INTRODUÇÃO: Estima-se que em 2045 haverão cerca de 700 milhões de pessoas mundialmente com diabetes mellitus (DM). A retinopatia diabética (RD), complicação importante dessa patologia, é uma das principais causas de cegueira evitável no mundo e atinge 30% dos pacientes com DM. Prevê-se um aumento de 55,6% na população global com RD. Assim, a inteligência artificial (IA) emerge como uma ferramenta promissora para o diagnóstico e a triagem dessa condição por meio da análise de imagens clínicas. OBJETIVO: Avaliar a utilização de Inteligências Artificiais no diagnóstico da retinopatia diabética. METODOLOGIA: Trata-se de uma revisão integrativa da literatura utilizando artigos disponíveis na base de dados PubMed, por meio dos seguintes descritores indexados ao DECs: “Deep Learning”, “Triage”, “Eye Diseases”, “Diabetic Retinopathy”, usando entre eles o booleano AND . Selecionou-se artigos completos e livres que apresentavam “Abstract”, publicados entre 2019 e 2024 na língua inglesa. Isso resultou em 5 artigos pertinentes. RESULTADOS: A IA Deep Learning Platform (DLP) obteve uma média em dois testes de 0,938 em sensibilidade e 0,997 em especificidade, demonstrando maior sensibilidade que especialistas humanos, porém menor precisão na categorização da RD. Outra IA analisada foi o EyeArt, que demonstrou sensibilidade de 95,7% para retinopatia referenciável, mas com especificidade de 68%. No entanto, metade dos casos de triagem do EyeArt necessitaram de reavaliação humana. Em outro estudo, comparou-se a triagem totalmente automatizada por IA, semi-automática e humana, obteve-se sensibilidade semelhante em todos, com maior especificidade na avaliação humana. Contudo, os modelos semi-automatizado e totalmente automatizado economizaram 19,5% e 14,3% em 12 meses em relação à triagem humana. CONCLUSÃO: Notou-se que as IAs apresentam sensibilidade significativa na detecção de RD, podendo superar especialistas. Embora os modelos automatizados tenham demonstrado menor custo em relação à triagem humana, esta ainda apresentou maior especificidade. Assim, destaca-se o potencial da IA para melhorar o diagnóstico da RD, mas é fundamental a complementaridade entre tecnologia e avaliação humana na prática clínica.
Comissão Organizadora
Natállia Gabriela Silva Gomes
Comissão Científica
Ferramenta completa de submissão, avaliação e publicação de anais para eventos científicos.
