Predicting visual function before glaucoma onset from baseline optical coherence tomography scans using deep learning

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.

O essencial

Imagine que o olho humano é como uma câmera de alta tecnologia e o glaucoma é um "inimigo silencioso" que começa a apagar as fotos dessa câmera, ponto por ponto, antes mesmo que você perceba que a imagem está ficando ruim.

Este artigo de pesquisa conta a história de como os cientistas criaram um "Oráculo Digital" usando Inteligência Artificial para prever o futuro da visão de um paciente, olhando apenas para uma única foto do olho hoje.

Aqui está a explicação simplificada:

1. O Problema: O Inimigo Invisível

O glaucoma é uma doença que destrói os nervos do olho. O problema é que, muitas vezes, o paciente não percebe que está perdendo a visão até que seja tarde demais. Os médicos usam dois tipos de exames:

• OCT (Tomografia): Uma foto super detalhada da "estrada" de nervos no fundo do olho (como verificar se a estrada está ficando fina ou buracos).
• Campo Visual: Um teste onde o paciente diz o que vê (como testar se a câmera ainda capta a imagem inteira).

Geralmente, os médicos olham para a foto do nervo (OCT) e depois esperam anos para ver se o teste de visão (Campo Visual) piorou. Mas, às vezes, o nervo já está sofrendo e o teste de visão ainda parece normal. A pergunta era: Podemos olhar para a foto de hoje e prever como será a visão daqui a 5 anos?

2. A Solução: O "Cristal" de Inteligência Artificial

Os pesquisadores criaram um modelo de Inteligência Artificial chamado Vision Transformer (ViT).

• A Analogia: Imagine que os modelos antigos de IA (chamados CNNs) eram como alguém tentando entender uma paisagem olhando apenas para pedrinhas individuais e tentando juntá-las. Eles viam os detalhes, mas perdiam o "quadro geral".
• O Novo Modelo (ViT): Este novo modelo é como um pintor experiente que olha para a tela inteira de uma vez. Ele não apenas vê as pedrinhas, mas entende como elas se conectam em todo o olho. Ele consegue ver padrões sutis e distantes que os outros modelos ignoram.

3. Como Funcionou o Experimento

Eles alimentaram esse "Cristal Digital" com:

• 1.792 olhos de pacientes reais (dados do passado).
• Uma foto do nervo óptico (OCT) tirada no início.
• O resultado do teste de visão que esses mesmos pacientes fizeram anos depois (em média, 4,7 anos depois).

O objetivo era fazer a IA "adivinhar" o resultado do teste de visão futuro, baseada apenas na foto inicial.

4. O Resultado: A Bola de Cristal Funciona!

O resultado foi impressionante. A IA conseguiu prever o futuro da visão com uma precisão que é comparável à própria margem de erro dos exames humanos.

• Precisão: A diferença entre o que a IA previu e o que realmente aconteceu foi muito pequena (cerca de 2 pontos de erro em uma escala de 100). Isso significa que a IA é quase tão precisa quanto um médico experiente, mas sem precisar esperar 5 anos para ter certeza.
• Generalidade: O modelo funcionou tão bem que não importava se a foto do olho vinha de uma máquina da marca "Zeiss" ou da marca "Heidelberg". A IA aprendeu a "ver" a doença, não a marca da máquina.

5. O "Segredo" da IA (Explicabilidade)

Os cientistas perguntaram: "Como a IA sabe isso?". Eles usaram um mapa de calor (como um termômetro visual) e descobriram que a IA estava focando exatamente nas áreas certas:

• Ela olhava para as camadas internas e externas do nervo (onde a doença realmente começa).
• Isso prova que a IA não está "chutando" ou vendo coisas aleatórias; ela está aprendendo a biologia real do olho, da mesma forma que um médico faria.

Por que isso é importante para você?

Imagine que você vai ao médico e ele diz: "Baseado na foto do seu olho hoje, daqui a 5 anos sua visão pode estar piorando, mesmo que você se sinta bem agora."

Isso permite que o médico:

1. Atue antes: Comece o tratamento mais forte ou mais cedo, antes que a visão seja perdida de verdade.
2. Economize tempo: Não precisa esperar anos para ver se o tratamento está funcionando.
3. Salve a visão: O glaucoma causa cegueira irreversível. Prever o futuro permite proteger o que ainda resta.

Em resumo: Os cientistas criaram um "adivinho" digital que olha para uma foto do olho e diz, com alta precisão, como será a visão do paciente no futuro. É como ter uma bola de cristal médica que pode nos ajudar a salvar a visão de milhões de pessoas antes que seja tarde demais.

Resumo técnico

Título do Estudo

Previsão da Função Visual antes do Início do Glaucoma a partir de Escaneamentos Basais de Tomografia de Coerência Óptica (OCT) usando Aprendizado Profundo

---

1. O Problema

O glaucoma é uma neuropatia óptica crônica caracterizada pela degeneração das células ganglionares da retina, levando a perda irreversível do campo visual (VF). Embora o controle da pressão intraocular (PIO) seja o principal fator de risco ajustável, muitos olhos continuam a apresentar progressão da doença e deterioração do campo visual, mesmo com tratamento clínico adequado.

• Desafio Atual: Traduzir informações estruturais basais (como espessura da camada de fibras nervosas da retina - RNFL) em uma trajetória futura de visão funcional individual é difícil com modelos convencionais.
• Limitação da Literatura: Estudos anteriores focaram principalmente em mapeamento estrutura-função transversal ou previsão de risco de progressão. Pouco se sabe sobre a previsão direta de índices globais de campo visual futuros (MD, PSD, VFI) a partir de um único exame basal de OCT-RNFL antes da piora clínica significativa.
• Arquitetura: A maioria dos modelos existentes utiliza Redes Neurais Convolucionais (CNNs), que podem perder detalhes estruturais finos devido ao seu foco em receptores locais e necessidade de redimensionamento de imagens.

---

2. Metodologia

Coleta de Dados e Seleção de Pacientes

• Estudo Retrospectivo Multicêntrico: Dados coletados de três clínicas oftalmológicas na Austrália (Hobart, Essendon e Gladstone Park) entre 2009 e 2025.
• Cohorte de Treinamento/Validação Interna: 1.792 olhos de 1.610 pacientes do "Hobart Eye Surgeons" (dispositivo Zeiss Cirrus).
• Validação Externa:
  • 151 olhos de 92 pacientes (Essendon Eye Clinic) usando o mesmo dispositivo Zeiss.
  • 281 olhos de 166 pacientes (Gladstone Park Eye Clinic) usando um dispositivo diferente (Heidelberg Spectralis).
• Critérios de Inclusão/Exclusão:
  • Pacientes com glaucoma ou suspeita de glaucoma.
  • Intervalo de acompanhamento focado entre 2,15 e 7,33 anos (média de 4,74 ± 2,59 anos).
  • Exclusão de casos com testes de campo visual não confiáveis, imagens de baixa qualidade, artefatos ou glaucoma avançado (VFI < 79%, MD < -12 dB, PSD > 8 dB) para evitar o "efeito de piso" nas medições de RNFL.
  • Apenas pacientes com exames de OCT-RNFL e VF no mesmo dia ou dentro de ±6 meses.

Pré-processamento de Imagens

• Formato: Imagens BMP extraídas das regiões do disco óptico (ONH).
• Padronização: Brilho e contraste fixos (255 e 30) para garantir consistência entre dispositivos Zeiss e Heidelberg.
• Redimensionamento: Imagens originais (1356 x 904 pixels) redimensionadas para 518 x 518 pixels para entrada no modelo.

Arquitetura do Modelo (Deep Learning)

• Modelo Principal: Vision Transformer (ViT) baseado em regressão.
• Base de Pré-treinamento: Utilização do modelo auto-supervisionado DINOv2 (ViT Small Patch14).
• Comparação: Foram testadas 135 configurações, incluindo CNNs (DenseNet, ResNet, VGG), mas o ViT demonstrou superioridade.
• Treinamento:
  • Divisão: 80% treino, 20% validação.
  • Função de Perda: Mean Squared Error (MSELossFlat).
  • Otimizadores: SGD, Adam, Ranger.
  • Estratégia: Transfer Learning (camadas congeladas inicialmente, depois fine-tuning completo) com política de 1-cycle e early stopping.
  • Aumento de dados (Data Augmentation) extensivo.
• Saída do Modelo: Previsão de três índices de campo visual para o acompanhamento futuro:
  1. VFI (Visual Field Index)
  2. MD (Mean Deviation)
  3. PSD (Pattern Standard Deviation)

Interpretabilidade

• Uso de mapas de saliência (saliency maps) baseados nos pesos de atenção do ViT para visualizar quais regiões da imagem de OCT influenciaram a previsão, garantindo que o modelo focasse em áreas clinicamente relevantes (camadas de RNFL).

---

3. Resultados Principais

Desempenho do Modelo

O modelo ViT demonstrou alta precisão na previsão de índices funcionais futuros a partir de um único exame basal:

• Validação Interna (Zeiss):
  • Erro Absoluto Médio (MAE) Geral: 2,07 (IC 95%: 1,91-2,22).
  • Raiz do Erro Quadrático Médio (RMSE) Geral: 2,87 (IC 95%: 2,60-3,14).
  • Desempenho por métrica:
    • MD: MAE 1,78 dB, RMSE 2,25 dB.
    • PSD: MAE 1,10, RMSE 1,50.
    • VFI: MAE 3,32%.
• Validação Externa (Generalização):
  • Zeiss (Essendon): MAE 2,07 (IC 95%: 1,85-2,35).
  • Heidelberg (Gladstone Park): MAE 2,11 (IC 95%: 1,93-2,31).
  • Conclusão: Não houve diferença estatisticamente significativa entre o desempenho interno e externo, nem entre os diferentes dispositivos de OCT, demonstrando robustez e generalização.

Comparação com Estado da Arte

• O modelo superou estudos anteriores que utilizavam CNNs ou outros métodos de regressão, que apresentavam MAEs e RMSEs significativamente maiores (ex: RMSE de MD de 4,1 a 12,0 em estudos comparativos).
• A precisão do modelo (MAE de 1,78 dB para MD) é comparável ou inferior à variabilidade intrínseca de teste-reteste dos exames de campo visual padrão (Humphrey), indicando que a previsão é clinicamente relevante e não apenas ruído estatístico.

Interpretabilidade (Mapas de Saliência)

• Os mapas de calor confirmaram que o modelo focou consistentemente nas camadas interna e externa da RNFL e no epitélio pigmentar da retina (RPE), áreas biologicamente ligadas à perda de função visual no glaucoma, validando a lógica clínica do modelo.

---

4. Contribuições Chave

1. Previsão Prospectiva: É o primeiro estudo a prever índices globais de campo visual futuros (MD, PSD, VFI) a partir de um único exame basal de OCT-RNFL, com um horizonte de acompanhamento de até 7 anos.
2. Superioridade do ViT: Demonstra que arquiteturas baseadas em Transformers (ViT) superam as CNNs tradicionais para esta tarefa, provavelmente devido à capacidade de capturar relações espaciais de longo alcance e preservar detalhes estruturais finos sem perda excessiva de resolução.
3. Generalização Cross-Device: O modelo mantém alta precisão ao ser aplicado em dados de dois fabricantes diferentes de OCT (Zeiss e Heidelberg), um desafio comum na IA médica que frequentemente sofre de viés de dispositivo.
4. Ferramenta Clínica Potencial: Oferece um método objetivo para identificar olhos com risco de progressão rápida antes que a perda visual se torne clinicamente evidente, permitindo intervenções mais precoces e personalizadas.

---

5. Significado e Impacto

Este estudo representa um avanço significativo na gestão do glaucoma. Ao conseguir prever a trajetória funcional futura com base apenas na estrutura retinal basal, o modelo oferece uma ferramenta para:

• Triagem de Risco: Identificar pacientes que podem necessitar de monitoramento mais frequente ou escalonamento terapêutico imediato, mesmo que seus exames atuais pareçam estáveis.
• Redução de Incerteza: Fornecer uma estimativa quantitativa objetiva da progressão, complementando a avaliação clínica subjetiva.
• Integração Clínica: Potencial para ser integrado em sistemas de OCT existentes, auxiliando oftalmologistas a tomar decisões baseadas em dados preditivos, reduzindo a perda de acompanhamento (loss to follow-up) e prevenindo cegueira evitável.

Limitações Notadas: O modelo não incorporou variáveis clínicas sistêmicas (como diabetes, hipertensão, PIO basal, espessura corneana) ou genéticas, que poderiam melhorar ainda mais a precisão. No entanto, o foco na imagem pura demonstra a viabilidade de extrair sinais prognósticos robustos apenas da estrutura retinal.