IA em diagnóstico por imagem e radiologia

Como o aprendizado profundo pode auxiliar na detecção do glaucoma na prática clínica?

Resposta

O glaucoma é a principal causa de cegueira irreversível e incapacidade em todo o mundo, e a maioria dos pacientes não sabe que tem a doença. A detecção de progressão com a tecnologia padrão ainda é um desafio na prática clínica. Nesse contexto, a inteligência artificial (IA) surge como uma ferramenta promissora para melhorar o diagnóstico e o rastreamento do glaucoma, com mínima dependência da interpretação humana.

Os algoritmos de aprendizado profundo (DL) têm se destacado na IA por fornecerem desempenho quase humano, às vezes superando o desempenho humano na detecção do glaucoma em testes estruturais e funcionais. Uma revisão sistemática recente, seguindo as diretrizes PRISMA, sumarizou os estudos que aplicaram métodos de DL para detecção do glaucoma usando fotografias coloridas de fundo de olho, tomografia de coerência óptica (OCT) ou perimetria automatizada padrão (SAP).

A revisão descreve os avanços recentes do DL aplicado ao diagnóstico e à progressão do glaucoma, com potencial para uso em rastreamento e em ambientes clínicos. No entanto, os autores também destacam os desafios que permanecem para a aplicação dessa técnica inovadora no glaucoma, como a necessidade de validação externa, padronização e integração nos fluxos de trabalho.

Para o médico brasileiro, o aprendizado profundo pode, no futuro, auxiliar na triagem de pacientes e na detecção precoce da progressão, especialmente em locais com acesso limitado a especialistas. Contudo, a implementação clínica ainda requer superação de barreiras técnicas e regulatórias, e o resumo não fornece detalhes sobre essas barreiras ou sobre a magnitude dos benefícios em diferentes populações.

O que o estudo mostrou

Trata-se de uma revisão sistemática seguindo as diretrizes PRISMA que sumarizou estudos que aplicaram métodos de aprendizado profundo para detecção do glaucoma usando fotografias coloridas de fundo de olho, tomografia de coerência óptica ou perimetria automatizada padrão. Os achados indicam que os algoritmos de aprendizado profundo alcançam desempenho quase humano, às vezes superando o desempenho humano na detecção do glaucoma em testes estruturais e funcionais. A revisão descreve avanços recentes e desafios remanescentes. O resumo não informa o número de estudos incluídos, a amostra total ou as métricas de desempenho específicas.

Limitações

O resumo não informa o número de estudos incluídos, as características das amostras, os tipos de algoritmos avaliados ou as métricas de desempenho. Também não detalha as limitações metodológicas dos estudos primários, como risco de viés ou heterogeneidade. Além disso, não são apresentados dados sobre validação externa, aplicabilidade em diferentes populações ou custo-efetividade, o que restringe a generalização dos achados para a prática clínica no Brasil.

Aplicação no consultório

A revisão sugere que o aprendizado profundo pode, futuramente, apoiar o rastreamento e a detecção do glaucoma em consultórios, especialmente onde o acesso a especialistas é limitado. Para a gestão do consultório, isso implica considerar a incorporação de ferramentas de IA como auxílio diagnóstico, mas com cautela, pois os desafios apontados (validação, padronização) ainda não foram resolvidos. O médico deve acompanhar as evidências e avaliar a aplicabilidade local antes de adotar tais tecnologias na rotina.

Estudo citado

Applications of deep learning in detection of glaucoma: A systematic review. European journal of ophthalmology, 2021.
Autores: Mirzania D, Thompson AC, Muir KW.
DOI: 10.1177/1120672120977346 · PubMed: PMID 33274641

Perguntas para aprofundar

• Quais são os desafios para implementar algoritmos de aprendizado profundo na detecção do glaucoma na prática clínica?
• Como o aprendizado profundo se compara ao desempenho humano na detecção do glaucoma?
• Quais exames de imagem podem ser usados com aprendizado profundo para detectar glaucoma?

Mais sobre IA em diagnóstico por imagem e radiologia

• A inteligência artificial aplicada à tomografia de coerência óptica do segmento anterior é precisa para detectar fechamento angular em comparação à gonioscopia?
• Qual é o desempenho diagnóstico dos modelos de aprendizado profundo na mamografia de rastreamento?
• Modelos de inteligência artificial têm bom desempenho diagnóstico na detecção de fraturas faciais em tomografia e radiografias?
• A inteligência artificial é tão eficaz quanto médicos para detectar displasia do desenvolvimento do quadril em exames de imagem?
• A inteligência artificial pode aprimorar o diagnóstico por imagem da síndrome do túnel do carpo?

Todas as perguntas sobre IA em diagnóstico por imagem e radiologia · Todos os temas · Versão em markdown