Desarrollo y validación de un asistente virtual basado en inteligencia artificial para apoyar la toma de decisión en atención visual primaria.

Abstract

Primary visual care (PVC) is an essential component for the early detection and timely management of ocular conditions, particularly those that are preventable or treatable with appropriate interventions. In this context, digital technologies have emerged as a strategic opportunity to transform care models, enhancing accessibility, efficiency, and service quality. Digital health, through tools such as mHealth and telehealth, has enabled the integration of solutions across different stages of care, from prevention to follow-up. Artificial intelligence (AI), in particular, has demonstrated significant potential in analyzing large volumes of clinical data, identifying complex patterns, and generating clinical recommendations. While AI has achieved remarkable progress in specialized areas such as ophthalmology, its incorporation into PVC and optometric settings remains limited. This gap motivated the present research, aimed at developing and validating a virtual assistant integrating AI models to support clinical decision-making in optometry.

The research was conducted in several phases. Initially, a characterization of digital technologies applied to visual health was carried out through an exploratory review of the scientific literature, revealing a predominance of solutions focused on the retina and diagnostics at secondary and tertiary levels of care, leaving a significant space for innovation in primary care. In parallel, the availability and characteristics of clinical datasets in vision sciences were explored, identifying the absence of specific repositories for optometry and the limited representation of data applicable to primary care contexts. In response to these gaps, a conceptual model of a big data platform for optometry (DAVIH) was designed, conceived to structure, store, and share clinical data in an ethical, interoperable, and secure manner.

The central phase focused on the technological development and validation of the virtual assistant. Predictive AI models were generated and trained with real clinical data from patients attended in optometry, using machine learning algorithms and data balancing techniques to optimize the accuracy and robustness of predictions. These models enabled case classification, localization of ocular problems, and detection of binocular vision dysfunctions. Subsequently, the models were integrated into a functional prototype of a virtual assistant in the form of a web application (VICHI), developed with a hybrid client-server architecture and cloud support. The application, designed to be multilingual and accessible from different devices, included modules for model selection, clinical data entry, and presentation of results with reliability indicators.

Finally, the influence of the assistant on decision-making was validated through a study involving visual health professionals from different countries. The comparison between an intervention group, exposed to the assistant’s recommendations, and a control group revealed improvements in diagnostic concordance and a reduction in omissions in clinical responses. Additionally, users’ perceptions of the utility and trust in this type of tool were evaluated, showing general positive acceptance.

The findings of the thesis highlight the potential of integrating AI-based solutions into PVC, providing a complementary resource to optimize clinical practice and support the training of professionals. Challenges remain regarding data standardization, interoperability, and the integration of digital technologies in resource-limited contexts. Future lines of work include expanding the models to new visual conditions and developing advanced versions of the assistant with natural language processing, consolidating its applicability in both clinical and educational settings.

La atención visual primaria (AVP) constituye un componente esencial para la detección temprana y el manejo oportuno de alteraciones oculares, especialmente aquellas prevenibles o tratables con intervenciones adecuadas. En este escenario, las tecnologías digitales han emergido como una oportunidad estratégica para transformar los modelos asistenciales, facilitando la accesibilidad, la eficiencia y la calidad de los servicios. La salud digital, a través de herramientas como mHealth y telesalud, ha permitido integrar soluciones en diferentes etapas de la atención, desde la prevención hasta el seguimiento. Particularmente, la inteligencia artificial (IA) ha demostrado un potencial significativo en el análisis de grandes volúmenes de datos clínicos, la identificación de patrones complejos y la generación de recomendaciones clínicas. En el ámbito de la salud visual, aunque la IA ha avanzado notablemente en áreas especializadas como la oftalmología, su incorporación en la AVP y en entornos optométricos sigue siendo limitada. Este vacío motivó la presente investigación, orientada a desarrollar y validar un asistente virtual que integre modelos de IA para apoyar la toma de decisiones clínicas en optometría.

La investigación se desarrolló en varias fases. Inicialmente, se realizó una caracterización de las tecnologías digitales aplicadas a la salud visual mediante una revisión exploratoria de la producción científica, que evidenció un predominio de soluciones orientadas a la retina y al diagnóstico en niveles secundarios y terciarios de atención, dejando un espacio significativo para innovaciones en atención primaria. En paralelo, se exploró la disponibilidad y características de conjuntos de datos clínicos en ciencias de la visión, identificando la ausencia de repositorios específicos para optometría y la escasa representación de datos aplicables a contextos primarios. Como respuesta a estas carencias, se diseñó un modelo conceptual de plataforma ‘big data’ orientada a la optometría (DAVIH), concebida para estructurar, almacenar y compartir datos clínicos de manera ética, interoperable y segura.

La fase central abordó el desarrollo tecnológico y la validación del asistente virtual, donde se generaron modelos predictivos de IA entrenados con datos clínicos reales de pacientes atendidos en optometría, utilizando algoritmos de aprendizaje automático y técnicas de balanceo de datos para optimizar la precisión y robustez de las predicciones. Estos modelos permitieron la clasificación de casos, la localización de problemas oculares y la detección de disfunciones de la visión binocular. Posteriormente, los modelos fueron integrados en un prototipo funcional de asistente virtual en forma de aplicación web (VICHI), desarrollado con una arquitectura híbrida cliente-servidor y soporte en la nube. La aplicación, diseñada para ser multilingüe y accesible desde diferentes dispositivos, incluyó módulos para la selección de modelos, la introducción de datos clínicos y la presentación de resultados con indicadores de fiabilidad.

Finalmente, se validó la influencia del asistente en la toma de decisiones mediante un estudio con profesionales de la salud visual de diferentes países. La comparación entre un grupo de intervención, expuesto a las recomendaciones del asistente, y un grupo control evidenció mejoras en la concordancia diagnóstica y una reducción de omisiones en las respuestas clínicas. Además, se evaluó la percepción de los usuarios sobre la utilidad y la confianza en este tipo de herramienta, identificando una aceptación general positiva.

Los hallazgos de la tesis subrayan el potencial de integrar soluciones basadas en IA en la AVP, aportando un recurso complementario para optimizar la práctica clínica y apoyar la formación de profesionales. Se destacan desafíos relacionados con la estandarización de datos, interoperabilidad y la integración de tecnologías digitales en contextos con recursos limitados. Como líneas futuras, se plantea la ampliación de los modelos a nuevas condiciones visuales y el desarrollo de versiones avanzadas del asistente con procesamiento de lenguaje natural, consolidando su aplicabilidad tanto en entornos clínicos como educativos.