Modelos de inteligência artificial baseados em OCT podem prever o campo visual no glaucoma?
Resposta curta: Sim, modelos de inteligência artificial aplicados ao OCT mostram desempenho favorável na predição de índices globais do campo visual, sensibilidade ponto a ponto e progressão longitudinal, mas o desempenho varia conforme tarefa, dados, dispositivo, padrão de campo visual, validação e métricas. Há queda no glaucoma avançado e limitação pelo alcance estreito do OCT.
Resposta
A revisão sistemática identificou 36 estudos que aplicaram técnicas de inteligência artificial para prever alterações do campo visual a partir de mudanças estruturais detectadas pela tomografia de coerência óptica (OCT) em pacientes com glaucoma. Os resultados indicam que esses modelos podem predizer índices globais do campo visual, sensibilidade ponto a ponto e progressão longitudinal, com desempenho favorável em várias tarefas.
No entanto, o desempenho dos modelos variou consideravelmente entre os estudos, refletindo diferenças nas tarefas de predição, nos conjuntos de dados utilizados, nos dispositivos de OCT, nos padrões de campo visual, nos desenhos de validação e nas métricas de avaliação. Essa heterogeneidade dificulta a comparação direta entre os modelos e a definição de qual abordagem é superior.
Diversas técnicas de visualização, como mapas de calor, simulação de mapas de estrutura-função e mapas de oclusão, foram empregadas para interpretar as predições dos modelos. Os mapas de estrutura-função gerados mostraram-se consistentes com o entendimento clínico atual da relação entre estrutura e função no glaucoma, o que reforça a plausibilidade biológica das predições.
Apesar do potencial, os modelos atuais de inteligência artificial apresentam limitações importantes: o desempenho geralmente diminui no glaucoma avançado e é restringido pelo alcance estreito de varredura do OCT. Para que esses modelos possam ser implantados na prática clínica, os autores concluem que é necessário construir modelos capazes de prever mapas de probabilidade de desvio padrão a partir de varreduras volumétricas de OCT de campo amplo.
Assim, a revisão destaca avanços, mas também aponta lacunas que precisam ser superadas antes da aplicação clínica rotineira, especialmente no que se refere à validação externa, à padronização de métricas e à ampliação do campo de varredura do OCT.
O que o estudo mostrou
Trata-se de uma revisão sistemática que buscou estudos nas bases PubMed, Scopus, Web of Science e Embase, selecionando 36 estudos para análise. Os achados mostram que modelos de inteligência artificial baseados em OCT apresentaram desempenho favorável na predição de índices globais do campo visual, sensibilidade ponto a ponto e progressão longitudinal, embora o desempenho tenha variado entre tarefas, conjuntos de dados, dispositivos de OCT, padrões de campo visual, desenhos de validação e métricas. Técnicas de visualização foram usadas para interpretar as predições, e os mapas de estrutura-função gerados mostraram-se consistentes com o conhecimento clínico atual.
Limitações
O resumo não informa detalhes sobre as características dos estudos incluídos, como tamanho amostral, população ou critérios de inclusão e exclusão. Os próprios autores apontam que os modelos atuais têm desempenho reduzido no glaucoma avançado e são limitados pelo alcance estreito de varredura do OCT. Além disso, a heterogeneidade entre estudos e a falta de padronização de métricas e validação dificultam conclusões definitivas sobre a superioridade de um modelo.
Aplicação no consultório
Para o oftalmologista, a revisão indica que ferramentas de inteligência artificial para predição do campo visual a partir do OCT ainda não estão prontas para uso clínico rotineiro, especialmente em glaucoma avançado. Na gestão do consultório, isso significa cautela ao incorporar tais tecnologias e necessidade de avaliar a validade externa dos modelos antes de adotá-los. A interpretação dos mapas de estrutura-função gerados deve ser feita com base no conhecimento clínico, e a limitação do campo de varredura do OCT deve ser considerada ao solicitar exames.
Estudo citado
Artificial intelligence and glaucoma structure-function map: a systematic review. BMC ophthalmology, 2026.
Autores: Wang D, Yang Z, Song D, Li Z, Zhou F, Zhang Y, Jiang J, Kong K, Fang Z, Liu X, Li F, Zhang X.
DOI: 10.1186/s12886-026-05175-z · PubMed: PMID 42958112
Perguntas para aprofundar
- Como a inteligência artificial pode auxiliar na interpretação da relação estrutura-função no glaucoma?
- Quais são as limitações dos modelos de IA baseados em OCT para prever o campo visual no glaucoma avançado?
- O que falta para que os modelos de IA de estrutura-função sejam aplicados na prática clínica do glaucoma?
Mais sobre IA em oftalmologia e retinopatia
- A inteligência artificial aplicada à OCT e OCTA é eficaz na detecção de retinopatia diabética?
- A inteligência artificial melhora a acurácia no rastreamento e diagnóstico do edema macular diabético?
- A inteligência artificial já é útil para o diagnóstico diferencial de neurite óptica e papiledema na prática clínica?
- Redes adversárias generativas (GANs) podem melhorar o treinamento de algoritmos diagnósticos em oftalmologia quando faltam dados anotados?
- A inteligência artificial aplicada à tomografia de coerência óptica é eficaz no diagnóstico de edema macular cistoide incomum?
Todas as perguntas sobre IA em oftalmologia e retinopatia · Todos os temas · Versão em markdown