Mensagens-chave

- Em comparação com os peritos humanos, os testes baseados na inteligência artificial (IA) podem ter uma precisão comparável na deteção da forma exsudativa (ou húmida) da degenerescência macular relacionada com a idade (eAMD).

- Não se registaram diferenças significativas no desempenho, independentemente das outras condições oculares no conjunto de dados de imagens ou dos tipos de imagens utilizados.

- São necessários mais estudos e relatórios consistentes para definir o papel da IA no diagnóstico da DMAE.

O que é a degenerescência macular relacionada com a idade?
A mácula é a parte central da retina, que se situa na parte posterior do olho. À medida que as pessoas envelhecem, as células da mácula morrem ou são danificadas, dificultando a visão clara. A degenerescência macular relacionada com a idade (DMRI) é uma doença ocular comum que pode agravar-se para DMRI exsudativa (ou húmida), que reduz a visão no centro do olho devido ao crescimento de vasos sanguíneos anormais. O diagnóstico exato da eAMD é importante porque permite que os doentes recebam tratamento de um especialista da retina. Os métodos tradicionais de diagnóstico da DMEA dependem de um especialista em oftalmologia e de várias técnicas de imagiologia, o que pode consumir muito tempo e recursos. Os testes que utilizam a inteligência artificial (IA) são promissores para identificar automaticamente a eAMD. Isto poderá ajudar mais pessoas com DMRI a fazer exames aos olhos e a receber um diagnóstico e tratamento atempados.

Como é que a IA pode ajudar?
A IA é um ramo da ciência da computação que tem por objetivo realizar tarefas que tradicionalmente requerem a inteligência humana. Foram desenvolvidas aplicações de IA para examinar imagens do olho e treinadas para selecionar as que podem mostrar sinais de DMAE. Os doentes podem ser encaminhados para tratamento atempado e os especialistas em oftalmologia são libertados de exames oftalmológicos morosos.

O que queríamos descobrir?
Queríamos descobrir a exatidão dos testes de IA em comparação com a dos especialistas humanos no diagnóstico de DMEA a partir de imagens dos olhos.

O que fizemos?
Procurámos estudos em todo o mundo que comparassem o desempenho de diagnóstico dos testes de IA com o de especialistas humanos na leitura de imagens oculares para diagnosticar a DMAE. As imagens podem ser de pacientes que procuram cuidados oftalmológicos numa clínica comunitária ou num centro médico académico ou de uma base de dados de imagens. Os resultados da leitura baseada em IA foram comparados com os de peritos humanos que analisaram as imagens antes dos testes de IA.

O que descobrimos?
Identificámos 36 estudos, com mais de 16.000 pessoas e 62.000 imagens, que relataram os resultados de 41 testes de IA diferentes. Mais de metade dos estudos foram realizados na Ásia, seguidos da Europa, dos EUA e de colaborações entre vários países. Em média, 33% das pessoas incluídas nos estudos sofriam de DMAE.

Para os três testes de IA avaliados com base em novos dados para além das imagens de treino, quando aplicados para detetar a DMEA em 10.000 indivíduos (incluindo 100 que realmente tinham DMEA), os testes de IA identificariam incorretamente cerca de 99 pessoas como tendo DMEA (falsos positivos) e falhariam aproximadamente 6 casos (falsos negativos).

Para os 28 testes de IA avaliados apenas com base em dados de treino, utilizando o mesmo cenário, os testes identificariam incorretamente cerca de 396 pessoas como tendo DMEA (falsos positivos) e falhariam aproximadamente 7 casos (falsos negativos).

Os testes de IA demonstraram um desempenho semelhante ao dos peritos humanos, quer tenham sido avaliados com imagens do seu conjunto de treino ou de um novo conjunto de dados. O desempenho foi semelhante em conjuntos de dados de imagens de eAMD e vários grupos de controlo ou tipos de imagens.

Quais são as limitações da evidência?
A maioria dos estudos incluídos tinha falhas na seleção, treino ou avaliação dos testes de IA. Estas falhas do estudo podem ter feito com que os resultados dos testes parecessem melhores do que eram. Consequentemente, a nossa confiança na exatidão dos resultados dos testes foi baixa. Estudos futuros devem recrutar participantes cuja idade e gravidade da doença reflitam as condições do mundo real.

Quão atualizada se encontra esta evidência?
A evidência encontra-se atualizada até abril de 2024.