Predicción de progresión glaucomatosa mediante inteligencia artificial usando OCT y campo visual
DOI:
https://doi.org/10.55204/trc.v6i1.e678Palabras clave:
Diabetes; Diagnóstico Precoz; Glaucoma; Inteligencia Artificial.Resumen
El glaucoma es una entidad que incluye un conjunto de enfermedades que difieren en sus causas, factores de riesgo, duración, tratamiento y pronóstico.Describir los fundamentos de la tecnología utilizada en la detección precoz del glaucoma, contribuyendo así a un manejo más efectivo y personalizado de esta enfermedad ocular.Se realizó una búsqueda electrónica de publicaciones y revisiones sistemáticas de la literatura durante el mes de junio del año 2026, en las bases de datos electrónicas Pubmed, Medline y SciELO, utilizando el buscador Google Académico, con los descriptores: "Diabetes", "OCT", "Glaucoma", de las cuales se utilizaron 28 citas en idioma inglés, español y portugués.El diagnóstico y seguimiento del glaucoma han evolucionado hacia la medicina de precisión mediante la integración de la Tomografía de Coherencia Óptica y la perimetría computarizada. Mientras que la OCT aporta datos anatómicos sobre el nervio óptico, el campo visual evalúa la pérdida de sensibilidad funcional. Actualmente, la Inteligencia Artificial y el aprendizaje profundo permiten fusionar ambas modalidades, mejorando la detección precoz y la predicción de progresión, aunque enfrentan desafíos éticos, sesgos algorítmicos y requerimientos de validación clínica.Se concluye que existe un avance significativo en la integración de tecnologías innovadoras en el diagnóstico y manejo del glaucoma. Los estudios analizados demuestran que los modelos de aprendizaje automático pueden identificar patrones sutiles en los datos de OCT y en los resultados del campo visual, lo que permite predecir la progresión de la enfermedad con una precisión superior a la de los métodos tradicionales.
Descargas
Referencias
Anguiano Almejo, J. (2023). Modelo de inteligencia artificial para clasificación y segmentación de atrofia peripapilar Alfa y Beta en imágenes de fondo de ojo. Trabajo de Maestria en Ciencias en Inteligencia Artificial, Universidad Autónoma de Querétaro, 115 p. https://ri-ng.uaq.mx/bitstream/123456789/9855/1/IGMAC-309239.pdf
Becchetti, M. F. (2023). Inteligencia artificial en glaucoma:¿ dónde estamos y hacia dónde vamos?. Revista Sociedad Colombiana de Oftalmología, 56(3), 116-122. https://dialnet.unirioja.es/descarga/articulo/9288536.pdf
Berruz Alvarado, S. J., Alvarado Álvarez, A. M., Pérez Muñoz, S. T. (2026). Beneficios del uso de la tomografía de coherencia óptica (OCT) transoperatoria en tiempo real. Polo del Conocimiento, 11(5), 2461-2478. https://www.polodelconocimiento.com/ojs/index.php/es/article/view/11763/pdf
Caamaño Diaz, D. N. (2022). Análisis crítico de los sistemas de inteligencia artificial entrenados para el diagnóstico de glaucoma. Trabajo de Fin de Maestría En Subespecialidades Oftalmológicas Glaucoma, 33 p. https://uvadoc.uva.es/bitstream/handle/10324/58493/TFM-M618.pdf?sequence=1&isAllowed=y
Castro Buitrago, J. (2023). Función visual como marcador clínico del glaucoma. Trabajo de Maestría en Ciencias Básicas Biomédicas, 70 p. https://ciencia.lasalle.edu.co/server/api/core/bitstreams/d42c3214-a9d5-4f2b-8c78-df63dc491072/content
Cavanela, C. R., López-Alegría, F. (2023). Retinografía y la tomografía de coherencia óptica para el diagnóstico del glaucoma mediante la evaluación de la sensibilidad y especificidad: revisión sistemática. Revista Mexicana de Oftalmología, 97(3), 83. https://scholar.archive.org/work/ybzmjfrfmbcb3g3pq4xbwl5qnu/access/wayback/https://www.rmo.com.mx/doi/pdf/10.5005/rmo-11013-0040
Chaves Filho, C. D. C., Byk, J., de lima Ferreira, L. C. (2024). Desafíos bioéticos para el uso de la inteligencia artificial en oftalmología. Revista Bioética, 32, e3727PT. https://www.scielo.br/j/bioet/a/d4L8tT3pQ5c9DK8wzWHNN7B/?lang=es
Chávez Gutiérrez, R. D., Chávez Díaz, R. M. (2024). Orientación diagnóstica en el glaucoma. Neuropatías ópticas de la A a la Z, 183. https://books.google.com.cu/books?hl=es&lr=&id=nh7yEAAAQBAJ&oi=fnd&pg=PA183&dq=Campo+visual+diagnostico+de+glaucoma&ots=MUZf6kg_1M&sig=VIzM9pHDA1ijJ_Rh-cYXIK9fTGc&redir_esc=y#v=onepage&q=Campo%20visual%20diagnostico%20de%20glaucoma&f=false
de Lima, M. C., Bosso de Freitas, G. (2025). Diagnóstico e popularização do conhecimento sobre glaucoma. XI Congreso Nacional de Educação. https://www.editorarealize.com.br/editora/anais/conedu/2025/TRABALHO_COMPLETO_EV214_ID3417_TB4375_30102025233611.pdf
Escobar Sánchez, C. (2025). Utilización de la Inteligencia Artificial para el diagnóstico y tratamiento de enfermedades neurodegenerativas. Trabajo de Fin de Grado de carácter bibliográfico, Universidad de Sevilla, 40 p. https://idus.us.es/server/api/core/bitstreams/3f489a02-aa78-4fd5-949a-335dd09c7b16/content
Fernández Argones, L., Piloto Díaz, I., Ramón Macías, T., Delgado Quintan, L., & Enamorado Estrada, K. Y. (2023). Detección de glaucoma mediante tomografía de coherencia óptica. Revista Cubana de Oftalmología, 36(2). http://scielo.sld.cu/scielo.php?pid=S0864-21762023000200009&script=sci_arttext
García Jiménez, A. (2023). Análisis de la respuesta dinámica corneal como biomarcador de glaucoma. Tesis de Grado de Ingeniería Mecánica, 21 p. https://zaguan.unizar.es/record/146812/files/TAZ-TFG-2023-089.pdf
Guerrero Meza, N., Reyes Mauricio, E. S., Bastidas Jimbo, J. D. (2025). Efectividad de la inteligencia artificial en el diagnóstico médico por imágenes: Una revisión sistemática. Sapiens in Artificial Intelligence, 2(2), 1-10. https://sapiensjournal.ec/index.php/sai/article/view/221/242
Jayaram, H., Kolko, M., Friedman, D. S., & Gazzard, G. (2023). Glaucoma: now and beyond. The Lancet, 402(10414), 1788-1801. https://discovery.ucl.ac.uk/id/eprint/10181777/1/Gazzard_Lancet%20Seminar_161022%20%28SUBMITTED%20VERSION%29.pdf
Lan, C.-H., Chiu, T.-H., Yen, W.-T., Lu, D.-W. (2025). Artificial Intelligence in Glaucoma: Advances in Diagnosis, Progression Forecasting, and Surgical Outcome Prediction. Int J Mol Sci., 26(10):4473, https://www.mdpi.com/1422-0067/26/10/4473
Mannil, S.S., Agarwal, A., Conner, I.P., Kumar, R.S. (2023). A comprehensive update on the use of optical coherence tomography angiography in glaucoma. International Ophthalmology, 43(5):1785-1802, https://doi.org/10.1007/s10792-022-02574-1?urlappend=%3Futm_source%3Dresearchgate.net%26utm_medium%3Darticle
Matheu Fabrá, A. M. (2024). Estudio de parámetros de tomografía de coherencia óptica en el diagnóstico de neuropatía óptica glaucomatosa versus no glaucomatosa. Programa de Doctorado en Cirugía y Ciencias Morfológicas, 145 p. https://ddd.uab.cat/pub/tesis/2024/hdl_10803_691673/ammf1de1.pdf
Mora-Paez, D.J., Guedes, J., Amaral, D.C., Ferreira, M.A., Fernandes, B.F., Pereira, S.F., et al. (2025). Latin American Prevalence of Glaucoma: A Systematic Review and Meta-Analysis. Vision, 9(2):42. https://pubmed.ncbi.nlm.nih.gov/40407624/
Moreira-Rodríguez, J. R., Panchi-Rocha, D. M., Zambrano-Cabrera, D. L., Hidalgo-Zambrano, Ángel F., & Zambrano-Zambrano, J. (2026). Optimización de los procesos diagnósticos por imagen mediante la integración de algoritmos de inteligencia artificial. Revista Científica Zambos, 5(2), 301-310. https://revistaczambos.utelvtsd.edu.ec/index.php/home/article/view/192/419
Ortiz, G., Pineda, L. M, Vargas, L. C. (2021). Alteración del campo visual no siempre es glaucoma. Reporte de caso. Rev. Soc. Colomb. Oftalmol, 52-57. https://www.revistasco.com/frame_esp.php?id=9
Pinazo, F., Bu-Antun, N., Herrera, B., Perez, J., Ibañez, F., Cabezas, V., López, K., Naranjo, F. (2025). Actualización en métodos de detección temprana del glaucoma: Una revisión sistemática rápida. J. Health Med. Sci, 11(extraordinario):75-86. https://www.researchgate.net/profile/Fabian-Pinazo-Reyes-2/publication/399553185_Actualizacion_en_metodos_de_deteccion_temprana_del_glaucoma_Una_revision_sistematica_rapida/links/695ef2a90c98040d4828edd3/Actualizacion-en-metodos-de-deteccion-temprana-del-glaucoma-Una-revision-sistematica-rapida.pdf
Sanchez Davila, L. P., Rogel Rivera, R. E., Honores Tapia, J. A., Rivas Asanza, W. B. (2024). Inteligencia artificial aplicada a la oftalmología: ResNet-50 y VGG-19 en el diagnóstico de catarata y glaucoma. Revista de Tecnologías de la Informñatica y Sistemas, 8(2). https://revistas.utm.edu.ec/index.php/Informaticaysistemas/article/view/6641/8733
Sarta Pérez, C. S., Martínez Gómez, Ó. D. (2026). Inteligencia Artificial (IA) en el análisis e interpretación de imágenes de exámenes especiales usados en optometría. Trabajo de grado para optar por el título de optómetra, Universidad El Bosque, Bogotá, 34 p. https://repositorio.unbosque.edu.co/assets/dspace/visor/index.html?pdf=aHR0cHM6Ly9yZXBvc2l0b3Jpby51bmJvc3F1ZS5lZHUuY28vc2VydmVyL2FwaS9jb3JlL2JpdHN0cmVhbXMvOWI4ZTQwNjYtNGRkNi00NWYyLWJlYTgtZGU4MDlkY2FhY2YxL2NvbnRlbnQ=
Silva Vega, E. O., Zurita Gaibor, J. A., Silva León, K. E., Silva León, K. J. (2024). Impacto de la Inteligencia artificial en la Optometría. Revista Pertinencia Académica. ISSN 2588-1019, 8(3), 48-57. https://revistas.utb.edu.ec/index.php/rpa/article/view/3210/2925
Téllez Vázquez, J., Mingorance Moya, E., Acuña Salles, M., Marín Ballesteros, A., Loscos Giménez, I. (2023). Diagnóstico de glaucoma. Annals d’Oftalmologia, 31(4): 238-246. https://www.annalsoftalmologia.com/articulos/a19102/CDS_2023_CAP_3-6.pdf
Vargas Ávila, A. J., Sojo Padilla, J. R. (2022). Glaucoma: aspectos relevantes. Revista Médica Sinergia, 7(8). https://dialnet.unirioja.es/descarga/articulo/8876590.pdf
Wagner, I. V., Stewart, M. W., & Dorairaj, S. K. (2022). Updates on the Diagnosis and Management of Glaucoma. Mayo Clinic Proceedings: Innovations, Quality & Outcomes, 6(6), 618-635. https://www.sciencedirect.com/science/article/pii/S2542454822000686
Zamora Loor , G. S., Durán Ospina , J. P., Macías Acuña, E. D., Maldonado Vera, M. C., Litardo Mendoza, J. D. (2025). Percepción del uso de inteligencia artificial en la práctica optométrica: Un estudio mixto. Pro Sciences: Revista De Producción, Ciencias E Investigación, 9(60), 432–446. https://journalprosciences.com/index.php/ps/article/view/934/1003
Vásquez Mendoza, M. M., Carbo Vélez, M. Á., Román Medina, V. E., Pincay Cedeño, J. G., Villamar Anchundia, G. P. (2024). Manejo integral de la ulcera péptica perforada colaboración entre gastroenterología, cirugía y cirugía plástica. RECIMUNDO, 8(1). https://dialnet.unirioja.es/descarga/articulo/10297582.pdf
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Julieta Estefanía Siguencia Sanmartin
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos morales y patrimoniales de sus obras. Puesto que Tesla Revista Científica es una publicación de acceso abierto, los lectores pueden reproducir total o parcialmente su contenido siempre y cuando proporcionen adecuadamente el crédito a los autores correspondientes y a la revista misma. Tesla Revista Científica se compromete a no hacer uso comercial de los textos que recibe y/o publica.
Nuestra revista se rige por las politicas internacionales SHERPA/RoMEO: Revista verde: Permiten el autoarchivo tanto del pre-print (borrador de un trabajo) como del post-print (la versión corregida y revisada por pares) y hasta de la versión final (maquetada tal como saldrá publicada en la revista).
Véase también "Derechos de autor y licencias".
