Integrando genética, idade e imagem para prever resultados do tratamento na degeneração macular neovascular relacionada à idade: um estudo prova-de-conceito

Por que isso importa para a visão e o envelhecimento

À medida que as pessoas vivem mais, um número maior de nós fica em risco de degeneração macular relacionada à idade, uma doença que pode roubar a visão central e tornar tarefas diárias como ler ou dirigir difíceis ou impossíveis. Hoje os médicos dispõem de injeções oculares eficazes que podem desacelerar ou interromper uma forma agressiva da doença, mas os pacientes variam amplamente em quanto respondem bem e com que frequência precisam de tratamento. Este estudo investiga se combinar informações dos nossos genes, exames oculares e idade pode ajudar os médicos a prever quem tem mais probabilidade de se beneficiar da terapia e como a doença irá se comportar ao longo do tempo, abrindo caminho para um cuidado oftalmológico mais personalizado.

Juntando três pistas

Os pesquisadores se concentraram na degeneração macular neovascular relacionada à idade, a forma “úmida” causada por novos vasos sanguíneos que vazam sob a retina. Todos os 106 participantes foram tratados em um único hospital oftalmológico especializado sob um mesmo protocolo “tratar-e-expandir” com injeções anti-VEGF, que são medicamentos padrão para controlar a doença. Para cada pessoa, a equipe reuniu três tipos de informação rotineiramente disponíveis em clínicas modernas: exames transversais detalhados da retina (OCT), uma amostra de sangue para testes genéticos e dados demográficos simples, como a idade na primeira injeção.

Lendo a retina com inteligência artificial

Exames de OCT podem revelar pequenos bolsões de líquido e outras alterações estruturais na retina que sinalizam doença ativa. Em vez de depender de avaliadores humanos, a equipe usou um modelo de deep learning para medir automaticamente o volume de várias características-chave, incluindo fluido dentro e sob a retina e protuberâncias sob a camada fotossensível. Essas medidas serviram como indicadores objetivos de quão danificado ou ativo o olho estava no início do tratamento. O objetivo principal foi prever se um olho estaria “seco” — essencialmente livre de líquido visível — dois anos após o início do tratamento, um estado que reflete doença silenciosa e é simples de verificar por imagem.

Carga genética como peça adicional do quebra-cabeça

O estudo também incorporou uma pontuação de risco poligênica, um único número que resume o efeito combinado de muitas variantes genéticas comuns associadas à degeneração macular. Em vez de prever a resposta ao tratamento por si só, essa pontuação captura principalmente o quanto alguém está predisposto a desenvolver a doença e quão cedo ela pode aparecer. Nesta coorte, as pessoas tendiam a ter risco genético maior do que a população geral, e aquelas com pontuações mais altas tendiam a iniciar o tratamento em idade mais jovem, sugerindo que a carga genética antecipa o aparecimento da doença mesmo que não dite diretamente como o olho reage às injeções.

Desempenho do modelo combinado

Para testar se misturar essas pistas melhorava a previsão, os pesquisadores construíram modelos de aprendizado de máquina que usaram diferentes combinações de idade, imagem e dados genéticos. Quando tentaram prever uma mácula seca em dois anos usando apenas as características dos exames, o desempenho foi regular. Ao adicionar a pontuação de risco genética e a idade, a capacidade do modelo de distinguir entre olhos que acabariam secos e os que não melhorou substancialmente, alcançando um nível elevado de precisão segundo padrões estatísticos comuns.

O que isso significa para pacientes e o futuro

Para pessoas que vivem com degeneração macular ou estão em risco, este trabalho prova-de-conceito sugere que uma abordagem mais personalizada ao tratamento pode estar a caminho. Ao combinar o risco herdado de uma pessoa, os detalhes finos da sua estrutura retiniana e sua idade, os médicos podem eventualmente ser capazes de estimar as chances de alcançar uma mácula silenciosa e sem fluido e planejar o seguimento de acordo. O estudo atual é pequeno e derivado de um único centro, de modo que seus modelos não estão prontos para uso clínico rotineiro, e eles se concentram em desfechos anatômicos em vez da experiência visual cotidiana. Ainda assim, os resultados mostram que integrar genética e imagem avançada em uma única estrutura de inteligência artificial é tecnicamente viável e biologicamente sensato, preparando o terreno para estudos maiores que possam levar a medicina de precisão para a linha de frente do cuidado visual.

Citação: Moghul, I., Pontikos, N., Sharma, A. et al. Integrating genetics, age and imaging to predict treatment outcomes in neovascular age-related macular degeneration: a proof-of-concept study. Sci Rep 16, 12489 (2026). https://doi.org/10.1038/s41598-026-41931-3

Palavras-chave: degeneração macular relacionada à idade, pontuação de risco genética, imagem retiniana, inteligência artificial, tratamento oftalmológico personalizado