Retina4IRD y el salto desde benchmark a ensayo aleatorizado: IA como soporte clínico para enfermedades retinianas hereditarias

Retina4IRD es un sistema de soporte de decisión clínica basado en inteligencia artificial diseñado para predecir 17 categorías genéticas de enfermedades retinianas hereditarias a partir de fotografía de fondo de ojo, tomografía de coherencia óptica y datos multimodales. El modelo fue entrenado y validado con 1.843 pacientes genéticamente confirmados y 3.376 ojos procedentes de China, Corea del Sur y Polonia.

La etapa decisiva fue un ensayo aleatorizado con 300 participantes con sospecha de enfermedad retiniana hereditaria. En el análisis final de 295 personas con secuenciación disponible, la precisión top-5 fue 88,5% en especialistas asistidos por Retina4IRD frente a 67,3% en especialistas solos (P<0,001). La precisión top-1 fue 37,8% frente a 22,4%, y el puntaje compuesto de decisiones de manejo también favoreció al brazo asistido.

Muchos sistemas médicos de IA se validan de forma retrospectiva en bases de datos. Este trabajo avanza un paso: evalúa la herramienta dentro de un flujo clínico humano y compara aleatoriamente especialistas con y sin soporte. Esa diferencia importa porque una IA útil no es solo la que clasifica imágenes, sino la que mejora decisiones reales sin introducir nuevos riesgos.

El sistema se utiliza antes de la confirmación genética; por tanto, no sustituye secuenciación ni asesoramiento genético. Su función es priorizar hipótesis diagnósticas y apoyar la navegación de un espacio genético complejo.

Hecho confirmado: en el ensayo, la asistencia de Retina4IRD mejoró significativamente la precisión diagnóstica top-5 y varios desenlaces secundarios. Inferencia razonable: sistemas multimodales especializados pueden reducir parte de la dependencia de expertise escaso en enfermedades raras. Hipótesis todavía no demostrada: una herramienta de este tipo mejorará desenlaces visuales, reducirá tiempos diagnósticos o será costo-efectiva cuando se despliegue a gran escala.

La mejora de exactitud tampoco elimina la necesidad de supervisión. Un sistema que prioriza una categoría genética equivocada puede sesgar pruebas posteriores, por lo que deben conservarse mecanismos de revisión, auditoría y trazabilidad.

La validación multicéntrica y multinacional mejora credibilidad, pero no asegura desempeño idéntico en todos los fenotipos, ancestros, cámaras, protocolos de imagen o sistemas sanitarios. La rareza de algunas entidades puede generar intervalos de incertidumbre amplios aunque la métrica global sea favorable.

Para implementación institucional se necesitan monitorización posdespliegue, control de versiones, métricas por subgrupo, integración con secuenciación y reglas claras sobre responsabilidad profesional. La IA debe funcionar como capa de soporte, no como fuente autónoma de autoridad clínica.

Retina4IRD es relevante porque desplaza la discusión de “qué tan bien clasifica un modelo” a “qué ocurre cuando un clínico lo utiliza”. La evidencia aleatorizada sugiere un beneficio diagnóstico real, pero el estándar de adopción debe incluir seguridad, generalización y efectos sobre el proceso asistencial completo.