Dados do Trabalho

Título

ANALISE DA CONCORDANCIA ENTRE MODELO DE IA E ESPECIALISTA NA DETECÇAO DE ALTERAÇOES RETINIANAS POR DIFERENTES FAIXAS ETARIAS

Objetivo

Avaliar a concordância entre um modelo de IA baseado em machine learning e um médico especialista na detecção de alterações retinianas em diferentes faixas etárias, utilizando o coeficiente Kappa.

Método

Trata-se de um estudo transversal que analisou dados de 920 retinografias de pacientes atendidos em unidades do SUS de 5 municípios mineiros, entre dezembro de 2023 e maio de 2024. Do total da amostra foram excluídos aqueles cujo resultado da classificação da IA ou do especialista foi inconclusivo e aqueles que possuíam idade inferior a 30 anos, pois representava um número pequeno da amostra. Os exames foram submetidas a uma dupla análise. A primeira, realizada por um modelo de inteligência artificial (IA) baseado em machine learning denominado Eyer Maps, fornecido pela empresa Phelcom, classificou as imagens em três categorias de probabilidade de alterações retinianas (baixa, média e alta probabilidade). A segunda, realizada por um médico oftalmologista, classificou os exames como normais ou alterados. Para fins de comparabilidade, as categorias de média e alta probabilidade da IA foram consideradas como "alterado". A concordância entre as classificações foi quantificada pelo coeficiente Kappa e seu intervalo de confiança de 95% para o conjunto total de dados e para cada faixa etária (30-39, 40-49, 50-59, 60-69, 70-79 e 80-89 anos).

Resultados

702 exames foram analisados neste estudo. O coeficiente Kappa geral, considerando todos os exames, foi de k= 0,622 [IC 95%: 0,57 - 0,67]. Ao analisar a concordância por faixa etária, observou-se os seguintes resultados: 30 -39 anos k= 0.87 [IC 95%: 0.70 - 1]; 40 – 49 anos k = 0.59 [IC 95%: 0.446 - 0.74]; 50 – 59 anos k = 0.60 [IC 95%: 0.49 - 0.70]; 60 - 69 k= 0.66 [IC 95%: 0.56 - 0.77]: 70 -79 anos k= 0.55 [IC 95%: 0.41 - 0.70]: 80 – 89 anos k = 0.82 [IC 95%: 0.47 – 1].

Conclusões

A concordância entre a avaliação de um oftalmologista e um modelo de IA na detecção de alterações retinianas varia conforme a idade do paciente. Pacientes mais idosos, devido a fatores como opacidades oculares, apresentam maiores desafios para a detecção de alterações sutis, sobretudo para a IA. A IA necessita de aprimoramentos para se aproximar da precisão do diagnóstico humano, especialmente em pacientes mais idosos. Futuras pesquisas devem investigar os fatores que influenciam a concordância em cada faixa etária e desenvolver estratégias para melhorar a detecção de alterações retinianas nessa população.

Palavras Chave

Saúde Ocular; Inteligência Artificial; Atenção Primária à Saúde,