A inteligência artificial promove a detecção precoce e o tratamento da miopia

A inteligência artificial promove a detecção precoce e o tratamento da miopia

A crescente prevalência da miopia é um problema de saúde global, com a alta miopia aumentando o risco de danos à visão. Isto requer o uso de inteligência artificial (IA) para diagnóstico precoce, prevenção e tratamento da miopia. Bem, umExame pediátricoA revisão destaca aplicações potenciais da IA ​​na identificação precoce, avaliação de risco e prevenção da miopia. Mostra ainda os desafios e o estado atual de desenvolvimento da tecnologia de IA no campo da miopia.

A miopia ou miopia afeta dois bilhões de pessoas em todo o mundo. A miopia não corrigida pode afetar a visão, perturbar a educação, as perspetivas de carreira e a qualidade de vida. Até 2050, estima-se que quase metade da população mundial se tornará míope. A alta miopia está frequentemente associada a complicações que podem levar à deficiência visual, afetando a qualidade de vida dos pacientes e aumentando o fardo médico e económico global. Portanto, o diagnóstico precoce da miopia é importante para prevenir a deficiência visual em pacientes com miopia.

A inteligência artificial (IA) abriu novas fronteiras na área médica e pode ser uma solução para esta empresa global de saúde. Os subgrupos de IA, como tecnologias avançadas, como aprendizado de máquina (ML) e aprendizado profundo (DL), podem ajudar a analisar dados para diagnosticar doenças e prever fatores de risco, biomarcadores e resultados.

Nan Liu, todos do Departamento de Oftalmologia da Capital Medical University, China, resumiram as aplicações e os desafios da IA ​​na miopia, incluindo detecção, avaliação de fatores de risco e modelos de previsão. Este estudo foi publicado no Journal ofExame pediátricoem 18 de março de 2025.

Curiosamente, os modelos de IA podem ser treinados com ML/DL para detectar miopia a partir de fotos de fundo de olho e imagens de tomografia de coerência óptica. Ao alimentar um modelo com um grande conjunto de imagens de fundo de olho de pacientes míopes, a IA pode ser ensinada a detectar pequenas mudanças na cor e no padrão da retina que estão associadas à miopia. Isso permite que o modelo diagnostique futuros pacientes a partir de fotos de fundo de olho.

Além disso, dispositivos de automonitoramento como o SVOne, um dispositivo portátil que usa um sensor de frente de onda para medir defeitos oculares, podem detectar defeitos refrativos nos olhos usando algoritmos de IA. O dispositivo pode acessar um banco de dados online de imagens que a IA pode usar como referência para diagnosticar miopia. Além disso, a IA pode ser treinada para detectar alterações comportamentais associadas ao início da miopia. Essa detecção é particularmente útil para a detecção precoce de miopia em crianças, que muitas vezes é ignorada. Por exemplo, o Vivior Monitor usa algoritmos de ML para detectar mudanças no comportamento visual, como:

Além disso, métodos de ML como máquina vetorial, regressão logística e Xgboost podem ser usados ​​para identificar fatores de risco para miopia."Um modelo baseado em XGBOOST pode obter grandes quantidades de dados longitudinais, permitindo conhecer os resultados e os fatores de risco associados à miopia em vários pacientes. Isso, por sua vez, permite que o modelo avalie os fatores de risco de novos pacientes com base em sua genética, histórico familiar, ambiente e parâmetros fisiológicos."Explica o Dr.

Prever a progressão e o resultado da miopia pode ajudar os médicos a adaptar a sua abordagem clínica. Em grande escala, pode moldar a prática clínica e a elaboração de políticas que ajudam a controlar a miopia. Ao alimentar um modelo de IA com grandes quantidades de dados biométricos, dados refrativos, respostas ao tratamento e imagens oculares de vários pacientes com miopia, a IA pode ser ensinada a prever os resultados da miopia em novos pacientes.

Apesar do grande potencial da IA ​​na miopia, vários desafios devem ser superados. Primeiro, é importante garantir que o conjunto de dados utilizado para treinar um modelo de IA seja preciso e de alta qualidade. Viés, falsos negativos/positivos e baixa qualidade dos dados podem impactar negativamente a precisão diagnóstica e preditiva do modelo. Em segundo lugar, a maioria dos modelos de IA são treinados utilizando dados de grandes hospitais, que podem não ser representativos de pacientes que vão para clínicas mais pequenas. Isto cria uma discrepância entre a população real e a população em formação. Terceiro, um modelo de IA não é um médico treinado e pode não fornecer uma base clínica para o seu diagnóstico, o que pode resultar na rejeição do diagnóstico pelos profissionais médicos. Finalmente, com tão grandes quantidades de dados de pacientes, é importante ver os modelos de IA garantirem a privacidade dos registos médicos dos pacientes.

“Embora nosso estudo destaque os notáveisOs avanços na aplicação clínica da IA ​​na miopia requerem mais estudos para superar os desafios tecnológicos. DeAo construir conjuntos de dados de alta qualidade, melhorar a capacidade do modelo de processar dados de imagens multimodais e melhorar a capacidade de interação dos computadores humanos, os modelos de IA podem ser melhorados ainda mais para aplicação clínica generalizada.“Conclui o Dr.

Fontes: