La Universidad Politécnica de Madrid (UPM) y el Hospital Universitario Gregorio Marañón acaban de presentar un proyecto científico revolucionario que promete transformar el seguimiento y tratamiento de la degeneración macular asociada a la edad mediante sistemas de inteligencia artificial (IA). El proyecto STEP-AMD, financiado por el Ministerio de Ciencia a través de NextGenerationEU, marca un hito importante en la medicina personalizada y el apoyo a la decisión clínica en oftalmología.
Durante la Semana de la Ciencia y la Innovación de la Universidad Politécnica de Madrid, investigadores presentaron los resultados de una iniciativa que aborda uno de los grandes desafíos de la salud visual: mejorar el seguimiento de pacientes con degeneración macular neovascular mediante análisis automatizado y reproducible de imágenes de resonancia óptica de coherencia temporal (OCT). La Asociación Mácula-Retina fue invitada a presenciar esta presentación, para subrayar la importancia de este trabajo para los pacientes y profesionales del sector.
El proyecto STEP-AMD —cuyo acrónimo en inglés significa Spatio-TEmporal deep learning for Prediction of AMD treatment response— es resultado de la colaboración entre la Universidad Politécnica de Madrid, específicamente su grupo de Biomedical Imaging Technologies, y el Hospital General Universitario Gregorio Marañón. La iniciativa fue coordinada por Juan José Gómez Valverde y Alberto José Beltrán Carrero, quien también participó activamente en la presentación junto a los principales ponentes del evento.
Los expertos clínicos que compartieron sus perspectivas fueron la doctora Esther Santos Vicente, especialista en patologías retinianas del Gregorio Marañón, quien expuso las características principales de las enfermedades de retina; y el doctor Javier Torresano Rodríguez, también del mismo centro hospitalario, quien abordó los desafíos clínicos actuales en el manejo de estos pacientes. Ambos enfatizaron la necesidad urgente de mejorar las herramientas de diagnóstico y seguimiento en enfermedades que representan la principal causa de ceguera legal en España en mayores de 50 años.
Un sistema que entiende y predice
El hecho diferencial del proyecto STEP-AMD radica en su capacidad para automatizar tres procesos clave: análisis automático de imágenes mediante inteligencia artificial, predicción de respuesta al tratamiento basada en algoritmos de aprendizaje profundo, e integración de toda la información clínica relevante en un único informe de fácil interpretación para el oftalmólogo.
El sistema fue desarrollado con datos de 90 pacientes y 111 imágenes OCT para el módulo de segmentación automática de fluidos retinianos, y fue validado posteriormente con 185 pacientes y más de 500 estudios de imagen longitudinales para la predicción de respuesta al tratamiento. Esta base de datos robusta garantiza la fiabilidad de los algoritmos empleados.
Los resultados presentados demuestran un impacto clínico significativo. El sistema alcanzó una valoración de 4.5 sobre 5 puntos por parte de los especialistas clínicos, lo que indica una aceptación muy positiva del informe generado automáticamente. Más importante aún, el proyecto demostró un 15% de mayor acierto en las decisiones de tratamiento, un aumento del 29% en la similitud entre las evaluaciones realizadas por diferentes especialistas, y una reducción del 40% en el tiempo empleado en la evaluación de cada caso. Estas mejoras no son meramente técnicas: reducen significativamente la carga asistencial en departamentos oftalmológicos saturados y mejoran la consistencia diagnóstica.
Ciencia rigurosa y publicaciones de impacto
Los resultados del proyecto STEP-AMD han merecido la publicación en foros científicos internacionales de primer orden. En la revista Nature aparece el trabajo referencial sobre modelos fundacionales: Zhou et al. (2023) en su artículo A foundation model for generalizable disease detection from retinal images (Nature, 622, 156-163), que estableció las bases metodológicas para este tipo de sistemas.
Las contribuciones específicas del proyecto STEP-AMD se han presentado en congresos internacionales de envergadura. Es el caso de EURETINA 2023, 2024 y 2025, donde este año el grupo compartió resultados sobre predicción de progresión de degeneración macular mediante aprendizaje multi-instancia en imágenes OCT. Los promotores también mostraron un avance en en el XLII Congreso Anual de la Sociedad Española de Ingeniería Biomédica (CASEIB) de 2024 en Sevilla.
La investigación también ha sido aceptada en el congreso CASEIB 2025 en Zaragoza, donde se presentará el sistema completo de apoyo a la decisión clínica para el monitoreo de pacientes con degeneración macular.
En plena progresión
El proyecto continúa evolucionando. Los próximos pasos incluyen la automatización completa del proceso, la integración del sistema con los dispositivos de imagen disponibles en hospitales, la inclusión de la información en las historias clínicas electrónicas, la extensión del sistema a otras patologías retinianas como el edema macular y la trombosis venosa, y finalmente, la implementación de un cuadro de mando integrado en los sistemas hospitalarios para la gestión global de pacientes.
Este desarrollo representa más que un avance tecnológico; simboliza la convergencia entre la investigación académica rigurosa, la excelencia clínica y la innovación en IA al servicio de la medicina personalizada. En un contexto donde la degeneración macular afecta a 800.000 pacientes en España y a más de 3 millones en situación de riesgo, iniciativas como STEP-AMD ofrecen esperanza mediante herramientas que no reemplazan al médico, sino que lo potencian, permitiéndole tomar decisiones mejor informadas, más rápidas y más consistentes.
Los ponentes de la presentación en la Semana de la Ciencia de la Universidad Politécnica de Madrid quisieron subrayar el compromiso tangible del sistema universitario español con la investigación que transforma vidas. A ese contexto obedece la invitación a la presentación de la Asociación Mácula-Retina, como reflejo de la voluntad del equipo investigador de mantener a los pacientes y sus representantes como protagonistas en el desarrollo de estas innovaciones que, en última instancia, servirán para mejorar su calidad de vida y prevenir la ceguera evitable.
Artículo de elaboración propia, con apoyo de IA para análisis, y síntesis de documentos, así como para la redacción del artículo
