Nuevas técnicas no invasivas para detectar anemia mediante Inteligencia Artificial

La anemia es una condición clínica caracterizada por niveles reducidos de hemoglobina en sangre, la proteína responsable de transportar oxígeno desde los pulmones hasta los tejidos. Se trata de un problema de salud global que afecta tanto a países desarrollados como en vías de desarrollo, y puede tener múltiples causas, entre ellas la deficiencia de hierro, enfermedades crónicas o alteraciones genéticas¹. Por lo general, su diagnóstico ha requerido la extracción de sangre mediante una punción, pero nuevos avances tecnológicos podrían revolucionar este procedimiento gracias a técnicas no invasivas impulsadas por la Inteligencia Artificial (IA).

Diversos estudios recientes sugieren que, utilizando imágenes de retina y de uñas, que se suelen emplear en pacientes con diabetes o enfermedades vasculares, es posible detectar signos de anemia sin necesidad de una intervención invasiva.

Imágenes de retina y anemia

La retina, conocida por ser un reflejo directo del estado vascular del organismo, se utiliza ampliamente para evaluar patologías como la retinopatía diabética o la hipertensión². Investigaciones recientes han demostrado que los cambios en su pigmentación y vasculatura pueden indicar variaciones en los niveles de hemoglobina. Un estudio publicado en Translational Vision Science & Technology (2025) logró estimar con precisión la concentración de hemoglobina analizando imágenes del fondo de ojo mediante algoritmos avanzados de IA³.

Imágenes de uñas

Las uñas también proporcionan información valiosa sobre el estado de salud. Cambios en su coloración y textura pueden estar relacionados con diversas condiciones, incluida la anemia. En esta línea, investigadores desarrollaron un modelo basado en aprendizaje profundo (Deep Learning) que puede detectar anemia con una precisión notable mediante el análisis visual de las uñas de las manos. Este método fue validado por un estudio publicado en Frontiers in Big Data en 2025 que demostró que podría ser una herramienta prometedora en contextos clínicos con recursos limitados⁴.

Ventajas y desafíos

La principal ventaja de estas técnicas es su carácter no invasivo, lo que aumenta la comodidad y aceptación por parte de los pacientes, especialmente niños y personas mayores, facilitando un diagnóstico más temprano y frecuente. En España, según la Sociedad Española de Hematología y Hemoterapia, la anemia ferropénica afecta a una de cada cinco mujeres en edad fértil, al 4 de cada 10 gestantes y hasta la mitad de los ancianos hospitalizados⁵, lo que refuerza la necesidad de métodos diagnósticos accesibles.

Sin embargo, aún hay desafíos por superar. La calidad de las imágenes y la variabilidad individual pueden afectar la precisión diagnóstica, por lo que es esencial continuar refinando estos modelos mediante estudios clínicos más amplios y representativos.

Conclusión

La aplicación de la IA a métodos no invasivos de detección de anemia representa un avance significativo hacia un diagnóstico más accesible, rápido y menos incómodo para el paciente. A medida que estas tecnologías se perfeccionen, podrían integrarse fácilmente en consultas médicas rutinarias, beneficiando especialmente a poblaciones vulnerables y zonas con acceso limitado a atención médica especializada.

Bibliografía

1. Kassebaum, N. J., et al. (2014). A systematic analysis of global anemia burden from 1990 to 2010. Blood, 123(5), 615–624. https://doi.org/10.1182/blood-2013-06-508325

2. Cheung, C. Y.-l., Ikram, M. K., Chen, C., & Wong, T. Y. (2017). Imaging retina to study dementia and stroke. Progress in Retinal and Eye Research, 57, 89–107. https://doi.org/10.1016/j.preteyeres.2017.01.001

3. Khan, R., et al. (2025). Noninvasive Anemia Detection and Hemoglobin Estimation from Retinal Images Using Deep Learning. Translational Vision Science & Technology, 14(1), 20. https://doi.org/10.1167/tvst.14.1.20

4. Navarro‑Cabrera, J. R., Valles‑Coral, M. Á., Farro‑Roque, M. E., et al. (2025). Machine vision model using nail images for non-invasive detection of iron deficiency anemia in university students. Frontiers in Big Data, 3, 1557600. https://doi.org/10.3389/fdata.2025.1557600

5. Sociedad Española de Hematología y Hemoterapia (SEHH). (2018). Manual Déficit Hierro. SEHH. Disponible en:

6. https://www.sehh.es/images/stories/recursos/2018/07/NdP_Manual_D%C3%A9ficit_Hierro_ok.pdf