La retinopatía diabética es la principal causa de pérdida visual prevenible e irreversible en personas adultas en edad productiva. A nivel mundial afecta aproximadamente al 25 % de quienes viven con diabetes. 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, también conocida como UNICEN) desarrolló 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 proyecto 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 incluye además al investigador Ignacio Larrabide y a los becarios doctorales Lucas Telesco y Franco Arellano, quienes trabajan 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, la iniciativa responde a una necesidad concreta del sistema sanitario argentino: facilitar la detección temprana de personas con riesgo de complicaciones visuales asociadas a la diabetes y fortalecer los programas de teleoftalmología.
“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. En sus primeras etapas puede evolucionar sin afectar la visión, por lo que muchas personas desconocen que presentan lesiones hasta que el deterioro resulta irreversible. Las guías clínicas recomiendan controles oftalmológicos periódicos para todas las personas con diabetes. Sin embargo, la concentración de especialistas en grandes centros urbanos, las dificultades para acceder a turnos, las distancias geográficas y la limitada capacidad de algunos servicios reducen la cobertura del tamizaje.
La teleoftalmología basada en retinografías no midriáticas surgió internacionalmente como estrategia para acercar el estudio a los pacientes. Estas imágenes no invasivas pueden ser capturadas por personal capacitado —no necesariamente oftalmólogos— en centros de atención primaria u hospitales generales y enviadas luego a especialistas para su evaluación remota.
Ese modelo, sin embargo, genera cuellos de botella: a medida que aumenta el volumen de estudios, los oftalmólogos se saturan. Además, una fotografía desenfocada o de baja calidad puede obligar a 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 Orlando. “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”.
Aunque Retinar tomó forma como proyecto entre 2019 y 2020, sus bases científicas se remontan a años anteriores. Durante su doctorado y colaboraciones internacionales en Francia, Bélgica y Austria, Orlando investigó el análisis automático de imágenes de retina: detección de lesiones de retinopatía diabética, segmentación de vasos sanguíneos, reconocimiento de glaucoma y algoritmos capaces de funcionar en distintos contextos clínicos.
El entrenamiento de los modelos de IA utilizó decenas de miles de imágenes de fondo de ojo evaluadas por oftalmólogos, provenientes de bases de datos públicas y locales, obtenidas con distintas cámaras, condiciones de iluminación y poblaciones. El equipo desarrolló estrategias de preprocesamiento para uniformar las imágenes y enfrentar el desafío de la “generalización de dominio”: que el sistema funcione con retinógrafos y condiciones muy diversas. “No queríamos construir un modelo que funcionara solamente con un retinógrafo específico”, señala Orlando.
Hoy Retinar permite que personal de salud capacitado capture retinografías en hospitales, centros de atención primaria o campañas sanitarias. Antes del envío al centro de lectura, la plataforma analiza automáticamente la calidad de las imágenes e incluye mecanismos de explicabilidad que guían al técnico sobre posibles mejoras. Luego clasifica los estudios según el riesgo de retinopatía diabética referible (que necesita evaluación prioritaria), lo que permite priorizar los casos. La decisión clínica permanece siempre en manos del especialista: el esquema “human-in-the-loop” combina el procesamiento de la inteligencia artificial con la experiencia profesional.
Según datos de la plataforma, reporta más del 95 % de sensibilidad para detectar casos de riesgo, es compatible con más de 40 modelos de retinógrafos y está autorizada por la ANMAT. También contempla la detección oportunista de signos compatibles con glaucoma.
DEL LABORATORIO AL SISTEMA DE SALUD
La plataforma ya 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 (Florencio Varela) y el Hospital José Irurzun de Necochea. Solo en Tandil se evaluaron 269 pacientes, de los cuales el 25,7 % presentó signos compatibles con retinopatía diabética referible. En los otros nodos acompañó la evaluación de 77 pacientes en El Cruce y 46 en Irurzun, manteniendo una sensibilidad del 100 % para la detección de casos de riesgo en esas implementaciones iniciales.
En el Hospital Julieta Lanteri 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”.
En 2025 el 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. La nueva etapa busca brindar sostenibilidad al desarrollo, facilitar su implementación y convertir los desafíos del uso cotidiano en nuevas preguntas de investigación. El equipo trabaja en modelos de inteligencia artificial capaces de asistir la elaboración de informes oftalmológicos, incorporar nuevas enfermedades y ampliar las capacidades diagnósticas.
“Retinar nació para resolver un problema muy específico, pero el trabajo recién empieza. Cada implementación nos permite identificar nuevas necesidades y eso se transforma en nuevas preguntas científicas. Nuestro objetivo es seguir desarrollando herramientas que fortalezcan el sistema de salud y amplíen el acceso a diagnósticos oportunos”, concluye Orlando.
