La degeneración macular asociada a la edad (DMAE) es una de las principales causas de ceguera en personas mayores de 60 años en países desarrollados. Aunque existen tratamientos, su eficacia
es limitada en etapas avanzadas, lo que hace crucial la detección temprana. Sin embargo, implementar programas de detección precoz es complicado debido a la extensa población de riesgo y a la necesidad de revisar manualmente las imágenes de fondo de ojo. El empleo de sistemas automáticos de ayuda al diagnóstico cobra relevancia en este contexto, siendo aquellos basados en redes neuronales convolucionales los predominantes en la ultima década. Sin embargo, en este estudio se pretende demostrar que la operación de involución también es efectiva para realizar este tipo de clasificación. Las involuciones generan núcleos de manera adaptativa basados en las características de entrada, promoviendo así la eficiencia. Para ello, se han comparado dos redes neuronales con el mismo numero de capas: la primera basada en convoluciones, y la segunda en involuciones. La red neuronal convolucional alcanzo una precisión, sensibilidad y especificidad del 84.16 %, 68.33 % y 89.44 %, respectivamente, utilizando la base de datos publica AREDS. La red basada en involuciones superó ligeramente estos resultados, con una precisión del 85.08 %, sensibilidad de 70.17 % y especificidad de 90.05 %. Además, se han visualizado los kernels de involución para resaltar regiones específicas en las retinografías que influyen en las decisiones del modelo, proporcionando una herramienta para la interpretación clínica de la DMAE y mejorando la confianza en el diagnostico.
