Segundo o Conselho Brasileiro de Oftalmologia, as duas principais causas de cegueira irreversível no mundo são o glaucoma e a degeneração macular relacionada a idade (DMRI). As duas doenças possuem um prognóstico pós-tratamento muito positivo se diagnosticadas precocemente. E tal diagnóstico costuma ser feito por um médico especialista através de um exame físico detalhado e do pedido de alguns exames complementares pertinentes ao caso. Entretanto, segundo uma pesquisa encomendada pelo Conselho Federal de Medicina, o tempo de espera de um paciente que busca uma consulta oftalmológica via Sistema Único de Saúde (SUS) pode variar de seis meses a dois anos. Espera essa que pode acarretar uma baixa de visão permanente em um paciente portador de glaucoma ou DMRI, por ter-se provavelmente excedido a janela de tempo para um tratamento precoce dessas 2 principais causas globais de cegueira.
Frente a esse cenário, imagine se dispuséssemos de um sistema computadorizado capaz de diagnosticar de modo automatizado uma doença ocular através de um exame de imagem e com uma possibilidade de acerto maior que a de um especialista na área. Agora acrescente o fato de que essa plataforma é capaz de repetir esse processo milhares de vezes ao longo de um mesmo dia sem qualquer custo adicional, analisando simultaneamente exames de pacientes que habitam diferentes regiões do planeta. Por fim, essa plataforma computadorizada também estaria habilitada a especificar, através de um sistema de triagem, qual o tempo que cada indivíduo pode esperar para passar em uma consulta presencial com um especialista sem prejuízo a sua visão.
Surge então uma promissora união entre a inteligência artificial (IA) e a Oftalmologia, uma vez que a IA se apresenta como uma solução adequada a muitos desafios que enfrentamos atualmente no tratamento da saúde ocular em nossa realidade brasileira. IA é o nome dado para o ato de realização de uma tarefa de modo computadorizado com o mínimo de intervenção humana. O grande objetivo da IA é fazer com que sistemas automatizados imitem nosso modo de pensar, de modo a melhorar nossa eficiência de trabalho na vida moderna.
Estudos recentes demonstraram que sistemas que incorporam IA permitem a diferenciação entre exames de imagens de retinas saudáveis e aquelas com DMRI com uma sensibilidade variando entre 87 e 100% 1-2. Entretanto, a utilização da IA não se restringe ao diagnóstico da DMRI, sendo também capaz de prever a chance de resposta ao tratamento ou de progressão da doença nos próximos 2 anos com acurácia de 86% 3. O mesmo tem ocorrido no caso do glaucoma, em que a IA tem cada vez mais ajudado no diagnóstico da doença através da interpretação de exames complementares específicos com acurácia de até 87% 4.
O cuidado com a saúde dos olhos está entrando em uma nova era, em que a IA se apresenta como um aliado dos médicos oftalmologistas, de modo a tornar mais preciso o diagnóstico de doenças oculares prevalentes, ajudar na escolha da melhor opção de tratamento para cada paciente, além de reduzir limitações de acesso dos pacientes aos médicos especialistas e atenuar a sobrecarga do sistema de saúde. O objetivo dessa aliança é claro: diminuir consideravelmente a chance de cegueira por doenças oculares prevalentes.
*Marina Roizenblatt, médica oftalmologista especialista em Retina. Doutorado pela Universidade Federal de São Paulo, Brasil. Pós-doutorado pela Johns Hopkins University, EUA
Referências Bibliográficas
- Mookiah MR, Acharya UR, Fujita H, Koh JE, Tan JH, Noronha K, Bhandary SV, Chua CK, Lim CM, Laude A, Tong L. Local configuration pattern features for age-related macular degeneration characterization and classification. Comput Biol Med 2015; 63: 208-218
- Burlina P, Pacheco KD, Joshi N, Freund DE, Bressler NM. Comparing humans and deep learning performance for grading AMD: A study in using universal deep features and transfer learning for automated AMD analysis. Comput Biol Med 2017; 82: 80-86
- Bhuiyan A, Wong TY, Ting DSW, Govindaiah A, Souied EH, Smith RT. Artificial Intelligence to Stratify Severity of Age-Related Macular Degeneration (AMD) and Predict Risk of Progression to Late AMD. Transl Vis Sci Technol 2020; 9: 25
- Omodaka K, An G, Tsuda S, Shiga Y, Takada N, Kikawa T, Takahashi H, Yokota H, Akiba M, Nakazawa T. Classification of optic disc shape in glaucoma using machine learning based on quantified ocular parameters. PLoS One 2017; 12: e0190012.
