Precisão da IA pode variar entre equipamentos e populações, alerta especialista

Na Oftalmologia, a pergunta já não é mais se a inteligência artificial consegue diagnosticar doenças oculares. O desafio agora é saber se ela consegue fazer isso com a mesma precisão em qualquer paciente, equipamento ou serviço de saúde.

Ferramentas capazes de identificar padrões associados a doenças como retinopatia diabética, degeneração macular relacionada à idade, retinopatia da prematuridade e glaucoma vêm apresentando resultados cada vez mais consistentes, ampliando as possibilidades de diagnóstico precoce, triagem de pacientes e acompanhamento da evolução clínica. No entanto, uma questão continua desafiando pesquisadores e profissionais: um algoritmo treinado em determinado contexto funciona com a mesma precisão em diferentes equipamentos e populações?

Segundo a oftalmologista Allexya Marcos, a resposta é não. Embora muitos algoritmos apresentem desempenho elevado durante o desenvolvimento, esse resultado nem sempre se repete na prática clínica. A principal razão está na diferença entre os ambientes controlados de pesquisa e a realidade dos serviços de saúde.

Durante o treinamento, explica a especialista, normalmente são utilizadas imagens de excelente qualidade e bancos de dados bastante selecionados. Já no dia a dia dos consultórios e hospitais, os profissionais lidam com pacientes que apresentam catarata, pupilas pequenas, exames de qualidade variável e imagens produzidas por diferentes aparelhos. Todos esses fatores podem comprometer a precisão das ferramentas baseadas em IA.

Leia ainda: IA na documentação clínica libera o médico ou apenas amplia a produtividade?

Diferentes equipamentos podem alterar o desempenho da IA na Oftalmologia

Outro ponto crítico é a diversidade de equipamentos utilizados para a realização dos exames oftalmológicos. Retinógrafos, tomógrafos de coerência óptica (OCT) e câmeras de fabricantes distintos produzem imagens com características próprias, variando em resolução, contraste, iluminação e processamento.

Por esse motivo, um algoritmo treinado exclusivamente com imagens geradas por um determinado fabricante pode apresentar queda de desempenho quando aplicado a equipamentos diferentes.

Esse é um dos principais desafios atuais da inteligência artificial na Oftalmologia. A tendência é que novos modelos sejam desenvolvidos para serem mais robustos e capazes de manter boa performance independentemente do equipamento utilizado, tornando sua aplicação mais ampla e confiável.

Saiba ainda: IA na prática médica: apoio ao raciocínio ou risco de conforto cognitivo?

Diversidade populacional influencia a precisão dos algoritmos

Além das diferenças entre aparelhos, as características da população utilizada no treinamento dos algoritmos exercem impacto direto sobre sua capacidade diagnóstica.

Quando um sistema é desenvolvido majoritariamente com pacientes de uma mesma faixa etária, grupo étnico ou perfil epidemiológico, ele pode encontrar dificuldades para reconhecer padrões em populações distintas. Aspectos socioeconômicos também influenciam esse desempenho, já que interferem no estágio em que a doença costuma ser diagnosticada, na qualidade dos exames realizados e até na presença de outras condições clínicas associadas.

No caso brasileiro, esse cuidado torna-se ainda mais relevante. A grande miscigenação e a diversidade regional fazem com que algoritmos desenvolvidos na Europa ou nos Estados Unidos nem sempre apresentem exatamente o mesmo desempenho quando utilizados no país.

Isso não significa que essas ferramentas sejam inadequadas, mas reforça a necessidade de estudos de validação conduzidos na população brasileira antes de sua adoção em larga escala.

Leia mais: Rejuvenescimento celular: terapia experimental é testada em humanos

Validação científica e aprovação regulatória devem preceder a adoção

Antes de incorporar uma ferramenta baseada em IA à rotina clínica, médicos e instituições devem avaliar cuidadosamente o nível de validação científica disponível.

Entre os principais critérios estão a existência de estudos publicados em revistas científicas de qualidade, preferencialmente com validação externa e em diferentes populações, além da análise de indicadores como sensibilidade, especificidade e área sob a curva, sempre interpretados dentro do contexto clínico.

Também é indispensável verificar se a tecnologia recebeu aprovação dos órgãos reguladores competentes, como a Anvisa ou o FDA, além de considerar o grau de transparência sobre a forma como o algoritmo foi desenvolvido e treinado.

IA amplia o acesso, mas não substitui o julgamento clínico

Apesar dos desafios, a inteligência artificial representa uma oportunidade importante para ampliar o acesso ao diagnóstico precoce de doenças oculares, especialmente em regiões onde há escassez de oftalmologistas.

Ferramentas de triagem podem identificar rapidamente pacientes que necessitam de atendimento especializado, reduzindo filas e evitando perda visual causada por doenças tratáveis. No entanto, seu funcionamento depende de infraestrutura adequada, imagens de boa qualidade e de uma rede assistencial preparada para receber e tratar os casos identificados.

Mesmo diante de algoritmos altamente precisos, a decisão clínica continua sendo responsabilidade do médico. Cabe ao oftalmologista integrar os resultados produzidos pela IA à história clínica, aos sintomas, ao exame físico e a outros fatores que a tecnologia ainda não consegue interpretar de forma completa. Casos complexos, doenças raras, apresentações atípicas e decisões terapêuticas permanecem dependentes da avaliação humana.

Saiba também: IA para diagnóstico de degeneração macular exsudativa relacionada à idade (DMRI)

O futuro da inteligência artificial na Oftalmologia depende de maior diversidade

Para que a inteligência artificial se torne cada vez mais confiável e aplicável em diferentes contextos, a principal necessidade é ampliar a diversidade das bases de dados utilizadas no treinamento dos modelos.

Isso inclui pacientes de diferentes países, etnias, faixas etárias e perfis epidemiológicos, além de imagens obtidas por equipamentos variados. Outro passo importante é manter monitoramento contínuo do desempenho dos algoritmos após sua implementação e ampliar a transparência sobre seu funcionamento, fortalecendo a confiança dos profissionais e promovendo uma adoção mais segura da tecnologia.

Como destaca Allexya Marcos, a inteligência artificial representa uma oportunidade extraordinária para melhorar o cuidado com os pacientes, desde que seja utilizada de forma responsável. O futuro da Oftalmologia não está na substituição do médico pela tecnologia, mas na combinação entre a capacidade analítica da IA, o julgamento clínico, a experiência profissional e a relação médico-paciente.

Leia também: Guia de carreira em Oftalmologia: conheça a formação e o mercado de trabalho

Afya Summit

O Afya Summit 2026 reuniu, em São Paulo, médicos e especialistas para discutir os caminhos da inovação na saúde e os impactos da tecnologia sobre a prática médica.

A programação abordou inteligência artificial, decisões orientadas por dados, comunicação e posicionamento médico no ambiente digital, liderança, protagonismo profissional e humanização do cuidado.

Ao conectar transformação tecnológica e responsabilidade clínica, o encontro reforçou que o futuro da medicina depende não apenas da adoção de novas ferramentas, mas da capacidade de integrá-las com discernimento, ética e atenção ao paciente.

Não participou desta edição? Fique atento às novidades sobre o próximo Afya Summit e acompanhe os canais da Afya para conhecer, em primeira mão, a programação, a data e as informações sobre as inscrições do próximo ano.