Entre la luz y la sombra: el riesgo moral de entregar la visión a la inteligencia artificial

Las enfermedades oftalmológicas representan un desafío creciente en México. La retinopatía diabética (RD) sigue siendo la principal causa de ceguera prevenible en adultos, impulsada por la alta prevalencia de diabetes mellitus [1]. A ello se suman el glaucoma, la degeneración macular relacionada con la edad (DMRE) y los errores refractivos no corregidos, que afectan especialmente a poblaciones con acceso limitado a especialistas [2]. Frente a esta carga epidemiológica, la inteligencia artificial (IA) ha surgido como una herramienta capaz de transformar el diagnóstico temprano y la atención oftalmológica.

En México, se estima que entre 5 % y 8 % de los tamizajes de RD ya emplean IA, especialmente en instituciones que buscan ampliar la cobertura diagnóstica en atención primaria [3]. Entre las herramientas utilizadas destaca Google/Verily ARDA, validada en centros públicos y privados, que emplea modelos de deep learning con alta sensibilidad, aunque depende de imágenes de buena calidad y conectividad estable [4]. También se ha implementado RetinaRisk México, que combina algoritmos predictivos con datos clínicos nacionales y su fortaleza es la personalización del riesgo, pero su precisión disminuye cuando la información clínica es incompleta [5]. Por último, algunos hospitales han adoptado IDx-DR, un sistema autónomo aprobado por la FDA y probado en entornos mexicanos, el cual ofrece estandarización diagnóstica, aunque su costo limita su adopción en zonas rurales [6].

Estas experiencias muestran las ventajas de la IA: rapidez en el análisis de imágenes, estandarización diagnóstica, reducción de la variabilidad interobservador y posibilidad de implementar tamizajes masivos en comunidades con escasez de especialistas [7]; misma que puede operar sin fatiga, generar alertas tempranas y facilitar la referencia oportuna, incluso mediante dispositivos portátiles que permiten llegar a poblaciones marginadas [8].

Nos obstante, también se revelan desventajas y riesgos. La precisión depende de la calidad de las imágenes y de la representatividad de los datos de entrenamiento. Muchos algoritmos fueron desarrollados con bases de datos extranjeras, lo que puede generar sesgos diagnósticos en poblaciones mexicanas con características epidemiológicas distintas [9]. La opacidad de los modelos dificulta la trazabilidad de errores y la asignación de responsabilidades clínicas; además, la inequidad en el acceso a estas tecnologías amenaza con ampliar brechas ya existentes [10].

Los riesgos no son hipotéticos. En Reino Unido, un piloto de tamizaje automatizado para RD fue suspendido tras clasificar como “no urgentes” casos con lesiones avanzadas, retrasando atención y poniendo en riesgo la visión de pacientes [11]. Y, en Chile, un programa municipal que utilizó IA para priorizar consultas oftalmológicas detectó falsos negativos en pacientes diabéticos, lo que llevó a retrasos significativos en su atención. El problema surgió cuando el algoritmo operó sin revisión médica sistemática, evidenciando que la automatización sin supervisión puede convertirse en una amenaza silenciosa para la salud visual. Ambos casos muestran, además, que cuando la IA falla el costo lo paga el paciente [13]. 

Frente al avance acelerado de la IA en la oftalmología mexicana, ya no bastan recomendaciones tibias. Estamos ante un punto de inflexión: o construimos un marco ético y operativo sólido, o permitimos que la tecnología avance sin control, arrastrando consigo la seguridad y la dignidad de millones de ciudadanos.