El objetivo de este estudio es evaluar la aplicación Eye Home Clinic (ver 1.0), que utiliza modelos de aprendizaje profundo para evaluar la calidad de las imágenes del segmento anterior capturadas por el propio paciente y detectar enfermedades del segmento anterior utilizando solo el teléfono inteligente del paciente. Las imágenes se someten a una evaluación de calidad basada en el modelo "DL-Image Eligibility", y las imágenes utilizables son analizadas por el modelo "DL-Diagnosis" para detectar una de varias enfermedades del segmento anterior. Se utilizó un conjunto de datos de 1006 imágenes para el entrenamiento y un conjunto de datos de 520 imágenes para la validación. El modelo "DL-Image Eligibility" logró un AUC de 0.87, con una precisión de 0.75. El modelo "DL-Diagnosis" tuvo una mayor especificidad (0.97) pero una menor sensibilidad (0.29), con un AUC de 0.62. Si bien la aplicación muestra potencial para la telemedicina del segmento anterior, se necesitan mejoras en la sensibilidad del modelo DL para detectar anomalías. Se deben considerar técnicas de sobremuestreo, aprendizaje por transferencia y expansión del conjunto de datos para mejorar el rendimiento en futuras investigaciones. Basado en datos de usuarios en más de 100 países, también se identificaron diferencias significativas en la calidad de las fotos entre los grupos de usuarios. Los usuarios de iOS, los usuarios más jóvenes (21-40 años) y los usuarios que reportan síntomas oculares enviaron más imágenes utilizables. Este estudio subraya la importancia de la educación del usuario y los avances tecnológicos para optimizar los diagnósticos oculares basados en teléfonos inteligentes.