La inteligencia artificial (IA) ha demostrado un excelente rendimiento diagnóstico en la detección de diversos problemas complejos relacionados con muchas áreas de la atención médica, incluida la oftalmología. Los sistemas de diagnóstico de IA desarrollados a partir de imágenes del fondo de ojo se han convertido en herramientas de última generación para diagnosticar afecciones de la retina y glaucoma, así como otras enfermedades oculares. Sin embargo, diseñar e implementar modelos de IA utilizando grandes datos de imágenes es un desafío.

Los autores Xiaoqin Huang, Md Rafiqul Islam, Shanjita Akter, Fuad Ahmed, Ehsan Kazami, Hashem Abu Serhan, Alaa Abd-alrazaq, Siamak Yousefi en este estudio, revisaron diferentes técnicas de aprendizaje automático (ML) y aprendizaje profundo (DL) aplicadas a múltiples modalidades de datos de retina, como imágenes del fondo de ojo y campos visuales para la detección del glaucoma, evaluación de la progresión, estadificación, etc. Resumieron los hallazgos y proporcionaron varias taxonomías para ayudar al lector a comprender la evolución de los modelos de IA convencionales y emergentes en el glaucoma. Analizaron las oportunidades y los desafíos que enfrenta la aplicación de la IA en el glaucoma y destacaron algunos temas clave de la literatura existente que pueden ayudar a explorar estudios futuros.

El objetivo en esta revisión sistemática es ayudar a los lectores e investigadores a comprender los aspectos críticos de la IA relacionados con el glaucoma, así como determinar los pasos y requisitos necesarios para el desarrollo exitoso de modelos de IA en el glaucoma.