La inteligencia artificial (IA) se ha consolidado como una de las herramientas con mayor impacto en la cirugía refractiva. Su creciente adopción responde, en gran medida, a la necesidad de interpretar con mayor precisión imágenes y parámetros biométricos que fortalezcan el análisis clínico de los profesionales de la salud visual. La gran cantidad de datos generados por tecnologías como la topografía corneal, la tomografía Scheimpflug, la tomografía óptica de coherencia de segmento anterior (SA-OCT, por su sigla en inglés), la biomecánica corneal y las plataformas de biometría ha impulsado el desarrollo de sistemas capaces de correlacionar grandes volúmenes de información para identificar patrones sutiles que no pueden detectarse mediante la inspección clínica convencional. De hecho, este tipo de datos sensibles y de difícil identificación constituye la base para el estudio de biomarcadores en múltiples patologías.
En este contexto, el desarrollo de modelos basados en machine learning y deep learning —aprendizaje automático y aprendizaje profundo, respectivamente— se ha posicionado como un soporte con un potencial significativo para el diagnóstico avanzado, la selección quirúrgica y la predicción refractiva final, factores indispensables para lograr intervenciones más seguras y resultados visuales más estables.
IA en el diagnóstico y la planificación quirúrgica
Hoopes, Moin y Moshirfar (2025) realizaron una revisión sobre las aplicaciones de la IA en la cirugía refractiva, en la cual señalan que la detección de queratocono y de ectasia corneal constituye, probablemente, uno de los campos donde esta tecnología ha demostrado un impacto más contundente. Tradicionalmente, la identificación de queratocono incipiente, queratocono subclínico o ectasias de difícil diagnóstico ha representado un reto clínico relevante, especialmente en pacientes candidatos a LASIK, en quienes incluso alteraciones mínimas pueden desencadenar una ectasia progresiva postoperatoria.
La aparición de nuevos índices combinados, como el Tomographic Biomechanical Index (TBI) derivado de la integración de datos de Pentacam y Corvis ST, ha permitido combinar parámetros tomográficos, paquimétricos y biomecánicos en modelos predictivos con niveles de sensibilidad y especificidad que superan ampliamente los de herramientas previas.
IA en la predicción refractiva y la toma de decisiones
Otro ámbito donde la IA ha mostrado avances sustanciales es en la biometría para el cálculo de lentes intraoculares. El cálculo refractivo en cirugía de catarata y lensectomía refractiva ha evolucionado más allá de las ecuaciones basadas exclusivamente en principios ópticos clásicos, incorporando modelos sustentados en redes neuronales entrenadas con bases de datos extensas que correlacionan miles de ojos con sus resultados finales.
Este enfoque ha permitido que fórmulas modernas como Hill-RBF, Kane, EVO 2.0 y PEARL-DGS alcancen altos niveles de precisión, incluso en condiciones complejas, como ojos con longitudes axiales extremas, astigmatismos elevados o antecedentes de cirugía corneal previa.
En el contexto de la cirugía refractiva con lentes fáquicas, particularmente con el lente fáquico de colámero implantable (ICL, por su sigla en inglés), la IA también ha adquirido un rol relevante, especialmente en la predicción del vault, parámetro crítico para evitar complicaciones como hipertensión ocular, contacto con el cristalino o catarata subcapsular anterior. Los modelos basados en machine learning permiten generar predicciones más estables a partir de variables de fácil obtención, como el espesor del cristalino, la profundidad de la cámara anterior y el volumen del segmento anterior, lo que contribuye a estandarizar la toma de decisiones y reducir la tasa de reintervenciones.
Los autores también señalan que la toma de decisiones quirúrgicas en cirugía refractiva constituye uno de los aspectos más sensibles y complejos del proceso preoperatorio, dado que implica la integración de variables anatómicas, ópticas, biomecánicas y factores de riesgo propios de cada paciente. La introducción de modelos de IA en esta etapa ha despertado un notable interés, particularmente por su potencial para reducir la variabilidad interprofesional y apoyar la estandarización de criterios clínicos.
No obstante, a pesar de estos avances, la toma de decisiones quirúrgicas continúa siendo un dominio en el que la IA presenta limitaciones. Si bien algunos modelos logran concordancia con cirujanos expertos en casos de baja complejidad, su desempeño disminuye cuando se enfrentan a escenarios clínicos atípicos o con múltiples factores de riesgo. Estudios comparativos han evidenciado que los modelos actuales tienden a recomendar procedimientos como PRK en pacientes con antecedentes quirúrgicos o condiciones sistémicas que, desde la perspectiva de un cirujano experimentado, podrían beneficiarse más de alternativas como LASIK o incluso de la contraindicación quirúrgica.
Estos hallazgos ponen de manifiesto que, aunque la IA constituye un apoyo valioso, no reemplaza la capacidad humana para integrar información clínica compleja, valorar riesgos subjetivos o anticipar variaciones en los procesos de cicatrización tisular. En el ámbito de la educación y el soporte académico, la IA todavía enfrenta desafíos. Si bien algunos modelos pueden generar explicaciones textuales, aún no alcanzan la precisión necesaria para producir ilustraciones médicas detalladas o representaciones anatómicas complejas con la fidelidad requerida para la enseñanza quirúrgica.
En conclusión, la IA está transformando la cirugía refractiva en múltiples dimensiones, particularmente en el análisis diagnóstico, la predicción refractiva y la optimización de parámetros quirúrgicos. Su principal fortaleza radica en la capacidad de procesar grandes volúmenes de datos, identificar patrones ocultos y reducir la variabilidad en áreas donde la práctica humana es más susceptible a error. Sin embargo, su integración plena en la toma de decisiones quirúrgicas y los procesos educativos aún requiere tiempo, refinamiento de los algoritmos y validación clínica continua. Así las cosas, la cirugía refractiva moderna se verá fortalecida por la IA, pero seguirá dependiendo del criterio experto del cirujano para garantizar seguridad, estabilidad y bienestar del paciente a largo plazo.
Adaptado de:
1. Hoopes PC, Moin KA, Moshirfar M. Artificial intelligence in refractive surgery. Vol. 36, Current Opinion in Ophthalmology. Lippincott Williams and Wilkins; 2025. p. 271–5.
