Detecção e segmentação automatizada do anel de Weiss em fotografias de fundo de olho usando aprendizado profundo

Por que pequenos anéis no olho importam

Com o envelhecimento, muitas pessoas passam a notar novos “moscas-volantes” que cruzam o campo de visão. A maioria é inofensiva, mas algumas podem indicar alterações que, ocasionalmente, levam a rasgos na retina e até cegueira. Um dos sinais mais claros dessa mudança é uma pequena partícula em forma de anel dentro do olho chamada anel de Weiss. Em fotografias oftalmológicas rotineiras, no entanto, esse anel pode ser tênue e fácil de perder — mesmo para especialistas e, em especial, para computadores. Este estudo descreve um novo sistema de inteligência artificial (IA) que aprende a detectar e contornar anéis de Weiss em fotografias retinianas padrão, potencialmente transformando imagens de rotina em uma fonte mais rica de informação clínica e de pesquisa.

Uma pista sutil dentro de fotos oculares rotineiras

O interior do olho é preenchido por um gel transparente que gradualmente se separa da retina conforme envelhecemos, um processo conhecido como descolamento vítreo posterior. Quando essa separação se completa, pode deixar um laço de tecido flutuante na frente da cabeça do nervo óptico: o anel de Weiss. Sua presença indica que a separação terminou e, em alguns pacientes com flashes súbitos ou moscas-volantes, pode marcar uma janela temporal em que a retina está mais vulnerável a pequenos rasgos. Ainda assim, anéis de Weiss nem sempre são visíveis, podem ficar fora do campo de visão da câmera e frequentemente parecem sombras vagas. Sistemas tradicionais de IA treinados para identificar doenças retinianas comuns em grande parte ignoraram essas estruturas ou as interpretaram como artefatos, deixando uma informação importante sem uso.

Ensinando computadores a encontrar o anel

Os pesquisadores reuniram 582 fotografias coloridas de olhos de vários bancos de dados públicos e pediram a três especialistas oftalmológicos que identificassem quais imagens continham um anel de Weiss e que traçassem cuidadosamente seu contorno. Isso resultou em 194 imagens com anel e 388 sem anel. Em seguida, eles construíram um sistema de IA em duas partes. Uma parte, chamada rede de segmentação, aprendeu a desenhar um mapa pixel a pixel de onde o anel está em cada imagem. A outra parte, uma rede de classificação, aprendeu a decidir se há ou não um anel na imagem. Um segundo classificador examinou apenas a máscara de segmentação, julgando se a área marcada realmente se parecia com um anel. Finalmente, um modelo estatístico simples combinou as duas pontuações de classificação em uma única previsão final.

Como o sistema se saiu

Em um conjunto de teste retido que a IA nunca viu durante o treinamento, a rede de contorno do anel produziu mapas que se sobrepuseram de forma razoável aos desenhos dos especialistas, especialmente nos casos mais claros. Foi particularmente sensível, detectando a maioria dos anéis verdadeiros, embora às vezes marcasse regiões extras onde reflexos ou textura de fundo imitavam um anel. Quando a saída da segmentação foi combinada com o classificador no nível da imagem, a detecção geral melhorou. O sistema combinado distinguiu corretamente imagens com e sem anel com um alto valor de área sob a curva (cerca de 0,90) e precisão sólida, apresentando também boa capacidade de excluir imagens sem anel. Mapas de calor visuais confirmaram que o modelo se concentrou principalmente na área ao redor do nervo óptico onde os anéis de Weiss tipicamente aparecem, aumentando a confiança de que ele estava usando pistas clinicamente significativas em vez de padrões espúrios.

O que isso pode significar para o cuidado e a pesquisa

Os autores enfatizam que esta ferramenta não substitui um exame ocular completo ou exames avançados quando alguém relata flashes súbitos ou moscas-volantes. Fotografias padrão cobrem apenas parte da retina, e muitas pessoas com descolamento vítreo nunca apresentam um anel visível. Em vez disso, o sistema é apresentado como um assistente: pode sinalizar imagens para revisão mais detalhada em grandes programas de triagem, ajudar aprendizes a reconhecer anéis sutis e permitir que pesquisadores vasculhem milhares de fotos arquivadas para estudar com que frequência os anéis ocorrem e como se relacionam com fatores como idade, cirurgias ou outras doenças oculares. Como o estudo usou um número moderado de imagens de fontes públicas, serão necessários ensaios maiores em cenários reais — idealmente comparando resultados com imagens de ângulo amplo ou exames tridimensionais — antes que a abordagem possa ser confiável nas decisões clínicas cotidianas.

Um pequeno anel com grande potencial de dados

Em termos simples, este trabalho mostra que um computador pode ser treinado não apenas para dizer “sim ou não” sobre um pequeno anel flutuante no olho, mas também para esboçar onde ele se encontra. Embora o sistema ainda seja uma prova de conceito e não uma autoridade diagnóstica, ele abre a porta para transformar uma característica frequentemente negligenciada em um sinal pesquisável em grandes coleções de imagens. Usada com cuidado e em conjunto com um exame apropriado, essa IA poderia ajudar médicos e pesquisadores a prestar mais atenção a moscas-volantes sutis que contam uma história sobre o envelhecimento do olho.

Citação: Kim, H., Ryu, S.Y., Yoo, T.K. et al. Automated detection and segmentation of Weiss ring in fundus photography images using deep learning. Sci Rep 16, 13787 (2026). https://doi.org/10.1038/s41598-026-44593-3

Palavras-chave: Anel de Weiss, imagem retiniana, aprendizado profundo, descolamento vítreo, IA médica