REGISTRO DOI: 10.69849/revistaft/pa10202508311711
Luis Eduardo da Costa Abreu1
Lorival Denis campelo1
Jacqueline Lima Monteiro de Carvalho2
Bruno Macedo Gonçalves3
RESUMO
Introdução: Inteligência Artificial (IA) é um ramo da ciência da computação que está crescendo em popularidade como resultado dos avanços tecnológicos que ocorreram no setor de saúde. Também é essencial para a progressão do desenvolvimento tecnológico que levou à detecção de vários problemas e à tomada de decisões com base em grandes conjuntos de dados. Objetivo: Avaliar o uso da inteligência artificial no diagnóstico de doenças oculares, comparando a precisão, eficiência e impacto da tecnologia em relação aos métodos tradicionais empregados por profissionais de saúde. Método: Trata-se de uma revisão integrativa da literatura. A busca foi realizada nas bases LILACS, PubMed e SciELO, utilizando descritores controlados e termos livres, em inglês e português. Incluiu-se estudos publicados entre 2020 e 2024, que abordassem artigos com texto completo disponível; Inteligência Artificial no setor de saúde na especialidade oftalmologia um ramo da medicina. Resultados: A amostra do estudo foi inicialmente de 2.006 artigos com base no ano de publicação e descritores, em seguida ficou 10 artigos para leitura e análise dos resumos, dessas publicações indexadas no banco de dados das cidadãs fontes. Entretanto, para a seleção da amostra foram analisados 6 artigos que foram analisados na integra de acordo com os critérios de inclusão e exclusão. Foram selecionadas uma amostra do ano de 2020 (16,67%), duas amostras do ano de 2021 (33,33%), uma amostra do ano de 2023 (16,67%) e duas amostras publicação dos anos de 2024 (33,33%). Conclusão: A principal razão para a realização desta pesquisa é a crescente demanda por soluções inovadoras que aumentarão a eficácia do diagnóstico oftalmológico e levarão a um maior sucesso no tratamento de doenças oculares. A implementação da IA pode facilitar uma análise mais aprofundada de estudos de imagem, o que melhorará a precisão do diagnóstico. Palavras-chave: inteligência artificial; doenças oculares; retinopatia; degeneração macular; doença da retina
INTRODUÇÃO
Inteligência Artificial (IA) é um ramo da ciência da computação que está crescendo em popularidade como resultado dos avanços tecnológicos que ocorreram no setor de saúde. Também é essencial para a progressão do desenvolvimento tecnológico que levou à detecção de vários problemas e à tomada de decisões com base em grandes conjuntos de dados (Dantas et al., 2024).
A IA é capaz de reproduzir as funções do cérebro humano, incluindo aprendizado, criatividade e capacidade de resposta. No entanto, é mais rápida, autônoma e não tem preconceitos dos humanos. Ela tem uma enorme capacidade de aprimorar as capacidades dos humanos, especificamente no campo médico (Kuiava et al., 2021). A IA teve um impacto significativo no campo da saúde, e a oftalmologia é uma das especialidades que mais se beneficiou dos avanços tecnológicos. A crescente demanda por diagnósticos precisos e a crescente prevalência de doenças oculares associadas ao envelhecimento populacional levaram à busca por tecnologias que ofereçam diagnósticos rápidos e eficazes, bem como previsões mais detalhadas. Ferramentas baseadas em IA, como aprendizado profundo, têm o potencial de reconhecer pequenas mudanças em imagens oculares e acompanhar a progressão da doença, essas ferramentas são tipicamente mais precisas do que o olho humano (Dantas et al., 2024).
A oftalmologia é uma das especialidades mais significativas no campo da medicina baseada em IA, ela fornece inúmeras vantagens e flexibilidade ao diagnóstico. Com uma infinidade de imagens disponíveis, incluindo fotos e outras imagens de diagnóstico, a IA fornece uma abordagem mais individualizada para analisar as informações e convertê-las em uma ferramenta útil na tomada de decisão clínica. Nesse contexto, o diagnóstico de doenças oculares complexas, como catarata, é mais padronizado e assertivo ao usar IA, isso é atribuído ao aumento da prevalência dessas doenças em idosos e na geração mais jovem (Do Carmo; De Lima, 2024).
Recentemente, o uso de IA em Oftalmologia experimentou um aumento significativo, o que levou à criação de sistemas inovadores para o diagnóstico de doenças oculares. Um exemplo notável é o dispositivo portátil Eyer, criado pela startup Phelcom no Brasil. Esta câmera de fundo de olho, combinada com um smartphone, permite a realização de exames de retina de alta qualidade em apenas alguns minutos, sem a necessidade de expansão pupilar. Combinado com uma plataforma online, o Eyer emprega IA para analisar as imagens capturadas, o que permite o diagnóstico remoto de mais de 50 doenças oculares diferentes, incluindo retinopatia relacionada ao diabetes e glaucoma. A tecnologia já foi empregada na exibição de filmes em áreas remotas do Brasil, o que demonstra sua capacidade de promover o acesso à saúde ocular (Dantas et al., 2024).
Além disso, sistemas baseados em IA têm sido empregados para aprimorar o diagnóstico e o tratamento de doenças como o glaucoma. A Araba Health Services Organization firmou parceria com a Universidade de Deusto para implementar um projeto de ponta que emprega IA e Big Data para analisar padrões em imagens da retina e dados clínicos. Este método facilita a previsão do estágio do glaucoma e o tratamento personalizado, o que melhora a eficiência do processo e a experiência do paciente. A integração da IA na prática clínica não só aumenta a eficiência dos cuidados com a saúde ocular, como também tem o potencial de alterar fundamentalmente o campo da oftalmologia (Do Carmo; De Lima, 2024).
Doenças oculares como diabetes, glaucoma e degeneração macular relacionada à idade são as principais responsáveis pela perda irreversível da visão em todo o mundo, e é importante reconhecer essas condições precocemente para minimizar a progressão dessas doenças. A utilização de IA nessas doenças é benéfica, pois permite a detecção precoce e a análise detalhada de alterações morfológicas, além disso, permite o tratamento personalizado dessas doenças com base nas informações obtidas (Liu et al., 2024).
Essas tecnologias estão além do escopo da análise de imagem, elas também incluem a utilização de biomarcadores oculares, quando associadas à IA, essa tecnologia fornece uma descrição abrangente da condição do paciente que inclui as complicações potenciais e melhora o planejamento do tratamento (Puccio et al., 2024).
OBJETIVOS
Avaliar o uso da inteligência artificial no diagnóstico de doenças oculares, comparando a precisão, eficiência e impacto da tecnologia em relação aos métodos tradicionais empregados por profissionais de saúde. Determinar a fidelidade da inteligência artificial no diagnóstico de doenças oculares específicas, como retinopatia diabética, glaucoma e degeneração macular comparadas ao diagnóstico de oftalmologistas. Estudar os efeitos da inteligência artificial na redução do tempo de diagnóstico associado a doenças oculares, destacando os benefícios da rapidez e agilidade nos processos clínicos. Avaliar a eficácia da tecnologia de imagem baseada em inteligência artificial para o olho (como exames de fundo de olho e tomografia computadorizada). Investigar as dificuldades e limitações associadas ao uso da inteligência artificial no diagnóstico de doenças oculares, incluindo questões éticas, custos, treinamento de modelos de IA e acessibilidade para profissionais de saúde e pacientes.
Método
Trata-se de uma revisão integrativa da literatura que tenta combinar as diferentes abordagens da ciência que são importantes em um tópico específico. Como Souza, Silva e Carvalho (2010) explicam, uma revisão integrativa é um método de pesquisa que agrega as diferentes abordagens da ciência que são significativas em um tópico específico. Com base na estratégia PICOS, acrônimo correspondente à População (P), Intervenção (I), Comparação (C), “Outcomes” (desfecho) (O) e Study Design (tipos de estudos) (Galvão et al.,2021).
A pesquisa será realizada nas bases de dados Scientific Electronic Library Online (SciELO), Literatura Latino-Americana e do Caribe em Ciências da Saúde (LILACS) e PubMed®, no período de junho a agosto de 2025. A pesquisa utilizará operadores booleanos “AND”, “OR“. Os termos de busca incluirão: (“inteligência artificial” OR “artificial intelligence” OR “machine learning” OR “aprendizado de máquina” OR “deep learning”) AND (“diagnóstico” OR “diagnosis“) AND (“doenças oculares” OR “doença ocular” OR “eye diseases” OR “ocular diseases” OR “retinopatia” OR “glaucoma” OR “degeneração macular” OR “doença da retina”).
Critérios de inclusão estudos publicados do ano de 2020 a 2024, nos idiomas inglês, português, artigos disponíveis na integra e artigos gratuitos. E como critério de exclusão teses, capítulos de livros e artigos de revisão.
RESULTADOS
A partir dessa pesquisa espera-se que a utilização de IA no diagnóstico de doenças oculares tenha um maior grau de precisão e sensibilidade na detecção precoce dessas doenças em comparação com os métodos tradicionais. A redução do tempo de diagnóstico, devido os sistemas serem automatizados podem analisar grandes conjuntos de dados e imagens mais rapidamente do que análises manuais feitas por especialistas, o que espera refletir na eficiência dos fluxos de atendimento e na redução de filas e tempos de espera.
Além disso, espera-se também que a IA auxilie na expansão do diagnóstico em áreas remotas ou com escassez de oftalmologistas, por meio de plataformas de telemedicina e triagem automatizada.
FIGURA 1 – Fluxograma de seleção dos estudos, método PRISMA.
A amostra do estudo foi inicialmente de 2.006 artigos com base no ano de publicação e descritores, em seguida ficou 10 artigos para leitura e análise dos resumos, dessas publicações indexadas no banco de dados das cidadãs fontes. Entretanto, para a seleção da amostra foram analisados 6 artigos que foram analisados na integra de acordo com os critérios de inclusão e exclusão, as bases de dados sobre a temática conforme o Quadro 1.
Quadro 1 – Distribuição dos artigos de acordo com o título, autor, ano, objetivos, resultados e conclusão, sobre Inteligência Artificial no setor de saúde na especialidade oftalmologia um ramo da medicina
Dentre os 06 artigos selecionados para o estudo, após a aplicação dos critérios de inclusão e exclusão, observaram que o período de 2020 a 2024 vários estudos foram realizados sobre essa temática, tanto estudos originais, quanto revisões da literatura. De modo foram selecionadas uma amostra do ano de 2020 (16,67%), duas amostras do ano de 2021 (33,33%), uma amostra do ano de 2023 (16,67%) e duas amostras publicação dos anos de 2024 (33,33%).
Conclusão
A principal razão para a realização desta pesquisa é a crescente demanda por soluções inovadoras que aumentarão a eficácia do diagnóstico oftalmológico e levarão a um maior sucesso no tratamento de doenças oculares. A implementação da IA pode facilitar uma análise mais aprofundada de estudos de imagem, o que melhorará a precisão do diagnóstico, o que é particularmente pertinente em áreas que carecem de especialistas e em situações de sistemas de saúde sobrecarregados. Além disso, a IA pode potencialmente reduzir a quantidade de tempo necessária para identificar doenças oculares, o que facilitaria intervenções mais rápidas e, como resultado, evitaria consequências mais graves. Outro aspecto importante é que, embora os oftalmologistas tenham restrições de tempo e recursos ao lidar com um grande número de pacientes, a IA pode ser uma abordagem suplementar que ajudará a priorizar e triar os casos mais importantes. Isso pode levar a um atendimento mais eficaz e a uma distribuição mais eficiente dos recursos de saúde.
Além disso, a investigação dessa tecnologia é de significativa importância acadêmica e científica, pois permitirá explorar as capacidades e limitações da inteligência artificial no campo da saúde e fornecerá uma base para futuras melhorias tecnológicas e que podem corroborar também em outras especialidades médicas. Também tem efeito no desenvolvimento de tecnologia associada à saúde, além de produzir informações cruciais que melhoram a prática da medicina clínica e facilitam a tomada de decisões em políticas de saúde pública.
REFERENCIAS
Abreu-Gonzalez R, Rodríguez-Martín JN, Quezada-Peralta G, Rodrigo-Bello JJ, Gil- Hernández MA, Bermúdez-Pérez C, Donate-López J. Retinal age as a predictive biomarker of the diabetic retinopathy grade. Arch Soc Esp Oftalmol (Engl Ed). 2023 May;98(5):265-269. doi: 10.1016/j.oftale.2023.04.008. Epub 2023 Apr 17. PMID:37075840. Disponível em: https://pubmed.ncbi.nlm.nih.gov/37075840/. Acesso em 16.ago.2025.
CHAVES FILHO, Cláudio do Carmo; BYK, Jonas; FERREIRA, Luiz Carlos de Lima. Desafíos bioéticos para el uso de la inteligencia artificial en oftalmología. Revista Bioética, v. 32, p. e3727PT, 2025. Disponível em: https://www.scielo.br/j/bioet/a/d4L8tT3pQ5c9DK8wzWHNN7B/?lang=es. Acesso em 22.ago.2025
DANTAS, Breno Mangueira et al. AVANÇOS NO USO DE INTELIGÊNCIA ARTIFICIAL PARA DIAGNÓSTICO E PROGNÓSTICO EM DOENÇAS OCULARES. Brazilian Journal of Implantology and Health Sciences, v. 6, n. 11, p. 697-705, 2024. Disponível em: https://bjihs.emnuvens.com.br/bjihs/article/view/4270. Acesso em 21.mar. 2025.
DE SOUSA, Angélica Silva; DE OLIVEIRA, Guilherme Saramago; ALVES, Laís Hilário. A pesquisa bibliográfica: princípios e fundamentos. Cadernos da FUCAMP, v. 20, n. 43, 2021. Disponível em: https://revistas.fucamp.edu.br/index.php/cadernos/article/view/2336. Acesso em 02.abr.2025.
DO CARMO, Cláudio; BYK, Jonas; DE LIMA, Luiz Carlos. Desafios bioéticos do uso da inteligência artificial na oftalmologia. Revista Bioética, v. 32, 2024. Disponível em: https://revistabioetica.cfm.org.br/revista_bioetica/article/view/3727. Acesso em 21.mar. 2025.
GALVÃO, A. P. F. C.; CERQUEIRA, L. T. C.; ARAGÃO, F. B. A.; MARTINELLI, C. V. M.; SILVA, P. L. N. da.; SANTOS, N. M. Estratégia pico para evidências científicas: impacto na qualidade de vida do paciente hemodialítico. Revista Nursing, v.24, n.283, p.6642-6653, 2021. Disponível em: https://revistanursing.com.br/index.php/revistanursing/article/view/2066/2546. Acesso em 15.ago. 2025.
KUIAVA, Victor Antonio et al. Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes. Clinical and Biomedical Research, v. 41, n. 1, 2021. Disponível em: https://seer.ufrgs.br/hcpa/article/view/109565. Acesso em 21.mar. 2025.
KUIAVA, Victor Antonio et al. Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes. Clinical and Biomedical Research, v. 41, n. 1, 2021. Disponível em: https://seer.ufrgs.br/index.php/hcpa/article/view/109565/pdf. Acesso em 21.ago.2025.
LIU, Yao-Hong et al. Inteligência artificial no segmento anterior de doenças oculares. International Journal of Ophthalmology , v. 17, n. 9, p. 1743, 2024. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC11367440/. Acesso em 21.mar. 2025.
LUCENA, Abrahão Rocha et al. Development of an application for providing corneal topography reports based on artificial intelligence. Arquivos Brasileiros de Oftalmologia, v. 85, p. 351-358, 2021. Disponível em: https://www.scielo.br/j/abo/a/FQTBmZwMxmL6zQBMSZ4Kw4y/?format=html&lang=en. Acesso em 23.ago.2025.
OLIVEIRA, Luiz Eduardo Silva de et al. Diagnóstico da retinopatia diabética por inteligência artificial por meio de smartphone. Revista Brasileira de Oftalmologia, v. 83, p. e0006, 2024. Disponível em: https://www.scielo.br/j/rbof/a/gcQkgQV77rsrDm3p8xZGGzK/?lang=pt. Acesso em 17. Ago.2025.
Peris-Martínez C, Shaha A, Clarida W, Amelon R, Hernáez-Ortega MC, Navea A, Morales-Olivas J, Dolz-Marco R, Pérez-Jordá P, Verbraak F, Heijden AAV. Use in clinical practice of an automated screening method of diabetic retinopathy that can be derived using a diagnostic artificial intelligence system. Arch Soc Esp Oftalmol (Engl Ed). 2021 Mar;96(3):117-126. English, Spanish. doi: 10.1016/j.oftal.2020.08.007. Epub 2020 Nov 3. PMID: 33153819.. Disponível em: https://pubmed.ncbi.nlm.nih.gov/33153819/. Acesso em 20.ago.2025.
PUCCHIO, Aidan et al. Aplicações de metodologias de inteligência artificial e bioinformática na análise de marcadores de biofluidos oculares: uma revisão de escopo. Graefe’s Archive for Clinical and Experimental Ophthalmology, v. 262, n. 4, p. 1041-1091, 2024. Disponível em: https://link.springer.com/article/10.1007/s00417-023-06100-6. Acesso em 21.mar. 2025.
SOUZA, Marcela Tavares de; SILVA, Michelly Dias da; CARVALHO, Rachel de. Revisão integrativa: o que é e como fazer. Einstein (São Paulo), v. 8, p. 102-106, 2010. Disponível em: https://www.scielo.br/j/eins/a/ZQTBkVJZqcWrTT34cXLjtBx/?lang=pt. Acesso em 22.mar.2025
1 Graduando em Medicina pelo Centro Universitário CET.
2 Graduanda em Biomedicina pelo Centro Universitário UNINOVAFAPI.
3 Professor, Centro Universitário CET. E-mail: brunomg_bruno@hotmail.com