La detección oportuna de enfermedades relacionadas con los ojos es crítica para preservar la visión y prevenir la pérdida visual permanente. Con la creciente disponibilidad de imágenes oftálmicas, la inteligencia artificial ha surgido como una herramienta efectiva para permitir la detección rápida y automatizada de enfermedades. Este estudio propone un marco impulsado por inteligencia artificial en tiempo real para la detección de enfermedades oculares basado en técnicas de aprendizaje profundo. El sistema emplea redes neuronales convolucionales (CNN) para procesar imágenes del fondo de ojo y tomografías de coherencia óptica (OCT) con el fin de identificar condiciones oculares prevalentes como la retinopatía diabética, el glaucoma y la degeneración macular relacionada con la edad. Para apoyar el funcionamiento en tiempo real, la arquitectura del modelo está optimizada para tener una complejidad computacional baja y una inferencia rápida sin comprometer la precisión diagnóstica. El sistema propuesto asiste a los oftalmólogos proporcionando comentarios diagnósticos instantáneos, reduciendo el tiempo de examen manual y apoyando la toma de decisiones clínicas tempranas. La evaluación experimental demuestra que el modelo logra una alta precisión de detección junto con un retraso de procesamiento mínimo, lo que lo hace adecuado para su implementación en tiempo real en entornos clínicos, plataformas de telemedicina y programas de detección masiva ocular. Los resultados destacan el potencial de soluciones basadas en IA para mejorar la accesibilidad, eficiencia y fiabilidad en el diagnóstico oftálmico moderno.
Devi et al. (Jue,) estudiaron esta cuestión.