La atrofia macular (MA) es un punto final irreversible de la degeneración macular relacionada con la edad (AMD), que es la principal causa de ceguera en el mundo. La detección temprana es, por lo tanto, una necesidad no satisfecha. Hemos desarrollado un novedoso método automatizado para identificar MA en pacientes en seguimiento con tomografía de coherencia óptica (OCT) para AMD basado en la combinación de la arquitectura Unet 2D y 3D. Nuestra detección automatizada de MA se basa en cambios estructurales específicos en OCT, incluidas seis lesiones asociadas a la atrofia establecidas. Utilizando 1241 OCT volumétricas de 125 ojos (89 pacientes), el rendimiento de esta combinación de arquitectura Unet es extremadamente alentador, con una puntuación media de coeficiente de similitud de DICE de 0,90 +/- 0,14 y una puntuación media de F1 de 0,89 +/- 0,14. Estos resultados prometedores han indicado superioridad en comparación con los evaluadores humanos, con una similitud media de 0,71 +/- 0,27. Creemos que esta herramienta asistida por aprendizaje profundo sería útil para monitorear a pacientes con AMD, permitiendo la detección temprana de MA y apoyando decisiones clínicas.