A inteligência artificial já é confiável para interpretar eletrorretinogramas na prática clínica?
Resposta curta: A revisão sistemática mostra que a inteligência artificial, especialmente redes neurais artificiais, pode interpretar eletrorretinogramas com acurácia variando de 39,3% a 100% em comparação ao oftalmologista especialista. A variabilidade dos resultados indica que ainda são necessários mais estudos antes da implementação clínica rotineira.
Resposta
O eletrorretinograma é um exame importante para medir a atividade elétrica da retina, mas sua interpretação depende de oftalmologistas subespecializados e pode ser demorada ou difícil de obter pela disponibilidade limitada desses profissionais. A revisão sistemática reuniu estudos que avaliaram a acurácia da inteligência artificial na interpretação desses exames, comparando os resultados ao padrão de um oftalmologista especialista.
Foram recuperados 14 estudos publicados entre 2006 e 2025. O aprendizado de máquina foi a abordagem de inteligência artificial mais utilizada, com taxa de acurácia entre 39,3% e 100%. Entre as ferramentas de aprendizado de máquina, a rede neural artificial foi a mais acurada.
A avaliação de qualidade dos estudos identificou alto risco de viés na seleção de pacientes, mas robustez na metodologia referente ao padrão de referência, ao fluxo e ao tempo. Ou seja, parte dos achados de acurácia pode estar sujeita a limitações metodológicas relacionadas à forma como os pacientes foram selecionados.
Os resultados apontam benefícios potenciais do uso real da inteligência artificial em testes diagnósticos oftalmológicos. No entanto, a variabilidade dos resultados indica a necessidade de investigação adicional antes da implementação clínica.
Para o médico, o tema é relevante porque sinaliza uma possível ferramenta de apoio à interpretação de eletrorretinogramas, mas ainda sem base suficiente para substituir a avaliação do especialista na rotina.
O que o estudo mostrou
Trata-se de uma revisão sistemática que incluiu 14 estudos primários revisados por pares, publicados entre 2006 e 2025, que determinaram a acurácia da inteligência artificial na interpretação de eletrorretinogramas em comparação a um oftalmologista especialista. O aprendizado de máquina foi a abordagem mais usada, com acurácia entre 39,3% e 100%, e a rede neural artificial foi a ferramenta mais acurada. A avaliação de qualidade mostrou alto viés na seleção de pacientes, com robustez no padrão de referência, fluxo e tempo.
Limitações
O resumo não informa detalhes sobre amostras, características dos pacientes ou protocolos dos estudos incluídos. A ampla variação de acurácia, de 39,3% a 100%, e o alto risco de viés na seleção de pacientes limitam a generalização dos achados. Os próprios autores concluem que são necessárias investigações adicionais antes da implementação clínica.
Aplicação no consultório
A inteligência artificial para interpretar eletrorretinogramas ainda não deve ser tratada como substituta da avaliação do oftalmologista subespecializado. Na prática, pode ser vista como tecnologia em avaliação, cuja incorporação depende de mais estudos. Para a gestão do consultório, isso significa cautela antes de investir em ferramentas diagnósticas automatizadas e atenção à disponibilidade de especialistas para laudos.
Estudo citado
Use of Artificial Intelligence in the Interpretation of Electroretinography (ERG) Studies. International journal of molecular sciences, 2026.
Autores: Hegde M, Thomis A, Shirke S.
DOI: 10.3390/ijms27083491 · PubMed: PMID 42074134
Perguntas para aprofundar
- Qual ferramenta de aprendizado de máquina apresentou maior acurácia na interpretação de eletrorretinogramas?
- Quais são os principais riscos de viés nos estudos sobre inteligência artificial em eletrorretinograma?
- Quando a inteligência artificial poderá ser incorporada à rotina diagnóstica oftalmológica?
Mais sobre IA em oftalmologia e retinopatia
- Qual é a acurácia diagnóstica dos classificadores de aprendizado de máquina para degeneração macular relacionada à idade?
- O aprendizado de máquina é mais preciso que o olho humano na detecção de descolamento de retina?
- Como a inteligência artificial pode ser aplicada na predição do diabetes e quais os desafios para a prática clínica?
- Modelos de predição de risco baseados em aprendizado de máquina são úteis para prever a progressão da retinopatia diabética?
- Como a inteligência artificial e o aprendizado de máquina podem prever desfechos clínicos em unidades de terapia intensiva neonatal?
Todas as perguntas sobre IA em oftalmologia e retinopatia · Todos os temas · Versão em markdown