Modelos Fundacionales para Imagenología Oftálmica

Área de la Ciencia:

• Inteligencia Artificial Oftálmica
• Aprendizaje Automático en Atención Médica
• Análisis de Imágenes Médicas

Sus antecedentes:

• Los modelos fundacionales ofrecen aprendizaje de características transferibles de grandes conjuntos de datos oftálmicos sin etiquetar.
• Estos modelos son cruciales para avanzar en la inteligencia artificial en oftalmología.
• Permiten una aplicación flexible en diversas tareas de diagnóstico y análisis posteriores.

Objetivo del estudio:

• Analizar sistemáticamente la evolución de los modelos fundacionales oftálmicos de 2022 a julio de 2025.
• Examinar los avances clave en la arquitectura del modelo, el preentrenamiento y las estrategias de supervisión.
• Proporcionar una descripción general completa de las tendencias actuales y las direcciones futuras en el campo.

Principales métodos:

• Revisión sistemática de 12 modelos fundacionales oftálmicos distintos.
• Análisis de la integración de modalidades (unimodal, multimodal, visión-lenguaje).
• Evaluación de los objetivos de preentrenamiento (generativo vs. contrastivo) y supervisión (guiada por imagen/texto).

Principales resultados:

• Se observó un cambio de modelos unimodales específicos del dominio a modelos agnósticos a la modalidad guiados por texto clínico.
• Las técnicas emergentes como los codificadores agnósticos a la modalidad y la aumentación de datos sintéticos mejoran el rendimiento y la generalización.
• Los avances en las estrategias de preentrenamiento y supervisión son impulsores clave del progreso.

Conclusiones:

• Los modelos fundacionales oftálmicos son cada vez más sofisticados, avanzando hacia una aplicabilidad más amplia.
• La investigación futura debe centrarse en una integración más amplia de modalidades, datos de mayor dimensión y puntos de referencia estandarizados.
• Esta revisión proporciona conocimientos fundamentales para el desarrollo y la aplicación de estos modelos de IA en oftalmología.