Panorama tecnológico de la inteligencia artificial para el diagnóstico oftalmológico: una revisión de alcance y estudio de vigilancia tecnológica

Resumen

Introducción: La Inteligencia Artificial (IA) se ha consolidado como un elemento clave en el diagnóstico oftalmológico, al ofrecer capacidades avanzadas para la detección de enfermedades, el análisis de imágenes médicas y el apoyo a la toma de decisiones clínicas. Su aplicación es especialmente relevante en enfermedades como la retinopatía diabética y el glaucoma. Sin embargo, el rápido crecimiento de la literatura científica, las patentes y las herramientas comerciales dificulta la comprensión clara del panorama tecnológico actual.
Objetivo: Mapear los desarrollos tecnológicos existentes en el diagnóstico oftalmológico basado en IA mediante una Revisión de Alcance complementada con un ejercicio de Vigilancia Tecnológica, con el fin de identificar tendencias, niveles de madurez y oportunidades de innovación.
Método: El estudio siguió el marco metodológico de Arksey y O’Malley y las directrices PRISMA-ScR. Se recopiló y analizó evidencia proveniente de bases de datos científicas, registros de patentes, catálogos de productos comerciales y repositorios de software. Además, se evaluó la madurez de las soluciones identificadas mediante los Niveles de Madurez Tecnológica, o Technology Readiness Levels (TRL), una escala de 1 a 9 desarrollada por la NASA para medir el estado de desarrollo de una tecnología, desde la investigación básica hasta su despliegue operativo.
Resultados: Los hallazgos identificaron el aprendizaje profundo y las redes neuronales convolucionales (CNN) como las principales tendencias tecnológicas en el diagnóstico oftalmológico basado en IA. Asimismo, los resultados evidenciaron una transición desde algoritmos teóricos hacia productos comercialmente validados y con respaldo regulatorio, como IDx-DR y EyeArt. No obstante, persisten brechas importantes relacionadas con la accesibilidad, la diversidad de los conjuntos de datos, la integración regulatoria y la asequibilidad de los dispositivos, especialmente en economías emergentes.
Conclusiones: Las tecnologías de diagnóstico oftalmológico basadas en IA avanzan hacia soluciones validadas y disponibles comercialmente. Sin embargo, las barreras económicas y contextuales continúan limitando su adopción en regiones como América Latina. El estudio destaca oportunidades estratégicas de innovación, especialmente en el desarrollo de herramientas diagnósticas portátiles, de bajo costo y adaptadas a contextos con recursos limitados.