# Modelos de inteligência artificial têm bom desempenho diagnóstico para membrana epirretiniana?

> Sim. Em meta-análise, modelos de IA mostraram alta sensibilidade (90,1%) e especificidade (95,7%) para diagnosticar membrana epirretiniana, com melhor especificidade usando fotografias coloridas de fundo de olho (97,1%) do que tomografia de coerência óptica (92,6%). Porém, a validação externa foi realizada em apenas 26,9% dos estudos, limitando a aplicabilidade clínica imediata.

Estudo citado: Mikhail D, Gao A, Farah A, Mihalache A, Milad D, Antaki F et al.. Performance of Artificial Intelligence-Based Models for Epiretinal Membrane Diagnosis: A Systematic Review and Meta-Analysis. American journal of ophthalmology. 2025. DOI: https://doi.org/10.1016/j.ajo.2025.05.041. PubMed: https://pubmed.ncbi.nlm.nih.gov/40456398/

## Resposta

A membrana epirretiniana é uma condição que pode comprometer a visão central ao formar uma camada fibrosa pré-retiniana na retina interna. Com o envelhecimento populacional, espera-se aumento da prevalência, sobrecarregando os serviços de saúde. Ferramentas de inteligência artificial (IA) podem agilizar o diagnóstico, reduzir erros subjetivos e orientar intervenções cirúrgicas oportunas.

Esta revisão sistemática e meta-análise avaliou o desempenho diagnóstico agrupado de modelos de IA para detectar membrana epirretiniana e identificou fatores que influenciam sua performance. Foram incluídos 26 estudos, dos quais 19 contribuíram para a meta-análise. A sensibilidade agrupada foi de 90,1% (IC 95%: 85,8-93,2) e a especificidade de 95,7% (IC 95%: 88,8-95,2), indicando alta acurácia diagnóstica.

A análise de subgrupos mostrou que modelos baseados em fotografias coloridas de fundo de olho apresentaram especificidade de 97,1% (IC 95%: 96,0-97,9), superior à da tomografia de coerência óptica, que foi de 92,6% (IC 95%: 88,8-95,2). A maioria dos estudos foi conduzida em ambiente hospitalar (76,9%), com menor participação de centros comunitários (7,7%) e departamentos acadêmicos de ciência da computação e biomédica (15,4%).

A qualidade metodológica foi avaliada como baixa ou incerta em 95% dos estudos, e a validação externa foi realizada em apenas 26,9% deles. Todos os estudos usaram avaliação humana especializada como padrão de referência, e em 96,2% a modalidade de imagem foi a mesma da entrada da IA. A proporção de casos de membrana epirretiniana nos conjuntos de desenvolvimento variou entre os estudos, especialmente entre modelos de doença única e multiclasse.

Os achados sugerem que modelos de IA têm alto desempenho diagnóstico para membrana epirretiniana, mas a limitada validação externa e a variabilidade nos métodos de desenvolvimento restringem a comparação direta entre modelos e a aplicabilidade no mundo real. Trabalhos futuros devem padronizar práticas de desenvolvimento e relato, melhorar a interoperabilidade de dados e criar modelos preditivos para acompanhar a progressão da doença e determinar o momento cirúrgico ideal.

## O que o estudo mostrou

Revisão sistemática e meta-análise que incluiu 26 estudos (19 na meta-análise) sobre modelos de IA para diagnóstico de membrana epirretiniana. A sensibilidade agrupada foi de 90,1% (IC 95%: 85,8-93,2) e a especificidade de 95,7% (IC 95%: 88,8-95,2). A especificidade foi maior com fotografias coloridas de fundo de olho (97,1%) do que com tomografia de coerência óptica (92,6%). A validação externa ocorreu em 26,9% dos estudos. A qualidade metodológica foi baixa ou incerta em 95% dos estudos.

## Limitações

O resumo não informa detalhes sobre a população dos estudos nem sobre possíveis vieses de publicação. A principal limitação apontada é a validação externa restrita (26,9% dos estudos) e a variabilidade nos métodos de desenvolvimento dos modelos, o que dificulta a comparação direta entre eles e a aplicação clínica imediata. Além disso, a qualidade metodológica foi baixa ou incerta em 95% dos estudos.

## Aplicação no consultório

Os resultados indicam que modelos de IA podem auxiliar no diagnóstico de membrana epirretiniana com alta sensibilidade e especificidade, especialmente com fotografias coloridas de fundo de olho. No entanto, a limitada validação externa e a heterogeneidade metodológica exigem cautela antes da incorporação rotineira. Para o oftalmologista, a IA pode servir como ferramenta de triagem ou apoio, mas não substitui a avaliação clínica. Na gestão do consultório, investir em tecnologias validadas e com boa interoperabilidade pode otimizar fluxos, mas é preciso considerar a necessidade de padronização e treinamento.

## Perguntas para aprofundar

- Qual a acurácia diagnóstica da inteligência artificial para membrana epirretiniana em diferentes modalidades de imagem?
- Quais fatores influenciam o desempenho de modelos de IA no diagnóstico de membrana epirretiniana?
- A validação externa de modelos de IA para membrana epirretiniana é suficiente para uso clínico?

Tema: IA em oftalmologia e retinopatia. Página: https://alphadoctor.com.br/ciencia/ia-oftalmologia/modelos-de-inteligencia-artificial-tem-bom-desempenho-diagnostico-para-membrana/

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