Abreu-Gonzalez, RodrigoSusanna-González, GabrielaBlair, Joseph P.M.Vitar, Romina M.LasagniCiller, CarlosApostolopoulos, StefanosDe Zanet, SandroMartín, José Natán RodríguezBermúdez, CarlosPascual, Alfonso Luis CalleRigo, ElenaTaulet, Enrique CerveraEscobar-Barranco, Jose JuanCobo-Soriano, RosarioDonate-Lopez, Juan2025-12-222025-12-222025-05-08Abreu-Gonzalez, R, Susanna-González, G, Blair, J P M, Vitar, R M L, Ciller, C, Apostolopoulos, S, De Zanet, S, Martín, J N R, Bermúdez, C, Pascual, A L C, Rigo, E, Taulet, E C, Escobar-Barranco, J J, Cobo-Soriano, R & Donate-Lopez, J 2025, 'Validation of artificial intelligence algorithm LuxIA for screening of diabetic retinopathy from a single 45° retinal colour fundus images : The CARDS study', BMJ Open Ophthalmology, vol. 10, no. 1, e002109. https://doi.org/10.1136/bmjophth-2024-0021092397-3269PubMedCentral: PMC12067837https://hdl.handle.net/10641/6869Publisher Copyright: © Author(s) (or their employer(s)) 2025.Objetivo Este estudio validó el algoritmo basado en inteligencia artificial (IA) LuxIA para el cribado de retinopatía diabética más que leve (mtmDR) a partir de una única imagen de fondo de ojo en color de 45° en pacientes con diabetes mellitus (DM, tipo 1 o tipo 2) en España. Los objetivos secundarios incluyeron validar LuxIA según la clasificación International Clinical Diabetic Retinopathy (ICDR) y comparar su rendimiento entre distintos dispositivos. Métodos En este estudio transversal multicéntrico, se recogieron imágenes de fondo de ojo en color de adultos (≥18 años) con DM en cinco hospitales de España (diciembre de 2021-diciembre de 2022). Las fotografías de fondo de ojo en color de 45° se capturaron con cámaras no midriáticas Topcon y ZEISS. Se utilizó la plataforma Discovery (RetinAI) para recopilar las imágenes. La salida de LuxIA era una puntuación ordinal (1-5), que indicaba una clasificación como mtmDR basada en una puntuación de gravedad ICDR. Resultados Se incluyeron 945 pacientes con DM; la edad media (DE) fue de 64,6 (13,5) años. El algoritmo LuxIA detectó mtmDR con una sensibilidad y especificidad del 97,1% y el 94,8%, respectivamente. El área bajo la curva ROC (receiver-operating characteristic) fue de 0,96, lo que indica una alta precisión diagnóstica. Los datos del IC del 95% para la precisión global (94,8% a 95,6%), la sensibilidad (96,8% a 98,2%) y la especificidad (94,3% a 95,1%) indicaron estimaciones robustas por parte de LuxIA, que mantuvo una concordancia de clasificación (N=829, kappa=0,837, p=0,001) al utilizarse para clasificar imágenes de Topcon. La validación de LuxIA en imágenes obtenidas con ZEISS mostró una alta precisión (90,6%), especificidad (92,3%) y una menor sensibilidad (83,3%) en comparación con las imágenes obtenidas con Topcon. Conclusiones Los algoritmos de IA como LuxIA están aumentando la viabilidad de las pruebas para los profesionales sanitarios en el cribado de la RD. Este estudio valida la utilidad de LuxIA en el mundo real para el cribado de mtmDR. [Traducción automática al español; idioma original: inglés.]Objective This study validated the artificial intelligence (AI)-based algorithm LuxIA for screening more-than-mild diabetic retinopathy (mtmDR) from a single 45° colour fundus image of patients with diabetes mellitus (DM, type 1 or type 2) in Spain. Secondary objectives included validating LuxIA according to the International Clinical Diabetic Retinopathy (ICDR) classification and comparing its performance between different devices. Methods In this multicentre, cross-sectional study, retinal colour fundus images of adults (≥18 years) with DM were collected from five hospitals in Spain (December 2021-December 2022). 45° colour fundus photographs were captured using non-mydriatic Topcon and ZEISS cameras. The Discovery platform (RetinAI) was used to collect images. LuxIA output was an ordinal score (1-5), indicating a classification as mtmDR based on an ICDR severity score. Results 945 patients with DM were included; the mean (SD) age was 64.6 (13.5) years. The LuxIA algorithm detected mtmDR with a sensitivity and specificity of 97.1% and 94.8%, respectively. The area under the receiver-operating characteristic curve was 0.96, indicating a high test accuracy. The 95% CI data for overall accuracy (94.8% to 95.6%), sensitivity (96.8% to 98.2%) and specificity (94.3% to 95.1%) indicated robust estimations by LuxIA, which maintained a concordance of classification (N=829, kappa=0.837, p=0.001) when used to classify Topcon images. LuxIA validation on ZEISS-obtained images demonstrated high accuracy (90.6%), specificity (92.3%) and lower sensitivity (83.3%) as compared with Topcon-obtained images. Conclusions AI algorithms such as LuxIA are increasing testing feasibility for healthcare professionals in DR screening. This study validates the real-world utility of LuxIA for mtmDR screening.473025enghttp://creativecommons.org/licenses/by-nc-nd/4.0/OphthalmologySDG 3 - Good Health and Well-beingJournal ArticleMulticenter StudyValidation StudyYesyesjournal articleopen access10.1136/bmjophth-2024-002109https://www.scopus.com/pages/publications/105004673793https://www.scopus.com/pages/publications/105004673793#tab=citedBy