Um estudo conduzido por pesquisadores americanos e australianos revela uma inovação que pode revolucionar o diagnóstico precoce da atrofia geográfica (AG). Utilizando um modelo de deep learning assistido por inteligência artificial (IA), os cientistas descobriram que a detecção da AG nascente pode ser aprimorada com habilidades de detecção “quase perfeitas”.
No estudo, as características a serem identificadas incluíam subsidência da camada nuclear interna e camada plexiforme externa, bem como uma banda hiporreflexiva em forma de cunha dentro da camada de fibra de Henle. Estudo anterior já havia apontado que, em indivíduos com drusas grandes bilaterais, os olhos que desenvolveram IG nascente apresentaram um risco 78 vezes maior de desenvolver IG em comparação com aqueles que não apresentaram AG nascente.
Como funcionou o modelo proposto?
A AG é uma condição ocular degenerativa que afeta a retina e pode levar à perda de visão central e detectá-la antes que ela se estabeleça é crucial para intervenções eficazes. Os pesquisadores se propuseram a desenvolver um modelo capaz de rastrear imagens de tomografia de coerência óptica (OCT) em busca de características específicas indicativas de AG nascente.
O modelo desenvolvido pelos cientistas reduz significativamente a necessidade de revisão manual das imagens de OCT. Utilizando o deep learning, o modelo alcançou sensibilidades impressionantes: 97% para detectar AG nascente em todos os olhos e 95% no olho inicial do AG nascente. Além disso, apenas 2,7% e 1,9% dos exames B de OCT selecionados exigiram revisão manual.
Os resultados indicam que esse modelo de IA pode reduzir a carga manual de revisão de varreduras B de OCT em ensaios clínicos e na prática clínica. Segundo os pesquisadores, essa abordagem tem o potencial de melhorar significativamente o diagnóstico precoce da AG nascente.
Fonte: Ophthalmology Times
