# A inteligência artificial é precisa para detectar retinose pigmentar em exames de imagem oftalmológica?

> Uma revisão sistemática e meta-análise com 10 estudos e 920.162 imagens mostrou que a inteligência artificial apresenta alta acurácia na detecção de retinose pigmentar, com sensibilidade agrupada de 0,985 e especificidade de 0,993. A área sob a curva ROC foi de 0,999, indicando excelente desempenho diagnóstico, com baixa heterogeneidade entre os estudos.

Estudo citado: Musleh AM, AlRyalat SA, Abid MN, Salem Y, Hamila HM, Sallam AB. Diagnostic accuracy of artificial intelligence in detecting retinitis pigmentosa: A systematic review and meta-analysis. Survey of ophthalmology. 2024. DOI: https://doi.org/10.1016/j.survophthal.2023.11.010. PubMed: https://pubmed.ncbi.nlm.nih.gov/38042377/

## Resposta

A retinose pigmentar é uma doença oftalmológica que frequentemente passa despercebida em estágios iniciais. Nesse contexto, ferramentas de inteligência artificial (IA) têm sido investigadas para auxiliar no diagnóstico precoce. Uma revisão sistemática e meta-análise avaliou a acurácia diagnóstica da IA na detecção de retinose pigmentar utilizando diversas modalidades de imagem oftalmológica, como tomografia de coerência óptica (OCT) e retinografia.

Os autores realizaram uma busca sistemática nas bases PubMed, Scopus e Web of Science até 31 de dezembro de 2022. Foram incluídos estudos em inglês que utilizaram qualquer modalidade de imagem oftalmológica, qualquer tecnologia de IA, tiveram pelo menos um especialista em oftalmologia como padrão de referência e propuseram um algoritmo de IA capaz de distinguir imagens com e sem características de retinose pigmentar. A qualidade metodológica foi avaliada, e as medidas de acurácia consideradas foram sensibilidade, especificidade e área sob a curva (AUC).

Um total de 14 estudos foi incluído na análise qualitativa e 10 na análise quantitativa. A meta-análise envolveu 920.162 imagens. Os resultados mostraram que a IA apresentou excelente desempenho na detecção de retinose pigmentar, com sensibilidade agrupada de 0,985 (IC 95%: 0,948-0,996) e especificidade de 0,993 (IC 95%: 0,982-0,997). A área sob a curva ROC (AUROC), calculada por modelo de efeitos aleatórios, foi de 0,999 (IC 95%: 0,998-1,000; P < 0,001).

A heterogeneidade entre os estudos foi baixa, com I² de 19,94% para sensibilidade e 21,07% para especificidade. O teste bivariado de I² também indicou baixo grau de heterogeneidade (20,33%). Os autores concluíram que há evidências que apoiam a acurácia da IA na detecção de retinose pigmentar, embora o nível de heterogeneidade entre os estudos tenha sido baixo.

Esses achados sugerem que a IA pode ser uma ferramenta útil para auxiliar oftalmologistas no diagnóstico de retinose pigmentar, especialmente em estágios iniciais. No entanto, a implementação clínica requer consideração de aspectos como validação externa, diversidade de populações e integração com fluxos de trabalho existentes.

## O que o estudo mostrou

Revisão sistemática e meta-análise que incluiu 14 estudos na análise qualitativa e 10 na quantitativa, totalizando 920.162 imagens. Estudos usaram modalidades como OCT e retinografia, com padrão de referência de especialista em oftalmologia. A IA mostrou sensibilidade agrupada de 0,985 (IC 95%: 0,948-0,996), especificidade de 0,993 (IC 95%: 0,982-0,997) e AUROC de 0,999 (IC 95%: 0,998-1,000; P < 0,001). Heterogeneidade baixa (I² = 19,94% para sensibilidade e 21,07% para especificidade).

## Limitações

O resumo não informa detalhes sobre as limitações dos estudos primários, como vieses de seleção ou variações nos algoritmos de IA. A baixa heterogeneidade relatada pode não capturar diferenças clínicas relevantes. Além disso, o resumo não fornece informações sobre a população de pacientes ou a aplicabilidade dos resultados em diferentes contextos clínicos.

## Aplicação no consultório

Os achados podem incentivar oftalmologistas a considerar o uso de ferramentas de IA como apoio diagnóstico na detecção de retinose pigmentar, especialmente em casos incipientes. Para a gestão do consultório, isso implica avaliar a incorporação de tecnologias de imagem com algoritmos validados, investir em treinamento da equipe e garantir que o padrão de referência seja sempre a avaliação especializada. A implementação deve ser cautelosa, considerando a necessidade de validação local e integração com o fluxo de atendimento.

## Perguntas para aprofundar

- Qual é o desempenho da inteligência artificial na detecção de retinose pigmentar em diferentes modalidades de imagem?
- Como a heterogeneidade entre estudos pode influenciar a aplicação clínica da IA na retinose pigmentar?
- Quais são os desafios para implementar ferramentas de IA no diagnóstico de retinose pigmentar na prática oftalmológica?

Tema: IA em oftalmologia e retinopatia. Página: https://alphadoctor.com.br/ciencia/ia-oftalmologia/a-inteligencia-artificial-e-precisa-para-detectar-retinose-pigmentar-em-exames/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.