Cientistas da Universidade Tecnológica de Nanyang, Cingapura (NTU Cingapura), em colaboração com médicos do Hospital Tan Tock Seng (TTSH) em Cingapura, desenvolveram um novo método que usa inteligência artificial (IA) para rastrear glaucoma, um grupo de doenças oculares que podem causar perda de visão e cegueira devido à lesão do nervo óptico na parte posterior do olho.
O método habilitado para AI usa algoritmos para diferenciar nervos ópticos com glaucoma daqueles que são normais, analisando imagens estéreo do fundo – imagens 2D de múltiplos ângulos da retina que são combinadas para formar uma imagem 3D.
Quando testado em imagens de fundo de olho estéreo de pacientes com TTSH submetidos a exames de especialistas, o método de IA rendeu uma precisão de 97 por cento no diagnóstico de glaucoma.
O glaucoma é freqüentemente chamado de “o ladrão silencioso da visão”, pois geralmente é assintomático até os estágios finais, quando o prognóstico é ruim. É a principal causa de cegueira irreversível em todo o mundo e, em conjunto com o rápido crescimento do envelhecimento da população, deve afetar 111,8 milhões de pessoas em todo o mundo até 2040, contra 76 milhões em 2020.
O método automatizado de diagnóstico de glaucoma desenvolvido pela NTU e TTSH, descrito em um estudo publicado na revista científica “Methods” em junho de 2021, poderia ser usado em áreas menos desenvolvidas onde os pacientes não têm acesso a oftalmologistas, disseram os cientistas.
O estudo exemplifica os esforços de pesquisa da NTU como parte de seu plano estratégico para 2025 para estar na vanguarda do enfrentamento de quatro dos grandes desafios da humanidade, um dos quais é responder às necessidades e desafios de uma vida saudável e envelhecimento.
O Dr. Leonard Yip, co-autor do estudo e chefe do Serviço de Glaucoma do National Healthcare Group (NHG) Eye Institute, TTSH, disse: “Muitos pacientes de glaucoma permanecem sem diagnóstico na comunidade, e em países em desenvolvimento como a Índia, a porcentagem de casos não diagnosticados pode ser bem acima de 90 por cento. Embora os casos geralmente sejam detectados durante exames de rotina, o rastreamento populacional é desafiador devido ao equipamento especializado e caro ou a especialistas treinados necessários. O processo de inspecionar manualmente imagens retinais individuais também é demorado -consumente e depende de avaliação subjetiva de especialistas. Nosso método de uso de IA, ao contrário, poderia ser potencialmente mais eficiente e econômico. ”
O professor associado Wang Lipo da Escola de Engenharia Elétrica e Eletrônica da NTU e principal autor do estudo disse: “Por meio de uma combinação de técnicas de aprendizado de máquina, nossa equipe desenvolveu um modelo de rastreamento que pode diagnosticar glaucoma a partir de imagens do fundo do olho, eliminando a necessidade de oftalmologistas para fazer várias medições clínicas (como a pressão interna do olho) para o diagnóstico. A facilidade de uso de nossa abordagem robusta e automatizada de diagnóstico de glaucoma significa que qualquer profissional de saúde pode usar o sistema para ajudar no rastreamento de glaucoma. Isso será especialmente útil em áreas geográficas áreas com menos acesso a oftalmologistas. ”
A equipe agora está testando seus algoritmos em um conjunto de dados maior de imagens do fundo do olho do paciente obtidas no TTSH. Eles também estão analisando como o software pode ser portado para um aplicativo de telefone celular para que, quando usado em conjunto com uma câmera de fundo de olho ou adaptador de lente para telefones celulares, possa ser uma ferramenta viável de rastreamento de glaucoma em campo.
Como funciona
O sistema automatizado de diagnóstico de glaucoma desenvolvido pela equipe da NTU e TTSH usa um conjunto de algoritmos para analisar imagens estéreo do fundo de olho tomadas em pares por duas câmeras de diferentes pontos de vista. Essas imagens 2D ‘esquerda’ e ‘direita’ do fundo ajudam a formar uma visualização 3D quando combinadas.
O uso de duas imagens garante que, se uma imagem for de má qualidade, a outra geralmente pode compensar e o sistema pode manter seu desempenho preciso, disseram os cientistas.
O conjunto de algoritmos é composto por dois componentes: uma rede neural convolucional profunda e uma rede guiada pela atenção. O primeiro imita o processo biológico do cérebro humano para se adaptar ao aprendizado de coisas novas, enquanto a rede guiada pela atenção imita a maneira do cérebro de se concentrar seletivamente em algumas características relevantes – neste caso, a região da cabeça do nervo óptico nas imagens do fundo.
As saídas desses dois componentes são então fundidas para gerar o resultado final da previsão.
Para testar seus algoritmos, os cientistas primeiro reduziram a resolução de 282 imagens de fundo de olho (70 casos de glaucoma e 212 casos saudáveis) tiradas de pacientes com TTSH durante a triagem ocular, antes de treinar os algoritmos com 70 por cento do conjunto de dados.
Para gerar mais amostras de treinamento, os cientistas também aplicaram aumento de imagem – uma técnica que envolve a aplicação de transformações aleatórias, mas realistas, como rotação de imagem – para aumentar a diversidade do conjunto de dados usado para treinar os algoritmos, o que aumenta a precisão da classificação dos algoritmos.
Método de triagem habilitado para AI atinge 97% de precisão
A equipe de pesquisa conjunta então testou seu método de triagem nos 30 por cento restantes das imagens de pacientes e descobriu que tinha uma precisão de 97 por cento na identificação correta de casos de glaucoma e uma sensibilidade (a fração de casos classificados corretamente entre todos os casos de glaucoma positivos) de 95 por cento – mais alto do que outros métodos baseados em aprendizagem profunda de última geração também testados durante o estudo, que rendeu sensibilidades que variam de 69 a 89 por cento.
Os cientistas também descobriram que o uso de um par de imagens estéreo do fundo do olho melhorou a sensibilidade do sistema de triagem. Quando imagens de fundo de olho únicas foram usadas, os algoritmos tiveram uma sensibilidade inferior de 85 a 86 por cento.
O professor Wang da NTU Assoc disse: “O desempenho excelente e estável é especialmente importante no diagnóstico médico, e este estudo mostrou que nosso modelo de combinação de rede neural convolucional profunda com mecanismos de atenção resultou em uma abordagem de triagem habilitada para IA confiável e eficiente para glaucoma. O uso de imagens do fundo do olho esquerdo e direito em um par estéreo para realizar o rastreamento do glaucoma também ajudou a melhorar significativamente a robustez do modelo de rastreamento. No futuro, estamos procurando ajustar ainda mais nossos algoritmos e validar o uso clínico de nossa abordagem de IA por meio de testes adicionais em mais imagens de pacientes. ”
Dr. Yip, do TTSH, disse: “Nossa pesquisa mostrou que as técnicas de IA podem oferecer aos médicos novas ferramentas para aliviar sua carga de trabalho e fazer diagnósticos de forma mais eficiente. Uma ferramenta portátil alimentada por IA, que imaginamos que nosso modelo de rastreamento eventualmente tomaria a forma de, poderia também ajudam a resolver o problema de acesso precário aos cuidados de saúde primários e erros nos diagnósticos diferenciais. ”
Publicado em 08/09/2021 07h50
Artigo original:
Estudo original: