DETECÇÃO DE DOENÇAS OCULARES COM ALGORITMOS HÍBRIDOS DE APRENDIZAGEM PROFUNDA A PARTIR DE IMAGENS DE FUNDO

De acordo com o relatório mundial da Organização Mundial de Saúde publicado em 2020, pelo menos 2,2 mil milhões de pessoas em todo o mundo têm atualmente deficiência visual, e pelo menos mil milhões delas têm uma deficiência visual que pode ser prevenida ou ainda não foi abordada. O mundo enfrenta desafios significativos em matéria de saúde ocular, incluindo desigualdades na cobertura e qualidade dos serviços de prevenção, tratamento e reabilitação de cuidados oftalmológicos, falta de prestadores de cuidados oftalmológicos qualificados e má integração dos serviços de cuidados oftalmológicos nos sistemas de saúde, entre outros.

Sabe-se que mais de 80% de todos os distúrbios visuais podem ser prevenidos ou tratados. O exame de fundo de olho deve ser realizado por um especialista em retina para fazer um diagnóstico correto, mas as pessoas só consultam o oftalmologista quando sentem algum desconforto. Embora normalmente os sintomas progridam tanto que, quando ocorre uma doença, resultando em tratamentos e cirurgias dispendiosas, muitas vezes os danos são irreversíveis, resultando em deficiência visual ou mesmo perda permanente da visão.

A inteligência artificial é usada para estudar e desenvolver teorias e métodos que podem ajudar a simular e ampliar a inteligência humana, que têm sido utilizados em muitos campos de pesquisa, como diagnóstico automático e medicina. Nos últimos anos, a intersecção da tecnologia de inteligência artificial (IA) e da medicina moderna tornou possível o rastreio rápido e eficaz de doenças. EyeCheckup é um dispositivo de software automatizado projetado para analisar fotografias digitais coloridas do fundo ocular para rastrear rapidamente doenças da retina e do disco óptico.

O principal objetivo da pesquisa é avaliar o desempenho do algoritmo de triagem automática para detectar doenças orientáveis ​​​​da retina e do disco óptico com base em imagens coloridas do fundo e determinar sua sensibilidade e especificidade para possíveis doenças. Para a validação clínica do sistema, as imagens serão avaliadas por oftalmologistas e os resultados serão comparados com o algoritmo de inteligência artificial.

Após exclusões, este estudo inscreverá até 1.528 sujeitos que atendam aos critérios de elegibilidade. Os participantes que atenderem aos critérios de elegibilidade serão recrutados após obterem consentimento informado por escrito dos prestadores de cuidados de saúde primários. Os indivíduos serão submetidos a fotografia de fundo de olho por câmeras oftálmicas aprovadas pela Food and Drug Administration (FDA). As imagens serão tiradas de acordo com um protocolo específico de imagem EyeCheckup fornecido ao operador da câmera oftálmica e, em seguida, analisado pelo dispositivo EyeCheckup v2.0.

Métodos e ferramentas a serem utilizadas na pesquisa:

I. Captura de fotos de fundo com câmeras não midriáticas: Imagens de fundo centradas no disco óptico e centradas na fóvea serão tiradas com Canon CR-2 AF, Topcon TRC-NW400 e Optomed Aurora Câmeras de fundo não midriáticas. Para voluntários cujas imagens não midriáticas não possam ser obtidas, a dilatação da pupila será obtida com a instilação de gotas de tropicamida e, em seguida, as imagens serão tiradas. As câmeras de fundo de olho não midriáticas Canon CR-2 AF, Topcon TRC-NW400 e Optomed Aurora, das quais serão obtidas imagens de retina, possuem marcação CE e aprovação da FDA.

Testes a serem feitos:

I. Imagens de fundo obtidas com três câmeras diferentes de cada voluntário incluído no estudo serão analisadas separadamente para o olho direito e para o olho esquerdo pelo algoritmo de inteligência artificial EyeCheckup com base em câmera.

ii. Avaliação de imagens Canon CR-2 AF por especialistas em retina e glaucoma para validação clínica do sistema e comparação dos resultados,