IA en oftalmología: el tamizaje de retinopatía diabética lidera con 87.2% de sensibilidad; evidencia latinoamericana solo de México

Zenodo 2026 · 1 min de lectura
Sensibilidad · retinopatía diabética más que leve
87.2%
Ensayo pivotal de un sistema autorizado por la FDA (De Novo), con 90.7% de especificidad; no se traslada a otras herramientas ni a América Latina
Pacientes en una evaluación de tercer nivel en México
435
La IA junto con residentes de primer año aumentó la sensibilidad para sospecha de glaucoma y enfermedad retiniana
Fuentes en el corpus narrativo
25
Fecha de corte de la búsqueda: 14 de junio de 2026

Whitepaper de Arkangel AI: una revisión de 25 fuentes ubica la retinopatía diabética como el uso más sólido; la evidencia regional son dos estudios mexicanos.

Este whitepaper de Arkangel AI revisa qué puede hacer hoy la IA de apoyo en oftalmología basada en imágenes, qué no puede prometer todavía y qué se necesitaría para usarla de forma responsable en América Latina. Es una síntesis narrativa de 25 fuentes, obtenidas con búsquedas dirigidas en PubMed/MEDLINE, Crossref, la OMS y la FDA con fecha de corte del 14 de junio de 2026, más cuatro búsquedas focalizadas en Europe PMC para identificar evidencia regional. La evidencia se organiza por tarea (tamizaje de retinopatía diabética, retina y OCT, glaucoma, remisión y gobernanza) y en cinco etapas de madurez, desde la discriminación retrospectiva hasta la implementación rutinaria.

La evidencia más madura corresponde al tamizaje de retinopatía diabética: un sistema con autorización De Novo de la FDA reportó en su ensayo pivotal 87.2% de sensibilidad y 90.7% de especificidad para retinopatía diabética más que leve, cifras que según los autores no se trasladan a otras herramientas ni a contextos latinoamericanos. En glaucoma, un metaanálisis con SD-OCT reportó una sensibilidad agrupada de 0.91 y una especificidad de 0.90, con heterogeneidad importante. La evidencia regional directa se limitó a dos evaluaciones mexicanas, un experimento aleatorizado de lectura con 17 oftalmólogos y un estudio de tercer nivel con 435 pacientes, y ninguna midió desenlaces clínicos ni implementación rutinaria. Los autores recomiendan usar la IA para tamizaje, apoyo a la lectura, priorización y remisión dentro de rutas de atención gobernadas, con validación local antes de cualquier evaluación prospectiva silenciosa. El documento es un whitepaper, no revisado por pares ni una revisión sistemática; todos los autores están vinculados a Arkangel AI y la evidencia citada no evalúa productos de Arkangel.

Resultados de un vistazo

Las cifras principales del paper, en lenguaje sencillo.

MétricaValorQué significa
Sensibilidad · retinopatía diabética más que leve87.2%Ensayo pivotal de un sistema autorizado por la FDA (De Novo), con 90.7% de especificidad; no se traslada a otras herramientas ni a América Latina
Pacientes en una evaluación de tercer nivel en México435La IA junto con residentes de primer año aumentó la sensibilidad para sospecha de glaucoma y enfermedad retiniana
Fuentes en el corpus narrativo25Fecha de corte de la búsqueda: 14 de junio de 2026

Cómo citar

Katherine Monsalve, Natalia Castaño-Villegas, Jose Zea, Laura Velásquez. Supportive AI in Image-Based Ophthalmology Evidence, Limitations, and Governance for Latin America. Zenodo. 2026. https://doi.org/10.5281/zenodo.23027056

@article{monsalve2026supportive,
  title     = {{Supportive AI in Image-Based Ophthalmology Evidence, Limitations, and Governance for Latin America}},
  author    = {Katherine Monsalve and Natalia Castaño-Villegas and Jose Zea and Laura Velásquez},
  journal   = {Zenodo},
  year      = {2026},
  doi       = {10.5281/zenodo.23027056},
  url       = {https://doi.org/10.5281/zenodo.23027056}
}

Más investigación de Arkangel AI

Toda la investigación →

Para hospitales y aseguradoras

Valida estos resultados en tu institución

Probamos el modelo con tus propias historias clínicas y tu equipo, bajo tus reglas de privacidad y gobierno de datos.

Iniciar una colaboración
Leer paperCitar