Resenha do artigo:
Dos Reis MA, Künas CA, da Silva Araújo T, Schneiders J, de Azevedo PB, Nakayama LF, Rados DRV, Umpierre RN, Berwanger O, Lavinsky D, Malerbi FK, Navaux POA, Schaan BD. Advancing healthcare with artificial intelligence: diagnostic accuracy of machine learning algorithm in diagnosis of diabetic retinopathy in the Brazilian population. Diabetol Metab Syndr. 2024 Aug 29;16(1):209. doi: 10.1186/s13098-024-01447-0. PMID: 39210394; PMCID: PMC11360296.
A prevalência de diabetes tipo 2 tem aumentado globalmente, com estimativas indicando que cerca de 537 milhões de pessoas apresentavam o diagnóstico em 2021, número que deverá superar 1,31 bilhão até 2050. No Brasil, 12% da população tem diabetes; a retinopatia diabética é uma complicação frequente e a principal causa de cegueira evitável na população economicamente ativa. Embora o diagnóstico precoce possa prevenir a perda da visão em 90% dos casos, apenas pequena parte desses pacientes é rastreada com a frequência recomendada devido à dificuldade de acesso ao rastreio e à limitação do número de oftalmologistas. A inteligência artificial oferece uma solução promissora para automatizar e melhorar a triagem.
Este estudo visou desenvolver e avaliar um algoritmo de inteligência artificial no diagnóstico para retinopatia diabética, utilizando um grande banco de retinografias de brasileiros, comparando o desempenho do algoritmo ao diagnóstico realizado por oftalmologistas.
Como método, foram utilizados dados prospectivos e retrospectivos de pacientes de três instituições públicas e acadêmicas: Serviço de Endocrinologia do Hospital de Clínicas de Porto Alegre, projeto TeleOftalmo do Rio Grande do Sul e Departamento de Oftalmologia da Universidade Federal de São Paulo. As retinografias foram realizadas por técnicos treinados e laudadas por dois oftalmologistas independentes. Um modelo de rede neural foi desenvolvido e treinado em parceria com o Instituto de Informática da UFRGS utilizando as retinografias para classificar as imagens normais daquelas que tinham alguma alteração que necessitava que o paciente fosse encaminhado para um serviço especializado de oftalmologia para avaliação. A análise estatística envolveu a avaliação da acurácia do algoritmo em comparação com o padrão ouro (avaliação por oftalmologistas).
Foram analisadas retinografias de 5.308 indivíduos, incluindo 4.590 pacientes (15.816 imagens) após avaliação de qualidade, das quais 4.191 (26,5%) foram classificadas como referenciáveis, ou seja, que o paciente deveria ser encaminhado para o oftalmologista. Em comparação com avaliadores humanos (método manual de diagnóstico da retinopatia realizado por oftalmologistas), o algoritmo de aprendizado profundo alcançou uma acurácia de 98%, com uma especificidade de 94,6% (IC 95% 93,8–95,3) e uma sensibilidade de 93,5% (IC 95% 92,2–94,9) no ponto de maior eficiência para detectar RD referenciável.
O estudo mostrou que este algoritmo de aprendizado de máquina foi preciso na detecção de retinopatia diabética referenciável. Essa descoberta ajuda sistemas de saúde, como o do Brasil, otimizando os processos de triagem da retinopatia, tornando-a mais ágil e expandindo o acesso aos cuidados. Com a capacidade de processar grandes volumes de imagens rapidamente, a inteligência artificial pode aliviar a sobrecarga dos serviços de saúde e ajudar a identificar precocemente os casos que precisam de atenção especializada, beneficiando assim a população como um todo e potencialmente reduzindo as complicações associadas.
| Elaborada por |
|---|
| Mateus Augusto dos Reis Beatriz D’Agord Schaan |
| Data da Resenha |
|---|
| 16/09/2024 |
| Eixo Temático |
|---|
| Outras Doenças Não-Transmissíveis |
| Eixo Metodológico |
|---|
| Plataforma Metodológica de Apoio à Avaliação e Monitoramento de Tecnologias em Saúde |
