# O aprendizado de máquina é mais preciso que o olho humano na detecção de descolamento de retina?

> Em meta-análise de 20 estudos e 69 modelos, o aprendizado de máquina mostrou sensibilidade agrupada de 95,7% e especificidade de 99,2% para descolamento de retina. Modelos de aprendizado profundo superaram os de aprendizado de máquina, e a imagem de fundo teve melhor desempenho. A heterogeneidade foi significativa, e a validação externa é essencial antes da adoção clínica.

Estudo citado: Łajczak P, Łajczak A. Sharper than human eyes? A systematic review and meta-analysis of machine learning for retinal detachment detection. European journal of ophthalmology. 2026. DOI: https://doi.org/10.1177/11206721261419673. PubMed: https://pubmed.ncbi.nlm.nih.gov/41666118/

## Resposta

A detecção precoce do descolamento de retina é decisiva para evitar perda visual, e a interpretação manual de exames de imagem impõe limitações. Esta revisão sistemática com meta-análise de acurácia diagnóstica avaliou o uso de aprendizado de máquina e aprendizado profundo para identificar descolamento de retina em diferentes modalidades de imagem, seguindo as diretrizes PRISMA 2018.

Foram incluídos 20 estudos, com 69 modelos analisados. A sensibilidade agrupada foi de 95,7% (IC 95%: 94,1-96,9%) e a especificidade agrupada de 99,2% (IC 95%: 98,7-99,5%), indicando alta acurácia diagnóstica. Modelos de aprendizado profundo apresentaram sensibilidade de 96,3% e especificidade de 99,4%, superando os modelos de aprendizado de máquina, com 92,7% e 96,7%, respectivamente.

Modelos que utilizaram imagem de fundo mostraram desempenho superior, com sensibilidade de 97,3% e especificidade de 99,5%. No entanto, foi observada heterogeneidade significativa (I2 > 90%). A validação externa aumentou a especificidade, mas evidenciou desafios de generalização relacionados a vieses na seleção de pacientes e à qualidade dos dados.

Para o médico, os achados indicam que a tecnologia tem potencial para apoiar a triagem e o diagnóstico do descolamento de retina, especialmente com aprendizado profundo e imagem de fundo. Ainda assim, a heterogeneidade elevada e os vieses identificados limitam a transposição direta para a prática. A incorporação clínica depende de padronização, validação multicêntrica e avaliação de custo-efetividade, conforme apontado pelos autores.

## O que o estudo mostrou

Trata-se de uma meta-análise de acurácia diagnóstica conduzida conforme as diretrizes PRISMA 2018, que incluiu 20 estudos identificados em bases de dados e busca manual. Foram analisados 69 modelos de aprendizado de máquina para detecção de descolamento de retina. A sensibilidade agrupada foi de 95,7% e a especificidade de 99,2%. Modelos de aprendizado profundo e de imagem de fundo apresentaram melhor desempenho. Houve heterogeneidade significativa (I2 > 90%).

## Limitações

O resumo relata heterogeneidade significativa entre os estudos (I2 > 90%) e destaca vieses na seleção de pacientes e na qualidade dos dados, que dificultam a generalização. A validação externa, embora tenha aumentado a especificidade, evidenciou esses desafios. O resumo não informa detalhes sobre o desenho individual dos estudos incluídos nem sobre a população exata analisada.

## Aplicação no consultório

Os achados apoiam a expectativa de que ferramentas de aprendizado de máquina possam auxiliar na triagem e no diagnóstico do descolamento de retina, sobretudo com aprendizado profundo e imagem de fundo. Na prática e na gestão do consultório, isso sugere planejar a incorporação dessas ferramentas com cautela, priorizando validação local, padronização de protocolos de imagem e avaliação de custo-efetividade antes de adotá-las na rotina.

## Perguntas para aprofundar

- Como o aprendizado profundo se compara ao aprendizado de máquina na detecção de descolamento de retina?
- Qual modalidade de imagem oferece melhor desempenho para modelos de aprendizado de máquina na detecção de descolamento de retina?
- Quais fatores limitam a generalização dos modelos de aprendizado de máquina para descolamento de retina na prática clínica?

Tema: IA em oftalmologia e retinopatia. Página: https://alphadoctor.com.br/ciencia/ia-oftalmologia/o-aprendizado-de-maquina-e-mais-preciso-que-o-olho-humano-na-deteccao-de/

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