Inteligência artificial na retinopatia diabética
um estudo de triagem em Encarnación, Paraguai
DOI:
https://doi.org/10.70313/2718.7446.v16.n03.243Palavras-chave:
diabetes, retinopatia diabética, telemedicina, inteligência artificial, saúde públicaResumo
Objetivo: Avaliar a eficácia de um modelo de telemedicina em saúde pública para detecção de retinopatia diabética por meio do uso de retinógrafo portátil com software de inteligência artificial.
Materiais e métodos: Estudo prospectivo unicêntrico que incluiu pacientes assintomáticos atendidos no serviço de endocrinologia do Hospital Regional de Encarnación (departamento de Itapúa, Paraguai) entre junho e agosto de 2022. Foram avaliadas a sensibilidade e especificidade de um sistema de inteligência artificial aplicado em um programa de telemedicina para detecção de retinopatia diabética proliferativa e não proliferativa.
Resultados: foram avaliados 591 casos (1.182 olhos). O sistema de inteligência artificial identificou 8 olhos com sinais de retinopatia diabética versus o especialista que validou 6. Os restantes dois estudos também eram patológicos, mas correspondiam a outra alteração. O sistema de inteligência artificial detectou 92 estudos positivos de retinopatia diabética não proliferativa que foram validados pelo especialista. O grau de sensibilidade para detecção de retinopatia diabética do sistema inteligente foi de 98% com alta especificidade de 99,8%.
Conclusão: O uso da retinografia portátil com software de inteligência artificial foi eficiente para triagem de pacientes assintomáticos —mas com fator de risco como diabetes— em um serviço de endocrinologia de um hospital público do Paraguai.
Downloads
Referências
Bourne RRA, Stevens GA, White RA et al. Causes of vision loss worldwide, 1990-2010: a systematic analysis. Lancet Glob Heal 2013; 1: 339-349.
Paraguay. Ministerio de Salud Pública y Bienestar Social. Dirección de Estadísticas en Salud. Indicadores básicos de salud Paraguay 2018. [Asunción]: Organización Panamericana de la Salud, [2019]. Disponible en: https://docs.bvsalud.org/biblioref/2021/08/1282703/manual-indicadores-basicos-de-salud-2018.pdf
Garg S, Davis RM. Diabetic retinopathy screening update. Clin Diabetes 2009; 27: 140-145.
Sánchez González S, Calvo Lozano J, Sánchez González J et al. Valoración del uso de retinografía como método de diagnóstico precoz de glaucoma crónico en atención primaria: validación para el cribado en población con factores de riesgo para glaucoma de ángulo abierto. Aten Primaria 2017; 49: 399-406.
Chan CKW, Gangwani RA, McGhee SM et al. Cost-effectiveness of screening for intermediate age-related macular degeneration during diabetic retinopathy screening. Ophthalmology 2015; 122: 2278-2285.
Surendran TS, Raman R. Teleophthalmology in diabetic retinopathy. J Diabetes Sci Technol 2014; 8: 262-266.
Oleñik Memmel AR, Gómez-Ibáñez R, Manresa et al. Telemedicina portátil para la prevención de la ceguera en el Paraguay. Oftalmol Clin Exp 2021; 14: 193-201.
Zapata MA, Royo-Fibla D, Font O et al. Artificial intelligence to identify retinal fundus images, quality validation, laterality evaluation, macular degeneration, and suspected glaucoma. Clin Ophthalmol 2020; 14: 419-429.
Font O, Torrents-Barrena J, Royo D et al. Validation of an autonomous artificial intelligence-based diagnostic system for holistic maculopathy screening in a routine occupational health checkup context. Graefes Arch Clin Exp Ophthalmol 2022; 260: 3255-3265.
Li JPO, Liu H, Ting DSJ et al. Digital technology, tele-medicine and artificial intelligence in ophthalmology: a global perspective. Prog Retin Eye Res 2021; 82:100900.
Mehra AA, Softing A, Guner MK et al. Diabetic retinopathy telemedicine outcomes with artificial intelligence-based image analysis, reflex dilation, and image overread. Am J Ophthalmol 2022; 244: 125-132.
Grauslund J. Diabetic retinopathy screening in the emerging era of artificial intelligence. Diabetologia 2022; 65: 1415-1423.
Zhelev Z, Peters J, Rogers M et al. Test accuracy of artificial intelligence-based grading of fundus images in diabetic retinopathy screening: a systematic review. J Med Screen 2023; 30: 97-112.
Nadeem MW, Goh HG, Hussain M et al. Deep learning for diabetic retinopathy analysis: a review, research challenges, and future directions. Sensors (Basel) 2022; 22: 6780.
Downloads
Publicado
Edição
Secção
Licença
Direitos de Autor (c) 2023 Consejo Argentino de Oftalmología
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-SemDerivações 4.0.
Con esta licencia no se permite un uso comercial de la obra original, ni la generación de obras derivadas. Las licencias Creative Commons permiten a los autores compartir y liberar sus obras en forma legal y segura.
Como Citar
