Qual é o desempenho diagnóstico dos métodos de triagem por aprendizado profundo para retinopatia diabética na atenção primária?
Resposta curta: Em meta-análise, a soma da sensibilidade dos estudos incluídos foi de 87% e a especificidade de 90%. Com prevalência de 10% de retinopatia diabética em pacientes com diabetes mellitus tipo 2 na atenção primária, o valor preditivo negativo é de 98% e o valor preditivo positivo é de 49%.
Resposta
Esta meta-análise reuniu a literatura disponível sobre métodos de triagem por aprendizado profundo (deep learning) para retinopatia diabética no cenário da atenção primária. O ponto de partida é relevante para a prática: a retinopatia diabética afeta 10-24% dos pacientes com diabetes mellitus tipo 1 ou 2 no setor de atenção primária, e a detecção precoce é crucial para o tratamento.
Os autores buscaram estudos em Medline, Web of Science e Scopus, com seleção independente por dois pesquisadores. Foram incluídos estudos que avaliavam métodos de aprendizado profundo e a adequação desses sistemas de triagem, considerando parâmetros diagnósticos como sensibilidade e especificidade, além de informações sobre conjuntos de dados e cenário de aplicação. Foram excluídos estudos focados em lesões, que aplicavam ferramentas convencionais de imagem diagnóstica, conduzidos em atenção secundária ou terciária, e publicações que não fossem pesquisas originais em seres humanos.
A síntese dos dados mostrou soma da sensibilidade de 87% e da especificidade de 90% entre os estudos incluídos. Os autores calcularam, ainda, os valores preditivos considerando uma prevalência de retinopatia diabética de 10% em pacientes com diabetes mellitus tipo 2 na atenção primária: o valor preditivo negativo foi de 98% e o valor preditivo positivo, de 49%.
Esses achados sugerem que, nesse cenário de prevalência, um resultado negativo tem alta probabilidade de afastar a doença, enquanto um resultado positivo exige confirmação, dado o valor preditivo positivo mais baixo. A conclusão dos autores é que os métodos de triagem por aprendizado profundo na atenção primária podem potencialmente auxiliar em um diagnóstico acurado e oportuno, mas a base de evidências ainda é heterogênea.
O resumo não informa o número de estudos incluídos nem o tamanho total da amostra, e aponta variação elevada no tamanho das amostras e na qualidade e quantidade de dados disponíveis entre os estudos selecionados. Essas limitações devem ser consideradas ao interpretar os resultados agrupados.
O que o estudo mostrou
Trata-se de uma meta-análise de estudos que avaliaram métodos de triagem por aprendizado profundo para retinopatia diabética na atenção primária, com busca em Medline, Web of Science e Scopus e seleção independente por dois pesquisadores. A soma da sensibilidade dos estudos incluídos foi de 87% e a especificidade foi de 90%. Considerando prevalência de 10% de retinopatia diabética em pacientes com diabetes mellitus tipo 2 na atenção primária, o valor preditivo negativo foi de 98% e o valor preditivo positivo, de 49%. O resumo não informa o número de estudos nem o total de participantes.
Limitações
Os estudos selecionados apresentaram alta variação no tamanho da amostra e na qualidade e quantidade de dados disponíveis. O resumo não informa o número de estudos incluídos, o total de participantes, o desenho individual de cada estudo nem detalhes sobre risco de viés. Essas lacunas limitam a generalização dos resultados agrupados para todos os contextos de atenção primária.
Aplicação no consultório
Para o médico que atua na atenção primária, os dados reforçam que um resultado negativo em sistema de triagem por aprendizado profundo tem alto valor preditivo negativo no cenário de prevalência considerado, o que pode apoiar a organização do fluxo de rastreamento. Já um resultado positivo deve ser interpretado com cautela, dado o valor preditivo positivo de 49%, indicando necessidade de confirmação. Na gestão do consultório, isso orienta a definição de protocolos de encaminhamento e a comunicação com o paciente, sem substituir a avaliação clínica.
Estudo citado
Diagnostic performance of deep-learning-based screening methods for diabetic retinopathy in primary care-A meta-analysis. PloS one, 2021.
Autores: Wewetzer L, Held LA, Steinhäuser J.
DOI: 10.1371/journal.pone.0255034 · PubMed: PMID 34375355
Perguntas para aprofundar
- Como interpretar um resultado positivo de triagem por aprendizado profundo para retinopatia diabética na atenção primária?
- O valor preditivo negativo de 98% permite espaçar o rastreamento de retinopatia diabética em pacientes com diabetes mellitus tipo 2?
- Quais características dos estudos disponíveis limitam a aplicação clínica da triagem por aprendizado profundo na atenção primária?
Mais sobre IA em oftalmologia e retinopatia
- Algoritmos de deep learning são confiáveis para detectar retinopatia diabética em fotografias de fundo de olho?
- Algoritmos de deep learning são confiáveis para triagem de retinopatia diabética em comparação com 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?
- Algoritmos de aprendizado profundo são confiáveis para detectar edema macular diabético em imagens de OCT e de fundo de olho?
Todas as perguntas sobre IA em oftalmologia e retinopatia · Todos os temas · Versão em markdown