A triagem de retinopatia diabética por inteligência artificial em imagens de fundo de campo ultra-amplo tem desempenho diagnóstico confiável?
Resposta curta: Nesta revisão sistemática com meta-análise, a triagem de retinopatia diabética por inteligência artificial com imagens de campo ultra-amplo mostrou sensibilidade sumária de 85,0%, especificidade de 72,5% e área sob a curva ROC de 0,870 (0,838-0,897). Os autores consideram a sensibilidade aceitável, mas a especificidade limitada, e recomendam cautela pela escassez de estudos.
Resposta
Esta revisão sistemática com meta-análise reuniu evidências sobre o desempenho diagnóstico de avaliações de retinopatia diabética conduzidas por inteligência artificial a partir de imagens de fundo de campo ultra-amplo. Os autores buscaram estudos em PubMed, Scopus, Cochrane Library e Web of Science até fevereiro de 2025, seguindo as diretrizes PRISMA e avaliando a qualidade pelo Joanna Briggs Institute Critical Appraisal Checklist para acurácia diagnóstica.
Foram identificados 527 registros, dos quais 17 estudos entraram na revisão sistemática e quatro na meta-análise. Todos os estudos utilizaram software Optos. Entre os incluídos, dois avaliaram a discriminação de retinopatia diabética frente a múltiplos distúrbios retinianos, seis trataram da classificação de estágio conforme escalas de diretrizes, seis avaliaram triagem, e um estudo cada abordou detecção de patologia retiniana referenciável, predição de progressão e detecção de características clínicas da retinopatia diabética.
Na meta-análise, a sensibilidade sumária, a especificidade sumária e a área sob a curva ROC para triagem de retinopatia diabética por inteligência artificial com imagens de campo ultra-amplo foram, respectivamente, 85,0%, 72,5% e 0,870 (0,838-0,897). Os autores concluem que a triagem baseada nessas imagens pode alcançar sensibilidade aceitável, porém com especificidade limitada.
Os próprios autores ponderam que esses achados devem ser interpretados com cautela, dado o número limitado de estudos disponíveis. Recomendam estudos adicionais com conjuntos de dados maiores e diversificados, com validação externa rigorosa entre diferentes plataformas de campo ultra-amplo, para melhorar a generalização e esclarecer o papel clínico da triagem por inteligência artificial nesse contexto.
O que o estudo mostrou
Revisão sistemática com meta-análise que buscou estudos em PubMed, Scopus, Cochrane Library e Web of Science até fevereiro de 2025. De 527 registros identificados, 17 estudos foram incluídos na revisão sistemática e quatro na meta-análise, todos usando software Optos. A sensibilidade sumária foi 85,0%, a especificidade sumária 72,5% e a área sob a curva ROC 0,870 (0,838-0,897), com sensibilidade aceitável e especificidade limitada.
Limitações
O resumo informa que o número de estudos disponíveis é limitado, o que levou os autores a recomendar cautela na interpretação dos achados. Também aponta a necessidade de estudos com conjuntos de dados maiores e diversificados e de validação externa rigorosa entre diferentes plataformas de campo ultra-amplo. O resumo não detalha a amostra total de pacientes nem as limitações individuais dos estudos incluídos.
Aplicação no consultório
Para o oftalmologista, os dados sugerem que a triagem por inteligência artificial em imagens de campo ultra-amplo pode apoiar a identificação de retinopatia diabética, mas a especificidade limitada implica risco de resultados falso-positivos e necessidade de confirmação clínica. Na gestão do consultório, isso reforça a importância de manter avaliação médica das imagens e de não substituir o exame clínico pela ferramenta. A padronização de equipamentos e a validação local devem ser consideradas antes da incorporação rotineira.
Estudo citado
ULTRAWIDE-FIELD COLOR FUNDUS IMAGES AND ARTIFICIAL INTELLIGENCE FOR DIAGNOSIS OF DIABETIC RETINOPATHY: A Systematic Review and Meta-Analysis. Retina (Philadelphia, Pa.), 2026.
Autores: Hirosawa K, Inomata T, Nagino K, Sung J, Midorikawa-Inomata A, Eguchi A, Fujio K, Kobayashi H, Nakao S.
DOI: 10.1097/IAE.0000000000004939 · PubMed: PMID 42497322
Perguntas para aprofundar
- Qual é a acurácia diagnóstica da inteligência artificial na triagem de retinopatia diabética em imagens de campo ultra-amplo?
- A especificidade limitada da triagem por inteligência artificial em campo ultra-amplo aumenta o risco de falso-positivos na prática clínica?
- Quais plataformas de imagem de campo ultra-amplo já foram validadas para triagem de retinopatia diabética por inteligência artificial?
Mais sobre IA em oftalmologia e retinopatia
- Qual é o desempenho de métodos de inteligência artificial baseados em redes neurais profundas no rastreamento de retinopatia diabética?
- A inteligência artificial com deep learning é precisa para rastrear retinopatia diabética referível?
- A triagem inicial de retinopatia diabética com inteligência artificial aumenta a adesão ao seguimento em comparação com a avaliação por especialistas humanos?
- Qual é o desempenho e as limitações dos algoritmos de aprendizado de máquina no rastreamento da retinopatia diabética e como aplicá-los na gestão em saúde?
- Qual é a acurácia diagnóstica do IDX-DR para detectar retinopatia diabética em adultos com diabetes?
Todas as perguntas sobre IA em oftalmologia e retinopatia · Todos os temas · Versão em markdown