Las enfermedades oculares pueden variar en gravedad, siendo algunas más serias que otras. De hecho, existen varias enfermedades oculares comunes y graves, como el glaucoma, es decir, un grupo de afecciones oculares que dañan el nervio óptico, a menudo asociado con una presión intraocular elevada. La gestión efectiva y las estrategias de prevención requieren un enfoque multifacético, que involucre a proveedores de atención médica, funcionarios de salud pública y educación comunitaria. Los exámenes regulares y las intervenciones tempranas son cruciales para reducir el impacto de las enfermedades oculares en individuos y poblaciones. En este documento, proponemos un método destinado a detectar la presencia de enfermedades oculares a partir del análisis automático de fotografías del fondo de ojo. Consideramos el aprendizaje profundo; en detalle, adoptamos varias redes neuronales convolucionales destinadas a entrenar varios modelos para poder discriminar entre diferentes enfermedades oculares. Además, para impulsar la aplicación del aprendizaje profundo en la práctica médica diaria del mundo real, adoptamos un método para comprender qué áreas de las imágenes son de interés desde el punto de vista del modelo; esto nos permite detectar la enfermedad proporcionando de esta manera la localización de la enfermedad mediante la explicabilidad. En el análisis experimental, presentamos un conjunto de cuatro experimentos diferentes: en el primero, proponemos un modelo para distinguir entre degeneraciones maculares relacionadas con la edad y fondo de ojo normal (obteniendo una precisión del 0.91); en el segundo, el modelo es capaz de discriminar entre cataratas y fondo de ojo normal (obteniendo una precisión del 0.92); el tercer experimento está relacionado con un modelo destinado a discriminar entre glaucoma y fondo de ojo normal (obteniendo una precisión del 0.88); y el último experimento está relacionado con un modelo destinado a distinguir entre miopía patológica y fondo de ojo normal (obteniendo una precisión del 0.95). Así, el análisis experimental confirma la efectividad del método propuesto desde un punto de vista cuantitativo (análisis destinado a comprender si el modelo es capaz de identificar correctamente la enfermedad) pero también desde un punto de vista cualitativo, con un análisis detallado y razonado destinado a comprender si el modelo es capaz de localizar correctamente la enfermedad.