Cuando la inteligencia artificial cuida tus ojos: diagnóstico temprano de la retinopatía diabética

Valeria Maeda-Gutiérrez; Carlos E. Galván-Tejada; Hazael Guerrero-Flores

doi:10.32870/ce.vi10.421

Ciencia en Breve

Núm. 10 (2026): Con Evidencia

Cuando la inteligencia artificial cuida tus ojos: diagnóstico temprano de la retinopatía diabética

Valeria Maeda-Gutiérrez^▸^▾
Carlos E. Galván-Tejada^▸^▾
Hazael Guerrero-Flores^▸^▾

PDF
HTML

DOI: https://doi.org/10.32870/ce.vi10.421
Enviado: 16 septiembre 2025
Publicado: 01-04-2026

Resumen

La retinopatía diabética es una de las complicaciones más frecuentes de la diabetes y puede causar pérdida de visión o ceguera si no se detecta a tiempo. Hoy en día, la inteligencia artificial se ha convertido en una aliada para los profesionales de la salud, ya que analiza fotografías de fondo de ojo y detecta señales tempranas de daño que, a simple vista, podrían pasar inadvertidas. Este artículo explica cómo diversas tecnologías de la inteligencia artificial permiten establecer diagnósticos más rápidos, reproducibles y precisos.

Citas

International Diabetes Federation. Diabetes Facts and Figures. International Diabetes Federation; 2021.
Ting DSW, Cheung CYL, Lim G, Tan GSW, Quang ND, Gan A, et al. Development and validation of a deep learning system for diabetic retinopathy and related eye diseases using retinal images from multiethnic populations with diabetes. JAMA. 2017;318(22):2211-23.
Molnar C. Interpretable machine learning. Lulu; 2020.
Acosta-Jiménez S, Maeda-Gutiérrez V, Galván- Tejada CE, Mendoza-Mendoza MM, Reveles- Gómez LC, Celaya-Padilla JM, et al. Assessing ResNeXt and RegNet Models for Diabetic Retinopathy Classification: A Comprehensive Comparative Study. Diagnostics. 2025;15(15):1966.
Karthik M, Dane S. APTOS 2019 blindness detection [Internet]. 2019. Disponible en: https://www. kaggle.com/competitions/aptos2019-blindness- detection
Xie S, Girshick R, Dollar P, Tu Z, He K. Aggregated residual transformations for deep neural networks. En: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR); 2017, p. 1492-1500.
Radosavovic I, Kosaraju RP, Girshick R, He K, Dollar P. Designing network design spaces. En: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR); 2020, p. 10428-10436.

Palabras clave

Retinopatía diabética
Diabetes
Aprendizaje profundo
Modelos computacionales

Cómo citar

Maeda-Gutiérrez, V., Galván-Tejada, C. E., & Guerrero-Flores, H. (2026). Cuando la inteligencia artificial cuida tus ojos: diagnóstico temprano de la retinopatía diabética. Con Evidencia, (10), 10–14. https://doi.org/10.32870/ce.vi10.421

Derechos de autor 2026 Con Evidencia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Artículos similares

Arantxa Ortiz-Hernández, Aarón González-Palacios, Roxana Michel Márquez-Herrera, Diabetes tipo 2 y salud mental en equilibrio , Con Evidencia: Núm. 10 (2026): Con Evidencia
Juan Manuel Ascencio Reyes, Lizbeth Zendejas Aguirre, Juan Eduardo González Aboytes, Tradición contra realidad: mitos y verdades en el manejo inicial de quemaduras , Con Evidencia: Núm. 8 (2025): Con Evidencia
Jimena Torres Flores, 14 de noviembre: Día Mundial de la Diabetes , Con Evidencia: Núm. 8 (2025): Con Evidencia
Lesly Jazmin Bueno-Urquiza, Marcela Guadalupe Martínez-Barajas , Ana Laura Pereira-Suárez, Microbiota: nuestros pequeños compañeros en la salud y en el desarrollo de enfermedades crónico-degenerativas , Con Evidencia: Núm. 6 (2025): Con Evidencia
José Esteban Hernández de León, Soluciones innovadoras: el rol fundamental de la bioingeniería en la salud , Con Evidencia: Núm. 6 (2025): Con Evidencia
Angélica Sofía González-Garibay, Ana Alondra Sobrevilla Navarro, Todo por mi salud, conociendo mi sangre, aunque no sienta dolor , Con Evidencia: Núm. 7 (2025): Con Evidencia
Erika Noemí Tapia Oros, Eric Arturo Hernández García, Sergio Alejandro Copado Aguila, “Piensa, trabaja y nútrete”… Recomendaciones nutricionales generales para la población mexicana , Con Evidencia: Núm. 8 (2025): Con Evidencia
Pedro Orlando Rolón-Pérez, Angélica Araceli Ramírez-Guerrero, Christian González-Villaseñor, El ejercicio: un superhéroe para tu cerebro , Con Evidencia: Núm. 10 (2026): Con Evidencia
Diana Jazmin Reyes Pérez, Guillermina Muñoz Ríos, Juliana Marisol Godínez Rubí, Tus dientes, tu historia: la importancia del registro odontológico en la identificación humana , Con Evidencia: Núm. 10 (2026): Con Evidencia
Guadalupe Irma Catalina Soto Luna, Belinda Vargas Guerrero, Actividad física y ejercicio: beneficios más allá de lo estético , Con Evidencia: Núm. 1 (2024): Con Evidencia

1 2 3 4 5 6 7 > >>

También puede {advancedSearchLink} para este artículo.

[1] International Diabetes Federation. Diabetes Facts and Figures. International Diabetes Federation; 2021.

[2] Ting DSW, Cheung CYL, Lim G, Tan GSW, Quang ND, Gan A, et al. Development and validation of a deep learning system for diabetic retinopathy and related eye diseases using retinal images from multiethnic populations with diabetes. JAMA. 2017;318(22):2211-23.

[3] Molnar C. Interpretable machine learning. Lulu; 2020.

[4] Acosta-Jiménez S, Maeda-Gutiérrez V, Galván- Tejada CE, Mendoza-Mendoza MM, Reveles- Gómez LC, Celaya-Padilla JM, et al. Assessing ResNeXt and RegNet Models for Diabetic Retinopathy Classification: A Comprehensive Comparative Study. Diagnostics. 2025;15(15):1966.

[5] Karthik M, Dane S. APTOS 2019 blindness detection [Internet]. 2019. Disponible en: https://www. kaggle.com/competitions/aptos2019-blindness- detection

[6] Xie S, Girshick R, Dollar P, Tu Z, He K. Aggregated residual transformations for deep neural networks. En: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR); 2017, p. 1492-1500.

[7] Radosavovic I, Kosaraju RP, Girshick R, He K, Dollar P. Designing network design spaces. En: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR); 2020, p. 10428-10436.