Dados do Trabalho

Título

ACURACIA DE FERRAMENTA DE INTELIGENCIA ARTIFICIAL NO DIAGNOSTICO DE GLAUCOMA COM IMAGENS DE RETINA

Objetivo

Este estudo avalia a precisão de uma ferramenta de deep learning amplamente disponível na web para detecção de glaucoma através de retinografias.

Método

Este estudo observacional e transversal avalia a acurácia de uma ferramenta de inteligência artificial baseada na web para diagnóstico de glaucoma por meio de análise de retinografias. Utilizamos o banco de dados público ORIGA, que contém 650 imagens retinianas revisadas por profissionais treinados do Singapore Eye Research Institute. No banco ORIGA, cada imagem é acompanhada por dados demográficos básicos, diagnósticos clínicos confirmados e medidas quantitativas de características da retina relevantes para o diagnóstico de glaucoma, como a relação escavação/disco e a espessura da camada de fibras nervosas. Para o teste, selecionamos aleatoriamente 70 imagens de pacientes com diagnóstico de glaucoma e 70 de pacientes sem a doença, todas inseridas diretamente na aplicação web disponível em https://www.gobvisionai.com/. Consideramos como diagnóstico de glaucoma na plataforma Gobvision os resultados que apresentaram uma probabilidade igual ou superior a 50% de presença da doença; resultados com probabilidade inferior a 50% foram considerados como ausência de glaucoma. Os resultados foram documentados em uma planilha do Excel. Realizamos uma análise estatística para avaliar a acurácia geral do modelo, incluindo sensibilidade, especificidade, valor preditivo positivo, valor preditivo negativo e os intervalos de confiança para essas métricas.

Resultados

O modelo de deep learning para o diagnóstico de glaucoma teve uma sensibilidade de 0,91 (IC 95%: 0,85 - 0,98), especificidade de 0,99 (IC 95%: 0,96 - 1,00), valor preditivo positivo de 0,98 (IC 95%: 0,95 - 1,00), e valor preditivo negativo de 0,92 (IC 95%: 0,86 - 0,98). A área sob a curva ROC (AUC) foi de 0,95.

Conclusões

Soluções baseadas em IA podem promover a custo-efetividade no diagnóstico precoce de glaucoma, sendo especialmente úteis em locais remotos. A presente ferramenta demonstrou alta acurácia, com sensibilidade de 91% e especificidade de 99%. Apesar disso, o estudo pode apresentar viés de seleção ao utilizar exclusivamente o dataset ORIGA, potencialmente não representativo de outras populações. Futuros estudos podem ser realizados, avaliando a população brasileira em específico.

Palavras Chave

Inteligência artificial; Glaucoma; Deep learning