Avaliação baseada em inteligência artificial da resposta ao tratamento na degeneração macular úmida relacionada à idade usando angiografia OCT emparelhada

Por que isso importa para a visão

A degeneração macular relacionada à idade é uma das principais causas de perda de visão em adultos mais velhos, e muitas pessoas recebem injeções oculares repetidas para manter a doença sob controle. Os médicos dependem de exames oculares para decidir se o tratamento está funcionando, mas a leitura desses exames é difícil e pode variar entre especialistas. Este estudo explora como a inteligência artificial pode ajudar a avaliar o sucesso do tratamento de forma mais consistente, usando um tipo mais recente de exame que mapeia os pequenos vasos sanguíneos na parte posterior do olho.

Ver o fluxo sanguíneo sem corante

Durante anos, especialistas usaram imagens com corante para localizar vasos anormais que ameaçam a visão central. Mais recentemente, a tomografia de coerência óptica e sua ramificação, a angiografia por OCT, permitiram aos médicos ver camadas finas da retina e seu fluxo sanguíneo sem precisar de injeção de contraste. Esses exames podem mostrar como vasos anormais crescem, encolhem ou mudam de forma durante o tratamento, mas os padrões costumam ser sutis e nem sempre correspondem a sinais óbvios de doença ativa, como líquido ou sangramento. Como resultado, julgar se um ciclo de injeções realmente ajudou, não fez diferença ou permitiu que a doença piorasse pode ser demorado e subjetivo.

Treinando uma segunda opinião digital

Os pesquisadores reuniram mais de mil pares de imagens de angiografia por OCT de pessoas com a forma úmida da degeneração macular. Cada par mostrava o mesmo olho antes e depois de uma série de injeções anti‑VEGF, uma terapia medicamentosa padrão que retarda o crescimento de vasos anormais. Exames seccionais separados e alterações na visão foram usados para decidir se cada curso de tratamento havia claramente melhorado o olho, o deixado essencialmente inalterado ou permitido que piorasse. Essas marcações de especialistas serviram como padrão de referência para ensinar um sistema de aprendizado profundo a classificar novos pares de imagens nas mesmas três categorias.

Como o computador lê os exames

A equipe construiu um modelo com dois ramos paralelos, um para o exame pré‑tratamento e outro para o exame pós‑tratamento. Para cada ponto no tempo, o sistema examinou várias camadas da retina e da coroide capturadas como vistas planas, superioras. Inicialmente aprendeu a extrair características visuais complexas de cada exame, como densidade vascular e padrões de ramificação, então combinou informações de ambos os momentos para produzir um único julgamento de melhorado, inalterado ou piorado. As imagens foram divididas aleatoriamente de modo que alguns pares foram usados para treinar o modelo, outros para ajustá‑lo, e um conjunto separado foi reservado para os testes finais.

Comparando o computador com especialistas

No conjunto de teste independente, o sistema de inteligência artificial classificou corretamente a resposta ao tratamento em cerca de oito em cada dez pares de imagens, com desempenho especialmente forte na identificação de melhoras. Dois especialistas experientes em retina revisaram os mesmos pares de imagens sem acesso a outros dados clínicos. A precisão combinada deles ficou mais próxima de seis em cada dez, e eles tiveram maior dificuldade em casos em que a doença estava estável, em vez de claramente melhor ou pior. A análise estatística mostrou que os avaliadores humanos eram quase três vezes mais propensos que o modelo a julgar incorretamente se um curso de tratamento ajudou, não teve efeito ou falhou, destacando quão desafiador esses exames podem ser de interpretar apenas a olho nu.

O que isso pode significar para os pacientes

O estudo sugere que um sistema de inteligência artificial cuidadosamente treinado pode atuar como um leitor consistente de exames vasculares emparelhados, oferecendo uma visão objetiva de como os vasos anormais na degeneração macular respondem ao tratamento. Embora tais ferramentas não substituam os médicos, elas podem servir como auxílio à decisão, sinalizando mudanças sutis, reduzindo desacordos entre especialistas e ajudando a ajustar com mais precisão os cronogramas de injeção. A longo prazo, essa abordagem pode apoiar um cuidado mais personalizado e um uso mais eficiente de medicamentos novos e existentes para preservar a visão de pessoas que convivem com essa doença ocular comum.

Citação: Morsy, M.S., Dutta, N.A., Eldessouky, E.I. et al. Artificial intelligence based assessment of treatment response in wet age related macular degeneration using paired OCT angiography. Sci Rep 16, 15405 (2026). https://doi.org/10.1038/s41598-026-42999-7

Palavras-chave: degeneração macular relacionada à idade, angiografia por tomografia de coerência óptica, inteligência artificial, resposta ao tratamento, imagem retiniana