Desempenho no mundo real do sistema diagnóstico por IA IDx-DR no diagnóstico da retinopatia diabética e seus principais fatores confundidores

Por que este novo exame de olhos importa

Para pessoas com diabetes, a perda de visão por dano ocular pode surgir de forma silenciosa e permanente. Exames oculares regulares previnem muitos casos de cegueira, mas não há oftalmologistas suficientes para examinar todos com a frequência necessária. Este estudo avaliou um sistema totalmente automatizado de inteligência artificial (IA), chamado IDx-DR, para verificar quão bem ele consegue identificar a doença ocular diabética na prática clínica cotidiana e quais obstáculos do mundo real ainda dificultam seu uso.

Uma necessidade crescente por exames rápidos

O diabetes está aumentando globalmente, e cerca de uma em cada três pessoas com diabetes desenvolve lesões no tecido sensível à luz na parte posterior do olho, condição conhecida como retinopatia diabética. Quando detectado precocemente, esse dano pode ser tratado para reduzir muito o risco de cegueira. O desafio é que rastrear milhões de pessoas exige tempo, treinamento e equipamentos caros. O IDx-DR busca aliviar essa carga: enfermeiros ou assistentes treinados tiram fotografias da retina com uma câmera especial, e as imagens são enviadas para um software em nuvem que classifica automaticamente o olho como sem doença, ou com doença leve, moderada ou grave, sem a presença de um oftalmologista no local.

Colocando o sistema de IA à prova

Os pesquisadores avaliaram o IDx-DR em 875 pacientes com diabetes atendidos em um hospital especializado na Alemanha. O grupo foi amplo, incluindo crianças a partir de 8 anos e adultos de até 92 anos, e ambos os principais tipos de diabetes. Para cada pessoa, assistentes tiraram quatro fotografias da retina em uma sala escurecida, sem usar colírios para dilatar a pupila, para reproduzir uma visita típica de triagem na atenção primária. O sistema de IA analisou essas imagens e produziu um único diagnóstico por paciente, com base no olho mais afetado. Todos os pacientes também receberam um exame oftalmológico completo por oftalmologistas experientes usando colírios dilatadores, que serviu como comparação padrão-ouro, e as fotografias armazenadas foram posteriormente avaliadas por oftalmologistas que desconheciam os resultados da IA.

Quão bem a IA reconheceu a doença?

Quando havia fotografias de boa qualidade, a IA teve desempenho especialmente bom nos casos mais perigosos. Para doença ocular diabética severa, sua sensibilidade — a parcela de pacientes realmente afetados que ela detectou corretamente — foi de cerca de 94%, e sua especificidade — com que frequência ela tranquilizou corretamente os que não tinham doença grave — foi de cerca de 90%. Em mais da metade dos pacientes com imagens analisáveis, a gradação em quatro níveis da IA coincidia exatamente com o exame com pupila dilatada realizado pelos médicos. Quando houve discordância, a IA tendia a ser cautelosa: rotulava a doença como mais grave do que realmente era com mais frequência do que deixava de identificar problemas sérios. Subestimar a gravidade, o que poderia atrasar tratamentos necessários, ocorreu em menos de 5% dos pacientes com imagens utilizáveis, e raramente naqueles com doença verdadeiramente grave.

Os obstáculos ocultos: obter imagens utilizáveis

O ponto fraco principal não foi a tomada de decisão da IA, mas a praticidade de obter imagens que ela pudesse interpretar. Em aproximadamente um em cada dez pacientes, a equipe não conseguiu capturar nenhuma fotografia retiniana, e em cerca de um em cada quatro, a IA considerou as imagens pobres demais para análise. O estudo investigou por quê. Pupilas menores foram um fator chave: pacientes com pupilas contraídas abaixo de 3 milímetros tiveram muito menos imagens utilizáveis. Idade avançada, lentes oculares opacas (catarata), edema diabético já existente na retina e baixa acuidade visual também dificultaram a fotografia e a análise. Até a pessoa que tirava as fotos importava. Com treinamento e experiência, a taxa de imagens inutilizáveis de um examinador caiu acentuadamente e o tempo necessário por paciente diminuiu, mas após uma longa pausa na prática, o desempenho voltou a piorar.

O que isso significa para o cuidado ocular no futuro

Para leitores leigos, a mensagem principal é que uma IA autônoma pode ajudar com segurança a identificar pessoas com dano ocular diabético avançado, especialmente onde faltam oftalmologistas. No entanto, sua utilidade depende muito de fotografias retinianas nítidas, que são mais difíceis de obter em pacientes mais velhos, aqueles com pupilas pequenas ou catarata, ou em ambientes apressados e com pouco pessoal. O estudo sugere que protocolos de câmera melhores, treinamento cuidadoso da equipe e, possivelmente, o uso seletivo de colírios dilatadores poderiam melhorar muito o impacto do sistema no mundo real. Por enquanto, o IDx-DR parece promissor como uma ferramenta de triagem para priorizar quem precisa ver um especialista ocular mais rapidamente, em vez de um substituto completo para exames humanos.

Citação: Hunfeld, E., Tayar, A., Paul, S. et al. Real-world performance of the AI diagnostic system IDx-DR in the diagnosis of diabetic retinopathy and its main confounders. Sci Rep 16, 4349 (2026). https://doi.org/10.1038/s41598-026-36970-9

Palavras-chave: retinopatia diabética, inteligência artificial, imagens da retina, triagem médica, saúde ocular