Um novo estudo publicado no repositório arXiv demonstra que modelos de inteligência artificial podem classificar automaticamente a gravidade da degeneração macular relacionada à idade (AMD) com notável acurácia, abrindo caminho para diagnósticos mais precoces e acessíveis. A pesquisa, submetida em 3 de junho, envolveu 271 participantes com diferentes estágios da doença e utilizou exames de imagem de última geração.
Os cientistas empregaram um sistema de tomografia de coerência óptica com angiografia (OCT/OCTA) de varredura de fonte (SOLIX, da Visionix/Optovue) para capturar volumes maculares centrais de 6 x 6 mm. Foram analisados 2.030 volumes de exames de 351 olhos, classificados em quatro estágios segundo a escala simplificada AREDS: sem AMD, AMD precoce, intermediária e avançada.
Três arquiteturas de deep learning foram desenvolvidas com diferentes entradas: mapas de biomarcadores derivados da segmentação de características patológicas (fluido retiniano, drusas, atrofia geográfica e neovascularização macular), projeções 2D en face de OCT/OCTA e volumes 3D completos dos exames. Todos os modelos foram treinados com dados normalizados, aumento de dados e validação cruzada de cinco dobras.
Os resultados mostraram que todos os modelos atingiram concordância substancial com o padrão de referência clínico, com coeficiente de concordância de Cohen (QWK) acima de 0,83. O modelo baseado em biomarcadores destacou-se com o melhor desempenho geral, alcançando QWK de 0,85 ± 0,03 e a maior detecção de AMD em estágio inicial, com F1-score de 0,59 ± 0,14.
O modelo que utilizou projeções 2D en face apresentou a maior precisão (0,79 ± 0,06) e foi o mais eficaz em identificar olhos sem a doença. O modelo 3D obteve desempenho comparável ao 2D OCT/OCTA, com QWK de 0,83 ± 0,04, demonstrando que a análise volumétrica direta também é uma abordagem robusta.
Para os pesquisadores, o grande destaque é a capacidade de detectar a AMD em sua fase inicial, quando as alterações visuais ainda são sutis e as intervenções podem ser mais efetivas. A abordagem baseada em biomarcadores mostrou-se particularmente valiosa nesse aspecto, oferecendo um caminho para o rastreamento automatizado em larga escala.
O estudo reforça o potencial da inteligência artificial em transformar o diagnóstico oftalmológico, reduzindo a dependência de avaliações subjetivas e acelerando o encaminhamento de pacientes para tratamento. A automatização da classificação da AMD pode impactar diretamente a qualidade de vida de milhões de pessoas em todo o mundo.