# Algoritmos de aprendizado profundo são confiáveis para detectar edema macular diabético em imagens de OCT e de fundo de olho?

> Sim, segundo esta meta-análise. A sensibilidade geral foi de 96% para OCT e 94% para imagens de fundo de olho, com AUROC de 0,9727. Os resultados sugerem que esses modelos podem ter utilidade clínica, especialmente em sistemas de saúde com recursos limitados, mas o resumo não detalha limitações metodológicas.

Estudo citado: Manikandan S, Raman R, Rajalakshmi R, Tamilselvi S, Surya RJ. Deep learning-based detection of diabetic macular edema using optical coherence tomography and fundus images: A meta-analysis. Indian journal of ophthalmology. 2023. DOI: https://doi.org/10.4103/IJO.IJO_2614_22. PubMed: https://pubmed.ncbi.nlm.nih.gov/37203031/

## Resposta

O edema macular diabético é uma causa importante de perda visual em idade produtiva. Métodos de aprendizado profundo têm sido desenvolvidos para detectar a condição a partir de imagens bidimensionais de retina e de tomografia de coerência óptica (OCT). A performance desses algoritmos varia e muitas vezes gera dúvida sobre sua utilidade clínica.

Esta meta-análise reuniu 53 estudos que avaliaram modelos de aprendizado profundo em um total de 1.414.169 volumes de OCT, B-scans, pacientes e 472.328 imagens de fundo de olho. A área sob a curva ROC global foi de 0,9727. A sensibilidade geral para detectar edema macular diabético usando imagens de OCT foi de 96% (IC 95%: 0,94-0,98) e, usando imagens de fundo de olho, foi de 94% (IC 95%: 0,90-0,96).

Os autores também analisaram diversos modelos de aprendizado profundo quanto à precisão, épocas de treinamento, capacidade de detectar anomalias com menos dados de treinamento, conceitos e desafios que aprofundam as aplicações. O objetivo foi fornecer informações pertinentes a grupos de pesquisa, profissionais de saúde e pacientes diabéticos sobre as aplicações de aprendizado profundo no processo de detecção e classificação de imagens de retina.

Em sistemas de saúde com recursos limitados, esses algoritmos podem desempenhar um papel importante na determinação de encaminhamento e tratamento. No entanto, o resumo não informa detalhes sobre a população dos estudos, o desenho individual de cada um, ou possíveis vieses de publicação e heterogeneidade, o que limita conclusões mais definitivas sobre a aplicabilidade clínica imediata.

Para o médico, os achados indicam que a tecnologia tem potencial para auxiliar na triagem e no diagnóstico, mas a implementação requer validação local e consideração das limitações metodológicas. A decisão clínica deve permanecer baseada no julgamento profissional, integrando os resultados dos algoritmos como ferramenta auxiliar e não como substituto da avaliação clínica.

## O que o estudo mostrou

Trata-se de uma meta-análise que incluiu 53 estudos, avaliando a performance de modelos de aprendizado profundo para detecção de edema macular diabético. Foram analisados 1.414.169 volumes de OCT, B-scans, pacientes e 472.328 imagens de fundo de olho. A AUROC global foi de 0,9727. A sensibilidade geral foi de 96% (IC 95%: 0,94-0,98) para OCT e 94% (IC 95%: 0,90-0,96) para imagens de fundo de olho. O resumo não informa a sensibilidade específica, especificidade ou outros parâmetros de desempenho.

## Limitações

O resumo não informa as características dos estudos incluídos, como desenho, população, critérios de inclusão, ou possíveis fontes de heterogeneidade e viés de publicação. Também não são apresentados dados sobre especificidade, valores preditivos ou desempenho em diferentes subgrupos. Essas lacunas limitam a generalização dos achados e a avaliação da robustez da meta-análise.

## Aplicação no consultório

Os resultados sugerem que algoritmos de aprendizado profundo podem auxiliar na triagem de edema macular diabético, especialmente em contextos com recursos limitados, ajudando a priorizar encaminhamentos e tratamentos. No consultório, o médico pode considerar o uso dessas ferramentas como apoio à decisão, mas deve estar atento à necessidade de validação local e à interpretação crítica dos resultados. A gestão do consultório pode se beneficiar da incorporação de tecnologias de triagem para otimizar fluxos de atendimento, desde que haja infraestrutura adequada e treinamento da equipe.

## Perguntas para aprofundar

- Qual é a especificidade dos modelos de aprendizado profundo para detectar edema macular diabético?
- Como esses algoritmos se comportam em diferentes populações e configurações de imagem?
- Quais são os desafios para implementar esses modelos na prática clínica em larga escala?

Tema: IA em oftalmologia e retinopatia. Página: https://alphadoctor.com.br/ciencia/ia-oftalmologia/algoritmos-de-aprendizado-profundo-sao-confiaveis-para-detectar-edema-macular/

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