UNIRASTREIO - RETINOPATIA DIABÉTICA
Palavras-chave:
Retinopatia diabética, Inteligência artificial, Deep learning, UniRastreioResumo
A Retinopatia Diabética (RD) é uma das principais complicações microvasculares do Diabetes Mellitus e uma das maiores causas de cegueira evitável em adultos. Estima-se que até 2040, um terço dos diabéticos desenvolverá algum grau de RD, o que reforça a urgência por estratégias de rastreio eficazes. Estudos recentes destacam a inteligência artificial (IA) como ferramenta promissora na detecção automatizada da RD, utilizando algoritmos de deep learning, redes neurais convolucionais (CNNs), transformadores visuais e modelos de transferência de aprendizado. Esses métodos apresentam alta acurácia na identificação de microaneurismas, hemorragias e exsudatos, superando muitas vezes a análise manual. Nesse contexto, está em desenvolvimento o UniRastreio, software interdisciplinar da UniEVANGÉLICA que integra engenharia de software, medicina e direito para o rastreio precoce da RD em ambientes de saúde pública. O protótipo inicial utiliza o modelo EfficientNet-B0 para a análise automatizada de imagens de fundo de olho, mas encontra-se em versão inicial, sem resultados definitivos até o momento. O sistema permitirá cadastro de pacientes e médicos, upload de imagens oftalmológicas, análise automática por IA e emissão de laudos preliminares, com conformidade à LGPD. Conclui-se que, apesar de ainda estar em desenvolvimento, o UniRastreio representa uma solução tecnológica escalável e acessível, com potencial de ampliar o acesso a diagnósticos precoces e contribuir para a redução da cegueira evitável.
Referências
ALYOUBI, W. L.; ABULKHAIR, M. F.; SHALASH, W. M. Diabetic retinopathy fundus image classification and lesions localization system using deep learning. Sensors, v. 21, n. 6, p. 3704, 2021. DOI: https://doi.org/10.3390/s21113704.
BORTOLI, J. Q. et al. Retinografia como forma de rastreio de retinopatia diabética em hospital terciário do Sistema Único de Saúde. Revista Brasileira de Oftalmologia, v. 81, p. e0057, 2022. DOI: https://doi.org/10.37039/1982.8551.20220057.
CARVALHO, B. F. C. et al. O uso da inteligência artificial para diagnóstico da retinopatia diabética: uma revisão narrativa. Revista Médica de Minas Gerais, v. 32, supl. 01, p. S42-S45, 2022.
CRUVINEL, M. E. M. et al. Exames disponíveis para o diagnóstico da retinopatia diabética: uma revisão. Brazilian Journal of Health Review, v. 6, n. 3, p. 9346-9353, 2023. DOI: https://doi.org/10.34119/bjhrv6n3-344.
GALVÃO, F. M. et al. Prevalência e fatores de risco para retinopatia diabética em pacientes diabéticos atendidos por demanda espontânea: um estudo transversal. Revista Brasileira de Oftalmologia, v. 80, n. 3, p. e0006, 2021. DOI: https://doi.org/10.37039/1982.8551.20210006.
GRAUSLUND, J. Diabetic retinopathy screening in the emerging era of artificial intelligence. Diabetologia, v. 65, n. 9, p. 1415-1423, 2022. DOI: 10.1007/s00125-022-05727-0.
LIM, J. I. et al. Artificial intelligence detection of diabetic retinopathy: subgroup comparison of the EyeArt system with ophthalmologists’ dilated examinations. Ophthalmology Science, v. 3, n. 1, p. 100228, 2022. DOI: 10.1016/j.xops.2022.100228.
LIU, J. et al. Diabetic retinopathy screening with automated retinal image analysis in a primary care setting improves adherence to ophthalmic care. Ophthalmology Retina, v. 4, n. 1, p. 1-7, 2020. DOI: https://doi.org/10.1016/j.oret.2020.06.016.
OLIVEIRA, L. E. S. et al. Diagnóstico da retinopatia diabética por inteligência artificial por meio de smartphone. Revista Brasileira de Oftalmologia, v. 83, p. e0006, 2024. DOI: https://doi.org/10.37039/1982.8551.20240006.
WU, J. H. et al. Performance and limitation of machine learning algorithms for diabetic retinopathy screening: meta-analysis. Journal of Medical Internet Research, v. 23, n. 7, p. e23863, 2021. DOI: https://doi.org/10.2196/23863.
