La retinopatía diabética (RD) es la principal complicación ocular de la diabetes. Asintomática durante mucho tiempo, está sujeta a un cribado anual utilizando fotografía de fondo de ojo o de retina para buscar signos tempranos. La fotografía de fondo de ojo y la tomografía de coherencia óptica (OCT) son utilizadas por los oftalmólogos para evaluar el grosor y la estructura de la retina, así como para detectar edema, hemorragia y cicatrices. La efectividad de ConvNet ya no necesita ser demostrada, y su uso en el campo de la imagen ha hecho posible superar muchas barreras que hasta ahora eran insuperables con los métodos antiguos. A lo largo de este estudio, se propone un ConvNet profundo robusto y óptimo para analizar imágenes de fondo de ojo y distinguir automáticamente entre RD saludable, moderada y severa. El modelo propuesto combina el uso de la arquitectura ConvNet tomada de ImageNet, la augmentación de datos, el balanceo de clases y el aprendizaje por transferencia con el fin de establecer una prueba de referencia. Se observa una mejora significativa a nivel de la clase media, que corresponde a la etapa temprana de la RD, que era el principal problema en estudios anteriores. Al eliminar la necesidad de especialistas en retina y ampliar el acceso a la atención retinal, el modelo propuesto es sustancialmente más robusto en la clasificación y detección objetiva temprana de la RD.