Algoritmo de aprendizado profundo detecta retinopatia diabética em pacientes

La diabetes es un importante problema de salud pública, y es que un estimado de 463 millones de personas se vierona afectadas por ella en todo el mundo en el año 2019. En este sentido, la retinopatía diabética es una complicación grave que se asocia con la diabetes, puesto que implica ceguera en los adultos y una carga considerable para la calidad de vida del paciente.

Según estudios, se estima que la diabetes aumentará a 700 millones de personas para el año 2045, lo que a su vez elevaría la cantidad de víctimas de la retinopatía diabética. Para reducir la discapacidad visual en manos de esta enfermedad, se recomienda la realización de exámenes oculares frecuentes.

Mientras tanto, muchos científicos se vieron motivados por detener la retinopatía diabética, y así numerosos estudios demostraron un sólido rendimiento de diagnóstico de los modelos de aprendizaje en diferentes poblaciones. Sin embargo, la adopción de la tecnología de inteligencia artificial no sólo depende del rendimiento, sino también de la integración y la aceptabilidad en los flujos de trabajo clínicos.

Para o desenvolvimento do estudo, foram selecionados pacientes maiores de 18 anos, portadores de diabetes e presentes no registro nacional. Em seguida, eles tiveram que tirar uma foto em um olho e depois passar por um teste de triagem de acordo com as diretrizes do Ministério da Saúde Pública da Tailândia.

Os pacientes que consentiram em participar receberam um identificador único de caso para pseudonimização. Por outro lado, aqueles que foram diagnosticados com edema macular diabético, retinopatia diabética não proliferativa grave ou retinopatia diabética proliferativa; tratamento prévio com laser de retina ou cirurgia de retina; outras doenças oculares de retinopatia não diabética que requerem encaminhamento a um oftalmologista ou incapacidade de tirar uma foto de fundo de olho por qualquer motivo foram excluídas.

O estudo foi aprovado pelo Comitê de Ética em Pesquisa de todos os hospitais participantes, e aqueles que participaram tiveram que fornecer seu consentimento por escrito para permitir que imagens de retina fossem usadas no estudo.

A pesquisa está registrada no Registro de Ensaios Clínicos da Tailândia e a inscrição dos pacientes começou após a aprovação do Comitê de Revisão de Ética. O registro do estudo ocorreu após o recrutamento de 138 pacientes devido a problemas técnicos no registro de documentos e atrasos na submissão e revisão.

Os operadores de câmera usaram diferentes câmeras de fundo em cada local: Topcon Maestro 3D OCT-1, Topcon TRC-NW300, Nidek AFC-230, Nidek AFC-210 e Nidek AFC-300. Cor, campo único, não midriático, 45°, centrado na mácula, de ambos os olhos (ou de um olho, se não for possível para ambos). As imagens captadas foram carregadas na nuvem para que o sistema processasse as informações, utilizando o número do processo como único identificador.

Além disso, os pacientes foram encaminhados para medição de acuidade visual baseada em pinhole. Enquanto isso, os enfermeiros repassavam a recomendação de encaminhamento aos pacientes, e aqueles que não eram encaminhados recebiam um agendamento para a próxima avaliação 6 a 12 meses depois. De notar, não houve exames repetidos no estudo. Depois de concluir a triagem, os participantes inseriram os dados em um aplicativo baseado na web criado para o estudo para coletar e gerenciar suas informações.

As características notáveis ​​dos pacientes incluíram dados demográficos e fatores de risco. Mesmo assim, utilizou-se um acompanhamento personalizado, pois não havia acompanhamento sistemático das referências dentro do programa. Na conclusão do estudo, os registros dos pacientes foram revisados ​​para garantir que nenhum paciente inelegível fosse inserido no estudo.

Especialistas regionais em retina também releram cada imagem analisada por sistemas de aprendizado profundo para garantir sua segurança. Foi verificada a superleitura de casos encaminhados potencialmente perdidos por sistemas de aprendizagem profunda (falsos negativos). Assim, os leitores regionais forneceram uma avaliação independente para retinopatia diabética, edema macular diabético e patologias suspeitas adicionais.

De 12 de dezembro de 2018 a 29 de março de 2020, 7.940 pacientes foram avaliados para elegibilidade, dos quais 7.651 (96,3%) pacientes foram incluídos na análise. Devido às limitações clínicas, o número exato de pacientes que não atenderam a esse critério de inclusão não estava disponível. Foram recrutados 4.830 (63,1%) mulheres e 2.818 (36,8%) homens, com média de idade de 59,9 anos (DP 10,3).

O tempo médio de leitura compulsiva após a leitura inicial do sistema de aprendizado profundo foi de 10 dias (IC 95%: 2–49); 2.357 (35%) de 7.578 pacientes receberam uma leitura dentro de uma semana. 7.231 (94%) participantes se declararam não fumantes, o que foi maior do que a prevalência relatada desse grupo na Tailândia (intervalo de 80 a 86%).

Por sua vez, 2.412 (31,5%) pacientes foram encaminhados para acompanhamento oftalmológico abrangente e, assim, a adesão ao encaminhamento pôde ser rastreada para um subconjunto de pacientes. Dos 222 pacientes que se apresentaram para encaminhamento, o motivo mais comum foi retinopatia diabética com risco de visão (141[64%] pacientes), seguido por acuidade visual (60 [27%] pacientes) e imagem não graduável (21[9]%] pacientes).