RETINOGRAFIA DIGITAL COM INTELIGÊNCIA ARTIFICIAL

REGISTRO DOI: 10.69849/revistaft/fa10202409301448


Gabriel Silva de Jesus


RESUMO

A retinografia digital é uma técnica de imagem usada para capturar fotografias detalhadas da retina do olho. Quando combinada com inteligência artificial (IA), essa tecnologia pode trazer avanços significativos no diagnóstico e tratamento de diversas condições oftalmológicas, A IA aplicada à retinografia digital permite análises mais precisas e rápidas das imagens retinianas, ajudando os oftalmologistas a detectar problemas como retinopatia diabética, degeneração macular e glaucoma. Algoritmos de IA podem identificar padrões específicos, como microaneurismas ou edema macular, que podem indicar a presença de doenças, esses sistemas podem agilizar o processo de triagem, permitindo que pacientes com condições mais urgentes sejam identificados e tratados mais rapidamente. Além disso, a IA pode ajudar a reduzir erros de diagnóstico, fornecendo uma segunda opinião aos profissionais de saúde, a interpretação dos resultados ainda requer habilidades humanas e conhecimento médico para garantir diagnósticos precisos e tratamentos adequados. A maior causadora de cegueira no brasil, e a retinopatia diabética, devido grandes dificuldades na realização do próprio exame de fundo de olho, a retinografia digital tem como seu principal objetivo a realização do exame sem a necessidade de midríase, antes de haver o retinógrafo digital, a realização do exame não era tão viável, devido o exame necessitar de um profissional especializado, contudo a retinografia digital veio para facilitar a realização do exame de fundo de olho,  o sistema todo tem em sua estrutura  um aparelho celular acoplado a um sistema onde está acoplado uma câmera de especial de 20D, o mesmo faz uso de um sistema para realizar imagens de retina, o sistema conta com uma inteligência artificial para mapear e rastrear possíveis   (RD), retinopatias diabéticas e  possíveis doenças que não foram diagnosticada por algum outro tipo de exame já feito antes.

Palavras-Chaves: retinopatias; diabetes mellitus; doenças; exames; Inteligência artificial.

1. INTRODUÇÃO

No Brasil, há uma significativa quantidade de pessoas que enfrentam diversos tipos de retinopatias, com destaque para as retinopatias diabéticas, decorrentes das complicações do diabetes mellitus, afetando a visão ao aumentar a permeabilidade dos vasos sanguíneos oculares. A principal causa desse tipo de retinopatia é o diabetes descontrolado por longos períodos. Os sintomas muitas vezes não são perceptíveis até que a visão comece a ficar embaçada e surjam manchas escuras. A busca por exames especializados para diagnóstico é fundamental para evitar complicações, como o edema macular, exigindo intervenção oftalmológica para iniciar o tratamento adequado. (HILGERT, 2019). O rastreamento de retinopatia diabética com inteligência artificial (IA) tem sido uma área de grande interesse e avanço na medicina. A retinopatia diabética é uma complicação ocular do diabetes que pode levar à perda de visão se não for diagnosticada e tratada precocemente.

A IA tem sido utilizada para analisar imagens de retina e identificar características associadas à retinopatia diabética, como microaneurismas, hemorragias e exsudatos. Algoritmos de aprendizado profundo são treinados em grandes conjuntos de dados de imagens de retina rotuladas por oftalmologistas para aprender a reconhecer essas características.

Esses sistemas de IA podem ajudar a triar grandes volumes de imagens de retina de pacientes com diabetes, identificando aqueles que podem precisar de avaliação adicional por um oftalmologista. Isso pode permitir uma detecção precoce da retinopatia diabética, facilitando o tratamento antes que a condição progrida para estágios mais avançados.

Essa abordagem pode ser especialmente útil em áreas onde há escassez de oftalmologistas, permitindo uma triagem mais eficiente e direcionando os recursos para onde são mais necessários. No entanto, é importante notar que os sistemas de IA não substituem a avaliação por um profissional de saúde qualificado, mas sim servem como uma ferramenta complementar para auxiliar no diagnóstico e no gerenciamento de condições médicas.

A retinografia digital é uma ferramenta inovadora no rastreamento da retinopatia diabética. Essa técnica utiliza câmeras especiais para capturar imagens detalhadas da retina, permitindo uma análise minuciosa das alterações causadas pelo diabetes. Ao contrário dos métodos tradicionais, a retinografia digital oferece vantagens significativas, como maior precisão, rapidez e conforto para o paciente. Além disso, a integração de sistemas de inteligência artificial na interpretação das imagens permite uma detecção precoce das lesões retinianas, facilitando intervenções terapêuticas precoces e reduzindo o risco de complicações graves. Em resumo, a retinografia digital é uma ferramenta essencial no cuidado oftalmológico de pacientes com diabetes, contribuindo para uma melhor qualidade de vida e preservação da visão (GOBBI, 2021).

A retinografia digital com inteligência artificial (IA) representa um avanço significativo no diagnóstico e rastreamento de retinopatias, especialmente a retinopatia diabética. Nessa abordagem, imagens da retina são capturadas por câmeras digitais de alta resolução e processadas por algoritmos de IA. Esses algoritmos podem identificar padrões característicos de retinopatias, como microaneurismas, hemorragias e exsudatos, permitindo uma detecção precoce e precisa da doença (KUIAVA, 2021).

A integração da IA na retinografia digital oferece várias vantagens, incluindo maior eficiência no diagnóstico, redução de erros humanos e otimização do tempo dos profissionais de saúde. Além disso, essa tecnologia pode facilitar o acesso ao diagnóstico em áreas remotas, onde a disponibilidade de especialistas é limitada, em resumo, a retinografia digital com IA é uma ferramenta promissora para o rastreamento e monitoramento de retinopatias, contribuindo para a prevenção de complicações e a preservação da visão (FARIA, 2023).

Atualmente, no Brasil, não há nenhum programa de triagem para retinopatia diabética, o que dificulta o acesso ao exame de fundo de olho, mesmo pelo Sistema Único de Saúde (SUS). Tradicionalmente, o rastreamento é feito com exames de fundo de olho com ou sem dilatação, retinografias simples e imagens digitais. Com o avanço das retinografias digitais, há uma oportunidade para melhorar os rastreamentos e os resultados clínicos, permitindo diagnósticos precoces. Um novo modelo de retinógrafo, usando inteligência artificial para rastrear doenças não diagnosticadas, promove tratamentos precoces. Para que esse protótipo seja eficaz, são necessários testes de controle de qualidade. A proposta de construir um retinógrafo com inteligência artificial visa alcançar mais pessoas, especialmente em áreas remotas e pequenas cidades, onde a presença de especialistas é limitada.

A inteligência artificial possibilitará rastreamentos e emissão de laudos médicos, visando reduzir custos para essas localidades. O retinógrafo proposto é um modelo de retinografia colorida que não requer dilatação da pupila com colírios, proporcionando maior comodidade ao paciente. A IA faz um pré-diagnóstico com base em bancos de dados, permitindo maior autonomia ao operador. Essa tecnologia possibilita exames em locais sem especialistas em oftalmologia.

O retinógrafo armazena imagens em bancos de dados acessíveis online aos médicos, facilitando a análise e o diagnóstico. Esse método utiliza imagens captadas de modo não midriático, evitando a dilatação da pupila com colírios.

A retinografia digital com inteligência artificial (IA) revoluciona o rastreamento de retinopatias diabéticas. Esta tecnologia avançada permite uma detecção precoce de alterações na retina, facilitando tratamentos precoces e prevenindo complicações graves. Ao integrar a IA, o processo de análise das imagens é agilizado, possibilitando uma triagem mais eficiente em larga escala. Além disso, a retinografia digital elimina a necessidade de dilatação da pupila, proporcionando maior conforto ao paciente. Com esses avanços, a retinografia digital com IA representa um marco na saúde ocular, promovendo diagnósticos mais rápidos e acessíveis, especialmente em áreas onde recursos médicos são escassos.

A retinografia digital, especialmente quando combinada com o uso de inteligência artificial para análise das imagens, pode oferecer uma série de benefícios em termos de custo e eficácia no rastreamento e diagnóstico da retinopatia diabética e outras condições oculares (OLIVEIRA, 2024).

Redução de custos a longo prazo: A detecção precoce de retinopatia diabética pode levar a tratamentos mais eficazes e menos invasivos, ajudando a evitar complicações mais graves e custos associados ao tratamento de estágios avançados da doença.

Eficiência operacional: A retinografia digital permite uma triagem mais rápida e eficiente de um grande número de pacientes, reduzindo o tempo e os recursos necessários para avaliação manual de imagens.

Acesso a cuidados oftalmológicos: Em áreas com escassez de oftalmologistas, a retinografia digital pode ajudar a ampliar o acesso a cuidados oculares, permitindo que profissionais de saúde não especializados realizem o rastreamento inicial e encaminhem os casos suspeitos para avaliação especializada.

Melhoria da precisão diagnóstica: A análise de imagens de retina por algoritmos de inteligência artificial pode ajudar a identificar alterações subtis que podem ser facilmente perdidas em uma avaliação visual tradicional, melhorando a precisão diagnóstica.

Prevenção de complicações: Ao identificar precocemente a retinopatia diabética, é possível intervir mais cedo para controlar a doença e prevenir complicações visuais graves, como a perda de visão.

É importante notar que, embora a retinografia digital com inteligência artificial ofereça muitos benefícios em termos de custo e eficácia, é fundamental considerar questões éticas, de privacidade e de qualidade dos cuidados ao implementar essas tecnologias. Além disso, a avaliação e o tratamento definitivos devem sempre ser realizados por profissionais de saúde qualificados (Ivan Y, 2018).Parte superior do formulário

2. OBJETIVOS
2.1 Geral

Realizar a apresentação de uma ferramenta inovadora de um aparelho  retinógrafo, que realiza exame de forma não midriática para um público onde a realização de um exame geralmente não é tão viabilizado, devido a necessidade de um especialista em oftalmologia para a realização do exame. 

2.2 Específicos
  • Realizar exames de Retinógrafia digital onde um de seus benefícios e a não necessidade de midriáse medicamentosa.
  • Aplicar modos de rastreios nas imagens coletadas com o retinógrafo para pré diagnósticos precoce.  
  • Avaliar as imagens através de inteligência artificial, usando banco de dados. 
  • Facilitar a realização de exames de modo que venha ser um exame de custo benefício.
  • Obter imagens de fundo de olho através de um equipamento portátil de baixo custo, vindo usar de tal maneira a inteligência artificial para avaliar a presença de retinopatia diabética.
  • Facilitar o dia tanto dos profissionais de saúde quanto dos pacientes, de que as filas para realizar o exame irá diminuir devido a retinografia ser rápida.
3. MATERIAIS E MÉTODOS

Com base de pesquisa em artigos livros e outras obras já publicadas usou-se como principal fonte artigos para realizar a pesquisa e investigação do estudo.

Tendo como principal metodologia de pesquisa, a abordagem do problema, os objetivos, e solução do mesmo, fazendo sempre um estudo de forma descritiva. 

3.1 Tipo de estudo

Trata-se de estudo de revisão integrativa, pois o mesmo se torna um método de revisão mais amplo, permitindo incluir estudos com diferentes abordagens para uma melhor revisão.

3.2 Bases de dados consultadas

O estudo foi realizado por meio da pesquisa em bancos de dados como PUBMED, SCIELO (Scientific Eletronic Libray Online) e Google Acadêmico, 

3.3 Critérios de Inclusão 

Para cumprimento desta pesquisa serão selecionados literaturas e artigos em língua portuguesa publicados no período de 2010 a 2024, que oferecessem informações sobre o tema do trabalho, sendo assim excluídos todos os dados com mais de 15 anos de publicação e que não proporcionou dados com relação à temática.

3.4 Coleta de Dados

Será realizada nos meses de fevereiro a novembro de 2024 através de levantamento de obras literárias já publicadas, destacando a ideologia dos mesmos. 

3.5 Análise de Dados

 Após a apresentação dos dados descrito acima através de revisão de literatura, foi possível visualizar que a Retinografia digital com IA, pode trazer muitos benefícios em relação a descoberta de doenças onde serão precocemente detectadas pela Retinografia diminuindo positivamente a quantidade de cegueira no brasil.

4. RESULTADOS ESPERADOS

Espera-se que por meio desse estudo, as entidades médicas possa compreender de forma  resumida,  que o aparelho de retinografia é capaz de realizar o rastreamento de possíveis retinopatias através do mapeamento de retina onde o mesmo fará o uso de uma inteligência artificial para fazer um pré diagnóstico de possíveis doenças, visando sempre na viabilidade da própria realização do exame onde não será necessário um profissional especialista para realizar o exame devido ser de fácil manuseio, contudo todas as imagens coletadas irão para um banco de dados online onde por final o médico especialista  terá acesso para que possa determinar tratamentos ou uma possível intervenção médica. 

5. REFERÊNCIAS

1 HILGERT, Gabriel Rebello; TREVIZAN, Eduardo; SOUZA, Juliano Mendes de. Uso de retinógrafo portátil como ferramenta no rastreamento de retinopatia diabética. Revista Brasileira de Oftalmologia, v. 78, p. 321-326, 2019.

2 GOBBI, Jéssica Deponti. Eficácia da fotografia de retina baseada em smartphone no rastreamento e diagnóstico precoce de retinopatia diabética. 2021. Dissertação (Mestrado em Mecanismos Fisiopatológicos nos Sistemas Visual e Audio-Vestibular) – Faculdade de Medicina de Ribeirão Preto, University of São Paulo, Ribeirão Preto, 2021. 

3 KUIAVA, V. A.; KUIAVA, E. L.; CHIELLE, E. O.; SYLLOS, R. Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes. Clinical and Biomedical Research, [S. l.], v. 41, n. 1, 2021.

4 FARIA, Thiago Pereira. Retinógrafo portátil no rastreamento de retinopatia diabética. Telemedicina e inteligência artificial. 2023.

5 OLIVEIRA, L. E. S. DE . et al.. Diagnóstico da retinopatia diabética por inteligência artificial por meio de smartphone. Revista Brasileira de Oftalmologia, v. 83, p. e0006, 2024. 

6 Bragança, C. . P., Torres, J. M., & Soares, C. P. de A. (2023). Inteligência artificial e diagnóstico do glaucoma. 

7 MODUGNO, Rodrigo Gonzalez. Uma contribuição ao projeto de retinógrafos digitais. 2009. Dissertação (Mestrado em Sistemas Dinâmicos) – Escola de Engenharia de São Carlos, University of São Paulo, São Carlos, 2009.

8 Araújo LR, Orefice JL, Gonçalves MA, et al. Use of digital retinography to detect vascular changes in pre-diabetic patients: a cross-sectional study. Diabetol Metab Syndr. 2023;15(1):225. Published 2023

9 Cicinelli MV, Cavalleri M, Brambati M, Lattanzio R, Bandello F. New imaging systems in diabetic retinopathy. Acta Diabetol. 2019;56(9):981-994. doi:10.1007/s00592-019-01373-y 

10 Forga Llenas L. Retinografía no midriática para la detección de la retinopatía diabética. Un ejemplo de adaptación al medio [Non-mydiatric retinography for the detection of diabetic retinopathy. An example of adaptation to the setting]. An Sist Sanit Navar. 2010;33(3):255-258.

11 Staurenghi G, Invernizzi A, de Polo L, Pellegrini M. Diagnosis and detection. Eur J Ophthalmol. 2011;21 Suppl 6:S27-S36. doi:10.5301/EJO.2010.6052

12 Ivan Y, Ramgopal S, Cardenas-Villa M, et al. Feasibility of the Digital Retinography System Camera in the      Pediatric Emergency Department. Pediatr Emerg Care. 2018;34(7):488-491.

13 Bruce BB, Thulasi P, Fraser CL, et al. Diagnostic accuracy and use of nonmydriatic ocular fundus photography by emergency physicians: phase II of the FOTO-ED study. Ann Emerg Med. 2013;62(1):28-33.e1. doi:10.1016/j.annemergmed.2013.01.010

14 Bruce BB, Lamirel C, Biousse V, et al. Feasibility of nonmydriatic ocular fundus photography in the emergency department: Phase I of the FOTOED study. Acad Emerg Med. 2011

15 https://www.arca.fiocruz.br/handle/icict/47320

16 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. 

17 CRUVINEL, MEM; MACÊDO, SEG de P.; CARVALHO, EAC; PERES, JC; RODRIGUES, IS; FERREIRA, JPRB; ANDRADE, C. de P.; DE OLIVEIRA, RAM Exames disponíveis para o diagnóstico da Retinopatia Diabética: uma revisão. Revista Brasileira de Revisão de Saúde , [S. l.] , v. 3, pág. 9346–9353, 2023. DOI: 10.34119/bjhrv6n3-076. Disponível em: https://ojs.brazilianjournals.com.br/ojs/index.php/BJHR/article/view/5963 2. Acesso em: 6 jun. 2024.

18 CorrêaM. da C., OliveiraA. de J., TavaresB. da S., OliveiraC. R. V., SantosM. T. C. dos, SarmentoP. V. D. H., MartinsT. M., & ReisB. C. C. (2022). Padrão dos métodos diagnósticos oftalmológicos usados para o diagnóstico precoce de retinopatia diabética: uma revisão de literatura. Revista Eletrônica Acervo Médico, 5, e9925. https://doi.org/10.25248/reamed.e9925.2022

19 MARTINS, T. G. DOS S.. Achados de fundoscopia de pacientes diabéticos e/ou hipertensos. Revista Brasileira de Oftalmologia, v. 79, n. 5, p. 348–348, set. 2020. 

20 Kermany DS, Goldbaum M, Cai W, et al. Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning. Cell. 2018;172(5):1122-1131.e9. doi:10.1016/j.cell.2018.02.010