Inteligência artificial detecta retinopatia diabética?

O número de pessoas vivendo com diabetes deve aumentar significativamente nas próximas décadas. Esse cenário trará desafios relevantes, especialmente em países em desenvolvimento, com recursos humanos e materiais limitados.

A expansão do diabetes na África deve aumentar substancialmente a necessidade de rastreamento da retinopatia diabética (RD). Entretanto, muitos países da região apresentam número insuficiente de profissionais capacitados para interpretar fotografias da retina.

Sistemas de inteligência artificial (IA) podem automatizar essa avaliação, reduzir a dependência de especialistas e ampliar a cobertura do rastreamento.

Embora numerosos algoritmos tenham sido descritos, são escassas as comparações independentes e diretas de produtos comercialmente disponíveis, especialmente quando os sistemas são identificados nominalmente. Essa falta de transparência dificulta decisões de aquisição e implementação.

Nesse contexto, o estudo buscou identificar sistemas de IA potencialmente adequados a contextos de poucos recursos e comparar seu desempenho na detecção de RD referenciável em uma população da Tanzânia.

Como o estudo foi conduzido?

Foi realizado um estudo retrospectivo de validação de dispositivos de IA.

Inicialmente, uma revisão de escopo e consultas a especialistas identificaram 26 sistemas potencialmente adequados. Foram excluídos produtos sem aprovação regulatória, contato comercial ou disponibilidade compatível.

Dos 15 fabricantes convidados, apenas quatro concordaram em participar e publicar abertamente os resultados:

• Medios AI/Remidio;
• MONA;
• Ophtai;
• SELENA+.

A base de teste foi constituída por imagens obtidas entre maio de 2017 e janeiro de 2018 em um programa de rastreamento da região do Kilimanjaro.

Todos os participantes eram tanzanianos com diabetes. As pupilas foram dilatadas com tropicamida e, em cada olho, foram obtidas pelo menos duas fotografias de 45 graus: uma centrada no disco óptico e outra na mácula, com câmera não midriática Topcon TRC-NW8.

Qual foi o padrão de referência?

As imagens foram avaliadas independentemente por dois classificadores experientes do programa inglês de rastreamento, com arbitragem das discordâncias por um terceiro avaliador.

Essa classificação humana constituiu o padrão de referência.

A RD referenciável foi definida pela presença, no olho mais afetado, de:

• imagem não classificável;
• RD pré-proliferativa;
• maculopatia referenciável;
• RD proliferativa.

Os desfechos primários foram sensibilidade e especificidade para RD referenciável.

Também foram calculados valores preditivos positivo e negativo, desempenho para RD proliferativa e características relevantes para implementação, como aprovação regulatória, limiar de encaminhamento e funcionamento offline.

Quais foram os principais resultados?

A análise incluiu 2.068 fotografias de 1.343 olhos pertencentes a 689 indivíduos.

Pelo padrão humano, 379 participantes, ou 55,0%, apresentavam RD referenciável. Além disso, 93 participantes, ou 13,5%, tinham RD proliferativa, e 253, ou 36,7%, apresentavam maculopatia referenciável.

Entre os casos de RD referenciável, 117 possuíam classificação geral de imagem não avaliável.

Para a detecção de RD referenciável, a maior sensibilidade foi observada com Medios AI/Remidio: 93,7% (IC 95%: 91,9–95,5).

Em seguida, vieram:

• SELENA+: 91,8%;
• MONA: 89,5%;
• Ophtai: 83,9%.

Quanto à especificidade, os resultados foram:

• Ophtai: 79,0%;
• MONA: 76,8%;
• SELENA+: 72,9%;
• Medios AI/Remidio: 70,3%.

Os valores preditivos positivos variaram de 79,4% a 83,0%, enquanto os valores preditivos negativos ficaram entre 80,1% e 90,1%.

Quando os 117 indivíduos com imagens não classificáveis foram retirados, a sensibilidade aumentou em todos os sistemas, alcançando aproximadamente 91% a 97%. Além disso, os valores preditivos negativos ultrapassaram 95% em três dos quatro produtos.

E para retinopatia diabética proliferativa?

Na identificação da RD proliferativa, três sistemas encaminharam corretamente todos os 93 casos.

O SELENA+ deixou de identificar apenas um caso, apresentando sensibilidade de 98,9%.

Os outros três sistemas alcançaram sensibilidade de 100% para RD proliferativa.

Esse achado é relevante porque a RD proliferativa representa uma forma mais grave e potencialmente ameaçadora da visão.

Como interpretar os achados?

Os quatro sistemas comerciais demonstraram alta sensibilidade para RD referenciável e sensibilidade superior a 98% para RD proliferativa.

Esses resultados apoiam o potencial emprego de sistemas de IA em programas de rastreamento na Tanzânia, especialmente em locais com escassez de profissionais treinados para interpretar fotografias da retina.

No entanto, a especificidade foi menor. Isso significa que alguns pacientes podem ser encaminhados sem necessidade real, o que pode aumentar demanda sobre serviços especializados, custos e tempo de espera.

Por isso, a seleção de um produto não deve depender exclusivamente da acurácia.

O que considerar antes de implementar IA no rastreamento?

A implementação de IA no rastreamento da retinopatia diabética exige considerar fatores técnicos, operacionais e de saúde pública.

Entre eles:

• aprovação regulatória;
• limiar de encaminhamento;
• interface;
• preço;
• compatibilidade com câmeras;
• funcionamento offline;
• proteção de dados;
• treinamento da equipe;
• manutenção dos equipamentos;
• disponibilidade de tratamento após o diagnóstico.

A ausência de informações de custo impediu avaliar a custo-efetividade dos sistemas.

Outras limitações incluíram ausência de dados demográficos, clínicos e de acuidade visual; participação voluntária dos fabricantes; e diferenças entre os sistemas de classificação utilizados pelos algoritmos e pelo programa tanzaniano.

Os resultados podem ser extrapolados?

Os resultados não podem ser necessariamente extrapolados para outros países africanos ou de outros continentes.

Ainda assim, podem ser importantes geradores de hipóteses para estudos em outras populações, especialmente em países ou regiões com poucos recursos.

O estudo também reforça a importância de avaliações independentes, comparativas e transparentes de tecnologias de IA antes da implementação em larga escala.

Mensagem prática

Quatro sistemas comerciais de inteligência artificial demonstraram alta sensibilidade para detectar retinopatia diabética referenciável em uma população da Tanzânia, com desempenho especialmente elevado para retinopatia diabética proliferativa.

Na prática, isso sugere que a IA pode ajudar a ampliar programas de rastreamento em locais com escassez de especialistas.

No entanto, a especificidade mais baixa, a ausência de dados de custo-efetividade e as exigências de implementação mostram que a escolha de um sistema não deve se basear apenas em sensibilidade e especificidade.

Antes de incorporar IA ao rastreamento, é necessário avaliar regulação, custo, infraestrutura, integração com câmeras, proteção de dados, treinamento da equipe e capacidade do sistema de saúde de oferecer tratamento aos pacientes encaminhados.