Investigadores desarrollaron un modelo de AI capaz de predecir la aparición de 306 enfermedades a partir de imágenes de retina, incluyendo condiciones sin relación directa conocida con el ojo.
La retina lleva décadas siendo estudiada como ventana al estado de los vasos sanguíneos y, por extensión, a la salud cardiovascular. Un estudio publicado en The Lancet Digital Health dio un paso más allá al desarrollar un modelo de artificial intelligence (AI) entrenado con imágenes del fondo del ojo que es capaz de predecir el riesgo de desarrollar más de 300 enfermedades distintas, muchas de ellas sin ninguna conexión previamente establecida con la vista. El trabajo, desarrollado por investigadores del Instituto de Salud de Berlín en la Charité y el University College London, constituye una de las primeras evaluaciones sistemáticas del potencial predictivo de la fotografía de retina a escala del fenoma humano completo.
El estudio analizó datos de 61 mil 256 participantes del UK Biobank, a quienes se les tomaron imágenes de retina entre 2009 y 2010, con un seguimiento medio de 11.4 años vinculado a registros hospitalarios y de mortalidad. Los investigadores adaptaron un modelo de fundación para imágenes retinales, denominado RETFound, previamente entrenado en más de 900 mil fotografías de fondo de ojo, para predecir simultáneamente el riesgo de aparición de 752 enfermedades. Los resultados se validaron externamente en una segunda cohorte independiente de 7 mil 248 personas del estudio EPIC-Norfolk Eye Study.
Los hallazgos muestran que para el 72% de los 752 diagnósticos evaluados, las personas ubicadas en el decil superior de riesgo según las imágenes de retina tuvieron más de tres veces más eventos que las del decil inferior. En específico, quienes presentaban mayor riesgo retinal para mortalidad por todas las causas tuvieron una tasa de eventos 17.7 veces superior a quienes estaban en el extremo opuesto. Para la enfermedad de Alzheimer, esa razón llegó a 80. También se observaron diferencias marcadas para diabetes, enfermedad renal crónica, cáncer de pulmón y enfermedad de Parkinson.
En total, las imágenes de retina mejoraron la capacidad predictiva, más allá de lo que ya aportan la edad y el sexo del paciente, en 306 de las 752 enfermedades analizadas, incluyendo 280 fuera del campo de la oftalmología. Entre los casos más llamativos figura la enfermedad pulmonar obstructiva crónica, la insuficiencia cardíaca, ciertos tumores torácicos y respiratorios, y trastornos mentales como la depresión mayor. La mejora también se extendió a la mortalidad por todas las causas. Las categorías donde el beneficio fue más consistente son las enfermedades metabólicas, con el 87% de los diagnósticos mostrando mejora, y las enfermedades de salud mental, con el 70%.
El análisis de las imágenes mediante técnicas de AI explicable reveló que la información predictiva proviene principalmente de los patrones de vascularización retinal, la mácula y la fóvea, pero también de rasgos menos intuitivos como la morfología del cristalino o el color del iris. Este último hallazgo fue corroborado mediante estudios de asociación genómica a escala del genoma completo, en los que los investigadores identificaron 1,385 asociaciones estadísticamente significativas entre variantes genéticas y los perfiles de riesgo derivados de las imágenes, distribuidas en 178 regiones del genoma. Entre los hallazgos genéticos más novedosos destaca una variante poco frecuente en el gen IMPA1, relacionada con una reducción del riesgo en 48 enfermedades distintas, con la asociación más fuerte observada para la anemia por deficiencia de hierro.
El estudio también establece con claridad los límites de este enfoque, ya que en el caso de las enfermedades cardiovasculares, las imágenes de retina no aportaron información predictiva adicional sobre los índices de riesgo clínico ya establecidos, como SCORE2, ASCVD o QRISK3. Los autores concluyen que la retina funciona en parte como un proxy de información demográfica y cardiometabólica que esos índices ya capturan, por lo que su utilidad para la prevención primaria de enfermedades del corazón en la población general es probablemente limitada. Asimismo, reconocen que la población del UK Biobank es más sana y menos vulnerable que la media de la población británica, lo que exigirá recalibración del modelo antes de cualquier uso clínico real.
La fotografía de fondo de ojo es un procedimiento no invasivo, rápido y de bajo costo que ya se realiza de manera rutinaria en consultas oftalmológicas. El trabajo plantea que ese examen, combinado con modelos de AI, podría integrarse en estrategias de cribado poblacional más amplias, permitiendo identificar personas en riesgo de múltiples enfermedades a partir de una única prueba existente. Los autores advierten, sin embargo, que antes de dar ese paso son necesarios estudios prospectivos, análisis de costo-efectividad y validaciones en poblaciones más diversas, incluyendo grupos de distintas ancestrías y contextos socioeconómicos, para confirmar que el beneficio clínico es real y que el modelo no amplifica desigualdades existentes en salud.
