36 artigos
Este estudo, que combina uma revisão de literatura e entrevistas com profissionais de saúde holandeses, conclui que não existem testes de inteligência válidos e padronizados para adultos com deficiência visual, destacando a necessidade urgente de desenvolver instrumentos específicos e normas adaptadas para garantir medições precisas do QI.
Este estudo demonstrou que um modelo de aprendizado de máquina baseado em perceptron multicamada (MLP), que integra dados clínicos, estruturais e funcionais, alcançou o melhor desempenho no diagnóstico automatizado de glaucoma em uma coorte clínica do Gana, superando outros algoritmos e parâmetros individuais.
Este estudo prospectivo comparativo demonstrou que os chatbots baseados em IA ChatGPT e DeepSeek forneceram respostas de alta qualidade sobre miopia para pais e pacientes, superando o Gemini, o que sugere que essas ferramentas podem apoiar eficazmente a compreensão da doença.
Este artigo apresenta um tutorial prático e reprodutível sobre o uso de aprendizado profundo (ResNet152V2) para classificar automaticamente treze doenças oculares com base em sintomas visuais, alcançando uma precisão de validação média de 98,8% e disponibilizando todo o código e dados para fins educacionais.
Este estudo demonstra que o comprimento axial do olho introduz um viés sistemático nas métricas vasculares de imagens de fundo de olho, mas que a aplicação da correção de Bennett-Littmann baseada no comprimento axial real elimina esse erro e é essencial para o desenvolvimento preciso de biomarcadores.
O estudo conclui que a exposição à luz azul de banda estreita pela manhã reduz significativamente o comprimento axial em comparação com a exposição noturna, alterando o ritmo diurno, enquanto a adição de défice miópico não proporcionou modulação adicional.
Este estudo transversal realizado na Tanzânia demonstrou que a dislipidemia, especificamente a elevação dos triglicerídeos, está significativamente associada ao edema macular diabético em pacientes com diabetes mellitus tipo 2.
O artigo apresenta o CausalFund, um framework de aprendizado inspirado na causalidade que melhora a generalização de modelos de IA para a triagem de glaucoma e retinopatia diabética em imagens de fundo de olho de baixa qualidade adquiridas por dispositivos portáteis, permitindo diagnósticos confiáveis em ambientes com recursos limitados.
Este estudo demonstrou que uma grande deleção estrutural de 8.732 pares de bases na região upstream do gene *PITX2*, que abrange múltiplos enhancers, está associada a um risco 7,3 vezes maior de desenvolver glaucoma de ângulo aberto primário em adultos, evidenciando o papel crucial de variantes estruturais raras na patogênese da doença.
Este estudo revela uma forte associação entre baixos níveis de ergotioneína e a degeneração macular relacionada à idade (DMRI), sugerindo que a suplementação dessa molécula antioxidante pode ser uma estratégia promissora para modificar o risco ou a progressão da doença.
Este estudo de mundo real com mais de 80.000 interações demonstrou que um programa integrado de monitoramento fisiológico remoto e gerenciamento principal de cuidados, utilizando testes de função retinal domiciliares, alcançou alta adesão e detecção eficaz da progressão assintomática de doenças retinianas crônicas, permitindo intervenções mais precoces.
Este estudo demonstra que um modelo de aprendizado profundo baseado em Vision Transformers consegue prever com precisão parâmetros do campo visual futuros a partir de um único exame de OCT da camada de fibras nervosas da retina, mantendo desempenho robusto ao ser validado em diferentes equipamentos de imagem.
Este estudo retrospectivo de prática real demonstrou que o biossimilar aflibercepte-ayyh (PAVBLU) manteve a acuidade visual em pacientes com doenças retinianas que trocaram de terapia anti-VEGF e melhorou a visão em pacientes não tratados anteriormente, apresentando um perfil de segurança consistente com o do aflibercepte de referência.
Este estudo realizou uma meta-análise exoma-wide de múltiplas coortes em indivíduos de ascendência africana com glaucoma de ângulo aberto primário, identificando associações sugestivas com variantes raras em genes como SRF, BLTP3A, METTL2A e KRT10, destacando a importância de investigar variações genéticas específicas dessa população para compreender melhor a etiologia da doença.
Este estudo transversal utilizou um modelo de aprendizado de máquina interpretável (Random Forest) para identificar que fatores biométricos oculares, especialmente a idade, o comprimento axial e a relação entre a profundidade da câmara anterior e o comprimento axial, possuem associações não lineares significativas com a catarata em pacientes com alta miopia.
Este estudo desenvolveu e validou uma abordagem de inteligência artificial multimodal chamada COMET, que integra dados de prontuários eletrônicos e proteômica para priorizar racionalmente biomarcadores proteicos relevantes para a retinopatia diabética, superando as limitações de estudos proteômicos tradicionais e identificando alvos biológicos promissores como SERPINE1, QPCT, AKR1C2, IL2RB e SRSF6.