Portugués 
Inglés 
Creado por Edward Kang, de 17 años, el RetinaMind analiza imágenes de la retina, indica autismo o TDAH y recibió un premio de US$ 175 mil en competencia científica en los Estados Unidos
El RetinaMind, herramienta de inteligencia artificial creada por el estudiante Edward Kang, de 17 años, utiliza imágenes de la retina para indicar señales de autismo y TDAH con aproximadamente un 89% de precisión. El proyecto, desarrollado a partir de estudios científicos y técnicas de aprendizaje automático, recibió US$ 175 mil en premio en los Estados Unidos.
RetinaMind nació de una investigación sobre ojos y cerebro
Hace tres años, Edward Kang buscaba artículos científicos para un proyecto escolar cuando encontró un estudio de la Universidad China de Hong Kong sobre el uso de imágenes de la retina en el diagnóstico del autismo.
La idea llamó su atención por conectar dos áreas que, a primera vista, parecen distantes: el ojo y el cerebro. Hoy, Kang cursa el último año de la escuela secundaria en Bergen County Academies, en Hackensack, Nueva Jersey.
-
Edificio abandonado en Brasil se convertirá en centro de biotecnología con inversión de 10 millones de reales para impulsar la ciencia, la industria y la salud pública.
-
Holanda implementa una barrera inflable gigante de 240 metros que emerge del agua para proteger ciudades de inundaciones durante tormentas.
-
Robot submarino brasileño FlatFish opera de forma autónoma a 3,000 metros de profundidad para inspeccionar tuberías submarinas sin barcos de apoyo.
-
Eufy revoluciona con el Omni S2: aspiradora robótica con 30,000 Pa de succión, fregona autolimpiante, IA para evitar más de 200 obstáculos, estación 12 en 1 y aromatizador integrado.
A partir de ese estudio, el adolescente decidió crear una versión mejorada del modelo. El resultado fue el RetinaMind, una herramienta de IA orientada al diagnóstico de trastorno del espectro autista y trastorno de déficit de atención con hiperactividad.
IA analiza patrones sutiles que los médicos no pueden ver solos
El funcionamiento del RetinaMind parte de una imagen de la retina. La herramienta analiza la imagen e informa porcentajes de confianza para tres posibilidades: paciente neurotípico, autismo o TDAH.
Según Kang, el diagnóstico con mayor índice de confianza pasa a ser el resultado oficial del modelo. La herramienta también genera un mapa de calor de la retina, destacando en rojo las regiones que más influyeron en la predicción.
El sistema utiliza modelos computacionales capaces de combinar patrones muy sutiles de la retina. Estas diferencias pueden ser demasiado complejas para ser reconocidas visualmente por médicos en un análisis aislado.
Investigadores ya han identificado diferencias promedio en estructuras de la retina de personas con autismo o TDAH, incluyendo longitud, grosor y profundidad de la mácula, de las capas de fibras nerviosas de la retina y de otras regiones.
Estas características pueden ser detectadas por herramientas como la tomografía de coherencia óptica, conocida como OCT.
El desafío es que las diferencias son pequeñas y se superponen al rango considerado normal en individuos neurotípicos.
Diagnóstico precoz del autismo es el principal foco del proyecto
El trastorno del espectro autista afecta a 1 de cada 54 niños en Estados Unidos, según el material consultado. Ya el TDAH afecta a casi siete millones de niños en el país.
Paul Lipkin, pediatra especializado en neurodesarrollo en el Instituto Kennedy Krieger y profesor de pediatría en Johns Hopkins Medicine, explica que autismo y TDAH son condiciones de base neurológica ligadas a comportamientos o habilidades inusuales o problemáticas.
Actualmente, sin exámenes físicos para diagnosticar autismo y TDAH, los profesionales usan evaluaciones de desarrollo y comportamiento, como DSM-5, ADOS y Escalas de Evaluación de Conners.
Kang afirma que espera que RetinaMind ayude a hacer los diagnósticos más tempranos. La idea es permitir tratamientos más pronto y mejorar la calidad de vida de pacientes con autismo y TDAH.
Modelo evolucionó de una red neuronal simple para análisis biológico
Para desarrollar el proyecto, Kang aprendió programación y fundamentos de aprendizaje automático por su cuenta, usando tutoriales y cursos en línea.
La primera versión del modelo fue una red neuronal convolucional básica, o CNN, inspirada en el estudio encontrado inicialmente. Este modelo sirvió como punto de comparación para versiones más avanzadas.
Después, Kang añadió el TDAH al sistema. Para él, una herramienta de diagnóstico necesita diferenciar trastornos específicos, no solo separar individuos neurotípicos de aquellos con autismo.
El estudiante también aplicó aprendizaje conjunto, técnica en la que varios modelos reciben la misma imagen de la retina y producen predicciones. Luego, los resultados se combinan, lo que puede hacer el rendimiento más confiable.
Desde el fin de 2024, Kang también investiga mecanismos biológicos detrás de las diferencias en la retina. Usa modelos celulares del autismo para estudiar genes que pueden estar ligados a estas alteraciones.
En su investigación, identificó una docena de genes candidatos. Uno de ellos es el ABCA4, asociado a una proteína ligada a la desintoxicación de la retina.
Invención recibió premio de US$ 175 mil
El RetinaMind conquistó el segundo lugar en el Regeneron Science Talent Search de 2026, competencia de ciencia, tecnología, ingeniería y matemáticas para estudiantes de secundaria en los Estados Unidos.
Con el resultado, Kang recibió US$ 175 mil. La premiación reconoce a estudiantes con ideas orientadas a la solución de desafíos globales.
Maya Ajmera, presidenta y CEO de la Society for Science, afirmó que el proyecto se destacó por combinar inteligencia artificial con biología de laboratorio. Según ella, la propuesta une sofisticación computacional y profundidad biológica.
A pesar del potencial, Lipkin advierte que el autismo y el TDAH son condiciones comportamentales y de desarrollo con raíces en el cerebro. Para él, las diferencias retinianas pueden no ser específicas de estos trastornos, sino de condiciones neurológicas más amplias.
Kang reconoce esta limitación. Actualmente, el modelo indica diagnósticos genéricos de autismo o TDAH. El próximo objetivo es entrenar el sistema para distinguir grados leves, moderados y graves dentro del espectro.
Este artículo fue elaborado con base en información del material proporcionado sobre Edward Kang, RetinaMind, Regeneron Science Talent Search, Society for Science, Kennedy Krieger Institute y Johns Hopkins Medicine, con datos, números y declaraciones preservados conforme al material consultado.
