Qual é o desempenho de métodos de inteligência artificial baseados em redes neurais profundas no rastreamento de retinopatia diabética?
Resposta curta: Uma revisão sistemática com meta-análise mostrou que redes neurais profundas apresentam sensibilidade agrupada de 91,9% e especificidade de 91,3% para detectar retinopatia diabética moderada ou pior e edema macular diabético, usando imagens de fundo de olho e julgamento de oftalmologistas como referência.
Resposta
A retinopatia diabética é uma complicação frequente do diabetes e o rastreamento precoce é essencial para prevenir perda visual. Sistemas automatizados baseados em redes neurais têm sido propostos para auxiliar nesse rastreamento, mas faltava uma síntese quantitativa do desempenho desses métodos. Esta revisão sistemática com meta-análise buscou estimar a sensibilidade e especificidade de redes neurais na classificação da retinopatia diabética.
Foram incluídos estudos que avaliaram o desempenho de redes neurais na detecção de retinopatia diabética moderada ou pior, ou edema macular diabético, utilizando imagens de fundo de olho e tendo o julgamento de oftalmologistas como padrão de referência. A busca abrangeu as bases Medline, Embase, IEEE Xplore e Cochrane Library até 23 de julho de 2019. Dois revisores extraíram os dados independentemente e avaliaram o risco de viés com a ferramenta QUDAS-2.
A meta-análise de efeitos aleatórios, usando o modelo hierárquico de características operacionais do receptor (HSROC) de Rutter e Gatsonis, incluiu os estudos elegíveis. A sensibilidade agrupada foi de 91,9% (IC 95%: 89,6% a 94,3%) e a especificidade de 91,3% (IC 95%: 89,0% a 93,5%). Esses resultados indicam que as redes neurais de última geração podem detectar efetivamente a retinopatia diabética clinicamente significativa.
Análises de subgrupo e meta-regressão não encontraram achados estatisticamente significativos para explicar a heterogeneidade da acurácia diagnóstica entre estudos com diferentes resoluções de imagem, tamanhos de amostra de treinamento, arquiteturas de redes neurais convolucionais ou critérios diagnósticos. Os autores concluem que, para melhorar ainda mais a acurácia diagnóstica, pode ser necessário desenvolver novos algoritmos em vez de simplesmente aumentar o tamanho das amostras de treinamento ou otimizar a qualidade da imagem.
Para o médico brasileiro, esses achados sugerem que a inteligência artificial pode ser uma ferramenta útil no rastreamento da retinopatia diabética, mas a implementação na prática clínica requer consideração de fatores como a população atendida, a qualidade das imagens e a integração com o julgamento clínico. O resumo não fornece detalhes sobre custo-efetividade ou aplicabilidade em diferentes contextos de saúde.
O que o estudo mostrou
Revisão sistemática com meta-análise que avaliou o desempenho de redes neurais na detecção de retinopatia diabética moderada ou pior e edema macular diabético, usando imagens de fundo de olho e julgamento de oftalmologistas como referência. A sensibilidade agrupada foi de 91,9% (IC 95%: 89,6% a 94,3%) e a especificidade de 91,3% (IC 95%: 89,0% a 93,5%). Análises de subgrupo e meta-regressão não identificaram fatores estatisticamente significativos para a heterogeneidade.
Limitações
O resumo não informa detalhes sobre as limitações dos estudos incluídos, como viés de seleção ou variação nos critérios de referência. A heterogeneidade não foi explicada pelas variáveis analisadas, e não há informações sobre a aplicabilidade dos resultados em diferentes populações ou contextos clínicos. O resumo também não menciona a qualidade metodológica geral dos estudos ou possíveis conflitos de interesse.
Aplicação no consultório
Os achados apoiam o uso potencial de sistemas de inteligência artificial baseados em redes neurais como ferramenta auxiliar no rastreamento da retinopatia diabética, desde que validados localmente. Na gestão do consultório, isso pode significar a incorporação de tecnologias de triagem para agilizar encaminhamentos, mas é crucial manter o julgamento clínico e considerar a necessidade de treinamento da equipe e adequação dos equipamentos de imagem.
Estudo citado
Performance of deep neural network-based artificial intelligence method in diabetic retinopathy screening: a systematic review and meta-analysis of diagnostic test accuracy. European journal of endocrinology, 2020.
Autores: Wang S, Zhang Y, Lei S, Zhu H, Li J, Wang Q, Yang J, Chen S, Pan H.
DOI: 10.1530/EJE-19-0968 · PubMed: PMID 32504495
Perguntas para aprofundar
- Como a inteligência artificial pode auxiliar no rastreamento da retinopatia diabética na atenção primária?
- Quais são os desafios para implementar sistemas de triagem automatizada de retinopatia diabética no Brasil?
- A acurácia das redes neurais é suficiente para substituir o exame oftalmológico no rastreamento da retinopatia diabética?
Mais sobre IA em oftalmologia e retinopatia
- A triagem de retinopatia diabética por inteligência artificial em imagens de fundo de campo ultra-amplo tem desempenho diagnóstico confiável?
- A inteligência artificial com deep learning é precisa para rastrear retinopatia diabética referível?
- A inteligência artificial é eficaz no rastreamento e na classificação de doenças oculares relacionadas ao diabetes?
- Qual é o desempenho e as limitações dos algoritmos de aprendizado de máquina no rastreamento da retinopatia diabética e como aplicá-los na gestão em saúde?
- Qual é a acurácia diagnóstica do IDX-DR para detectar retinopatia diabética em adultos com diabetes?
Todas as perguntas sobre IA em oftalmologia e retinopatia · Todos os temas · Versão em markdown