Deep learning é comparável a oftalmologistas no rastreamento de glaucoma em exame de fundo de olho?
Resposta curta: Meta-análise comparou deep learning e oftalmologistas no diagnóstico de glaucoma em fundo de olho nos mesmos dados. Não houve diferença na AUC entre oftalmologistas (82,0; IC 95% 65,4-98,6) e deep learning (97,0; IC 95% 89,4-104,5). Desempenho semelhante, mas são necessários mais estudos clínicos.
Resposta
O estudo é uma revisão sistemática e meta-análise que buscou comparar o desempenho do deep learning com o de oftalmologistas no diagnóstico de glaucoma a partir de exames de fundo de olho. Foram incluídos seis estudos que reportaram AUC ou dados suficientes para calculá-la, todos comparando as duas abordagens nos mesmos conjuntos de dados.
Os resultados principais não mostraram diferença estatisticamente significativa entre as AUCs. A AUC agrupada dos oftalmologistas foi 82,0 (IC 95% 65,4-98,6) e a do deep learning foi 97,0 (IC 95% 89,4-104,5). Análises de sensibilidade com variantes pessimistas e otimistas também não revelaram diferenças, comparando o melhor ou pior desempenho de cada grupo.
Os autores não identificaram fatores que influenciassem esses resultados. A conclusão é que o deep learning teve desempenho semelhante ao dos oftalmologistas no diagnóstico de glaucoma em exames de fundo de olho, mas ressaltam a necessidade de mais estudos em situações clínicas reais.
Para o médico, esses achados sugerem que sistemas de deep learning podem ser uma ferramenta auxiliar promissora no rastreamento de glaucoma, embora a aplicação clínica ainda requeira validação. A interpretação deve considerar as limitações da meta-análise, como o pequeno número de estudos incluídos e a heterogeneidade não explorada.
A aplicação no consultório envolve considerar a incorporação dessas tecnologias como apoio diagnóstico, mas sem substituir o julgamento clínico. A gestão do consultório pode se beneficiar de ferramentas que aumentem a eficiência do rastreamento, desde que devidamente validadas e integradas ao fluxo de atendimento.
O que o estudo mostrou
Revisão sistemática e meta-análise de seis estudos que compararam deep learning e oftalmologistas no diagnóstico de glaucoma em exame de fundo de olho nos mesmos conjuntos de dados. Não houve diferença na AUC entre oftalmologistas (82,0; IC 95% 65,4-98,6) e deep learning (97,0; IC 95% 89,4-104,5). Análises de sensibilidade com variantes pessimistas e otimistas também não mostraram diferenças. Nenhum fator influenciador foi identificado.
Limitações
O resumo não informa o número total de pacientes ou imagens, nem detalhes sobre a qualidade dos estudos incluídos. A meta-análise incluiu apenas seis estudos, o que limita o poder estatístico e a generalização. Não foram identificados fatores que influenciassem os resultados, mas a heterogeneidade entre os estudos não é detalhada. Os autores concluem que mais estudos em situações clínicas são necessários.
Aplicação no consultório
Os achados sugerem que o deep learning pode ter desempenho semelhante ao de oftalmologistas no rastreamento de glaucoma, mas a implementação no consultório deve ser cautelosa. Médicos podem considerar essas ferramentas como apoio, não substituindo a avaliação clínica. A gestão do consultório pode se beneficiar da automação do rastreamento, mas é essencial validar os sistemas localmente e garantir integração adequada. O resumo não fornece informações sobre custo ou facilidade de uso.
Estudo citado
Deep learning versus ophthalmologists for screening for glaucoma on fundus examination: A systematic review and meta-analysis. Clinical & experimental ophthalmology, 2021.
Autores: Buisson M, Navel V, Labbé A, Watson SL, Baker JS, Murtagh P, Chiambaretta F, Dutheil F.
DOI: 10.1111/ceo.14000 · PubMed: PMID 34506041
Perguntas para aprofundar
- Qual é a acurácia do deep learning no diagnóstico de glaucoma em comparação com oftalmologistas em diferentes populações?
- Quais fatores podem influenciar o desempenho do deep learning no rastreamento de glaucoma?
- Como implementar sistemas de deep learning no consultório oftalmológico de forma segura e eficaz?
Mais sobre IA em oftalmologia e retinopatia
- O aprendizado de máquina tem bom desempenho na detecção de glaucoma com imagens de fundo de olho e OCT?
- Algoritmos de deep learning em imagens de fundo de olho são acurados para diagnosticar neuropatia óptica glaucomatosa?
- A inteligência artificial é precisa no diagnóstico de papiledema a partir de imagens de fundo de olho e como se compara a especialistas humanos?
- A triagem de retinopatia diabética por inteligência artificial em imagens de fundo de campo ultra-amplo tem desempenho diagnóstico confiável?
- Aprendizado profundo em OCT e imagens retinianas é eficaz para detectar retinopatia diabética?
Todas as perguntas sobre IA em oftalmologia e retinopatia · Todos os temas · Versão em markdown