Publicação: Retinógrafo portátil no rastreamento de retinopatia diabética. Telemedicina e inteligência artificial
Carregando...
Data
Autores
Orientador
Jorge, Eliane Chaves 
Coorientador
Pós-graduação
Medicina - FMB 33004064088P4
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso restrito
Resumo
Resumo (português)
Introdução: A retinopatia diabética (RD) é uma das principais causas de cegueira evitável no mundo. O diagnóstico e tratamento precoces são essenciais para prevenir as complicações oculares. Câmeras retinianas portáteis e algoritmos de inteligência artificial (IA) são novas ferramentas adotadas por programas de triagem de RD, e de telemedicina. No Brasil, estes instrumentos poderiam melhorar a logística de atendimento do paciente com RD no Sistema Único de Saúde (SUS). Objetivos: Avaliar a capacidade da câmera de retina portátil acoplada a smartphone (Phelcom Eyer®), em detectar sinais de RD em olhos de pacientes diabéticos, com e sem dilatação pupilar (DP), e o seu potencial como ferramenta de telemedicina, mesmo quando utilizada por não médicos; e determinar a acurácia do algoritmo de IA PhelcomNet na detecção de RD, quando comparada à análise de um especialista em retina. Casuística e Métodos: estudo transversal, realizado no período de novembro de 2020 a novembro de 2022, com 151 indivíduos, na unidade básica de saúde Comerciários, em Botucatu-SP, e no ambulatório de Oftalmologia do Hospital das Clínicas da Faculdade de Medicina de Botucatu (HCFMB). Todos foram submetidos à retinografia com e sem DP, por dois examinadores sem experiência prévia com o dispositivo portátil. As imagens foram armazenadas e depois classificadas por dois especialistas em retina mascarados e pelo algoritmo de IA.
Resultados: Foram incluídos 105 pacientes diabéticos (210 olhos) no grupo Diabetes e 46 indivíduos sem diabetes (92 olhos) no grupo Controle. Foram obtidas 1160 imagens digitais (600 sem DP e 560 com DP). Na análise das imagens, houve melhora da qualidade após a dilatação pupilar (p<0,0001). Em relação à detecção da RD, considerando-se a avaliação pelo especialista com dilatação pupilar como o padrão ouro, verificou-se que mesmo sem dilatação os valores de sensibilidade (87,50%), especificidade (97,59%), valor preditivo negativo (VPN: 99,59%) e acurácia (98,83%) foram bons. Para detecção de edema macular diabético, a sensibilidade foi menor (75,00%), com boa especificidade (99,60%), VPN (99,20%) e acurácia (97,28%). Em relação à acurácia do algoritmo de inteligência artificial PhelcomNet, os resultados mostraram elevados valores de sensibilidade: 90,91% (IC 95% 70,84 - 98,88%) e VPN (99,56%), com área sob a curva ROC de 0,93. Conclusão: A câmera de retina portátil acoplada a smartphone (Phelcom Eyer®) se mostrou útil como ferramenta de triagem de RD e de telemedicina. A qualidade das imagens foi boa, independente do nível de experiência do examinador, principalmente após dilatação pupilar. O algoritmo de IA (PhelcomNet) teve desempenho adequado, possibilitando a seleção dos casos suspeitos de doença, para posterior avaliação. Estes resultados corroboram a utilização da câmera Eyer no Sistema Único de Saúde (SUS), em programas de rastreamento de RD, por profissionais de saúde não médicos e sem dilatação pupilar.
Resumo (inglês)
Background: Diabetic retinopathy (DR) is one of the leading causes of preventable blindness worldwide. Early diagnosis and treatment are essential to prevent ocular complications. Portable retinal cameras and artificial intelligence (AI) algorithms are new tools adopted by DR screening and telemedicine programs. In Brazil, these instruments could improve the logistics of care for patients with DR in the Unified Health System (SUS). Purpose: To evaluate the ability of the portable retinal camera attached to a smartphone (Phelcom Eyer®) to detect DR signs in the eyes of diabetic patients, with and without pupillary dilation (PD), and its potential as a telemedicine tool, even when used by non-physicians; and to determine the accuracy of the PhelcomNet AI algorithm in detecting DR, when compared to a retinal specialist's analysis. Methods: a cross-sectional study, carried out from November 2020 to November 2022, with 151 individuals, at the primary health unit Comerciários, in Botucatu-SP, and at the Ophthalmology outpatient clinic of the Hospital das Clínicas da Faculdade de Medicina de Botucatu (HCFMB). All were submitted to retinography with and without PD by two examiners with no previous experience with the portable device. Images were stored and then classified by two masked retinal experts and the AI algorithm. Results: 105 diabetic patients (210 eyes) were included in the Diabetes group, and 46 individuals without diabetes (92 eyes) were in the Control group. One thousand one hundred sixty digital images were obtained (600 without DP and 560 with DP). In the image analysis, there was an improvement in quality after pupillary dilation (p<0.0001). Regarding the detection of DR, considering the evaluation by the specialist with pupillary dilation as the gold standard, it was found that even without dilation, the values of sensitivity (87.50%), specificity (97.59%), negative predictive value (NPV: 99.59%) and accuracy (98.83%) were good. For the detection of diabetic macular edema, sensitivity was lower (75.00%), with reasonable specificity (99.60%), NPV (99.20%), and accuracy (97.28%). Regarding the accuracy of the PhelcomNet artificial intelligence algorithm, the results showed high sensitivity values: 90.91% (95% CI 70.84 - 98.88%) and NPV (99.56%), with an area under the ROC curve of 0.93. Conclusion: The portable retinal camera attached to a smartphone (Phelcom Eyer®) proved helpful as a DR and telemedicine screening tool. The quality of the images was good, regardless of the examiner's level of experience, especially after pupillary dilation. The AI algorithm (PhelcomNet) performed adequately, allowing the selection of suspected disease cases for further evaluation. These results corroborate the use of the Eyer camera in the Unified Health System (SUS), in DR tracking programs, by non-medical health professionals, and without pupillary dilation.
Descrição
Palavras-chave
Retinopatia diabética, Triagem, Retinografia, Telemedicina, Inteligência artificial, Tecnologia de baixo custo
Idioma
Português
