para asistir, no para reemplazar
Actualmente, 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 rápida por parte del oftalmólogo.
La decisión clínica, sin embargo, continúa siempre en manos del especialista. Los oftalmólogos revisan las imágenes priorizadas, confirman o descartan los hallazgos y elaboran el informe correspondiente.
Este esquema, conocido como human-in-the-loop, 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 inteligencia artificial 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
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, consolidando 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, manteniendo 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.
La implementación también produjo cambios en la organización del sistema de salud. 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.
Investigación, transferencia e impacto
En 2025, se constituyó Retinar S.A.S., una empresa de base tecnológica y spin-off de la UNCPBA, creada por investigadores del CONICET junto con especialistas clínicos.
Actualmente, 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 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 sistema de salud.
