Disease Spectrum Analysis and AI-Assisted Screening of Fundus Disorders Using Portable Handheld Fundus Imaging in Health Examination Populations

Ver o mundo com clareza é uma parte fundamental de ser humano, mas para bilhões de pessoas, essa clareza está desaparecendo devido a doenças oculares que muitas vezes não apresentam sinais de alerta até que seja tarde demais. A parte posterior do olho, conhecida como retina, é uma camada delicada de tecido que atua como um sensor de câmera, capturando a luz que nos permite enxergar. Quando esse tecido é danificado por condições como diabetes, hipertensão ou envelhecimento, o dano é frequentemente permanente. Como esses problemas começam silenciosamente, os médicos dependem de tirar fotos da retina para encontrá-los precocemente. Tradicionalmente, essas fotos são tiradas com máquinas grandes e caras que exigem que o paciente fique parado e olhe para um dispositivo fixo. No entanto, um novo tipo de câmera está mudando este cenário. São dispositivos pequenos, portáteis, que um médico pode segurar em uma mão, tornando possível tirar fotos da retina em quase qualquer lugar, desde uma clínica comunitária movimentada até uma sala de exame físico de rotina. O desafio tem sido que essas câmeras portáteis são mais difíceis de usar perfeitamente; as imagens podem ser borradas ou mal iluminadas, e não está claro se a inteligência artificial, o software de computador projetado para detectar doenças, consegue lidar com essas imagens imperfeitas tão bem quanto lida com as imagens perfeitas tiradas em clínicas especializadas.

Uma equipe de pesquisadores partiu para resolver este problema, testando se essas câmeras portáteis poderiam ser usadas para realizar o rastreamento de grandes grupos de pessoas saudáveis para uma ampla gama de doenças oculares, não apenas uma condição específica. Eles trabalharam com uma coleção massiva de imagens tiradas ao longo de cinco anos de quase trinta mil pessoas que visitaram um hospital em Pequim para exames de rotina. No total, eles reuniram mais de cinquenta e oito mil fotos de retinas. Como as câmeras eram manuais e utilizadas em pessoas que não eram pacientes aguardando um exame de vista, a qualidade das fotos variava drasticamente. Algumas eram cristalinas, enquanto outras estavam escuras demais, borradas demais ou desalinhadas para serem úteis. Os pesquisadores primeiro construíram um sistema de computador para atuar como um porteiro rigoroso, classificando as imagens em três grupos: aquelas que eram perfeitas, aquelas que eram boas o suficiente para uso e aquelas que deveriam ser descartadas. Esta etapa foi crucial porque garantiu que os modelos de inteligência artificial fossem treinados apenas em imagens que realmente mostravam o olho claramente. Após este processo de limpeza, restaram mais de trinta e cinco mil imagens de alta qualidade para estudar a saúde real da população.

O que os pesquisadores descobriram foi um quadro claro de como a saúde ocular muda conforme as pessoas envelhecem. No grupo de imagens que analisaram, cerca de um terço mostrava algum sinal de problemas oculares. O problema mais comum, de longe, foram alterações relacionadas à miopia, que afetou quase vinte por cento das pessoas. Isso faz sentido, dado que o estudo incluiu muitos adultos jovens e de meia-idade. No entanto, o tipo de doença encontrado dependia fortemente da idade. Jovens apresentavam majoritariamente problemas ligados à miopia, mas conforme o grupo envelhecia, os problemas mudavam. Em pessoas acima de sessenta anos, os achados mais comuns foram doenças dos vasos sanguíneos no olho e degeneração da parte central da retina, que são condições tipicamente associadas ao envelhecimento e à saúde geral. Esta descoberta é importante porque sugere que os programas de rastreamento ocular não devem ser um modelo único para todos; o que os médicos devem procurar em um jovem de trinta anos é diferente do que devem procurar em um idoso de setenta anos.

Para ver se os computadores poderiam ajudar os médicos a encontrar esses problemas mais rapidamente, a equipe testou doze tipos diferentes de modelos de inteligência artificial. Eles pediram a esses modelos que fizessem duas coisas: primeiro, decidir se uma foto mostrava um olho saudável ou um olho doente, e segundo, identificar exatamente qual tipo de doença estava presente, caso o olho estivesse doente. Os resultados foram encorajadores para a primeira tarefa. Os modelos de computador foram muito bons em detectar quando algo estava errado, identificando corretamente olhos anormais em mais de noventa por cento dos casos. Isso significa que uma câmera portátil combinada com esse tipo de software poderia sinalizar de forma confiável pessoas que precisam ver um especialista. No entanto, a segunda tarefa foi muito mais difícil. Quando os modelos tentavam nomear a doença específica, sua precisão caía significamente. Eles frequentemente confundiam diferentes tipos de problemas vasculares ou tinham dificuldade em distinguir entre diferentes tipos de danos teciduais. Isso sugere que, embora os computadores sejam excelentes em atuar como um primeiro filtro para captar potenciais problemas, eles ainda não estão prontos para substituir um médico humano no diagnóstico da condição exata a partir de uma foto portátil.

Os pesquisadores também testaram uma nova geração de modelos de computador avançados que haviam sido treinados em milhões de fotos oculares padrão e de alta qualidade de grandes clínicas. Eles esperavam que esses "modelos de fundação" fossem mais inteligentes e melhores em lidar com as imagens desordenadas do mundo real das câmeras portáteis. Surpreendentemente, esses modelos avançados não tiveram um desempenho melhor do que os modelos mais simples e leves. Na verdade, os modelos especializados às vezes enfrentavam mais dificuldades, provavelmente porque as imagens das pequenas câmeras portáteis pareciam muito diferentes das imagens perfeitas nas quais foram treinados. Os modelos mais simples, que são mais rápidos e exigem menos poder de computação, foram os que fizeram o melhor trabalho. Esta descoberta é um guia prático para o futuro: para o rastreamento generalizado com dispositivos portáteis, não precisamos da inteligência artificial mais complexa e pesada. Precisamos de ferramentas que sejam robustas o suficiente para lidar com imagens imperfeitas e rápidas o suficiente para processar milhares de imagens por dia.

Em última análise, este estudo prova que é possível usar pequenas câmeras portáteis para rastrear grandes números de pessoas para diversas doenças oculares, desde que haja um sistema em vigor para verificar a qualidade das imagens. A pesquisa mostra que as doenças oculares seguem um padrão previsível baseado na idade, com a miopia dominando entre os jovens e as doenças vasculares assumindo o controle entre os mais velhos. Também mostra que, embora a inteligência artificial possa ser uma parceira poderosa na detecção desses problemas, a tecnologia ainda não é perfeita ao nomear cada doença específica. O trabalho estabelece as bases para uma nova forma de proteger a visão, onde exames de rotina poderiam incluir uma observação rápida e indolor da retina, detectando problemas precocemente antes que levem à cegueira. Ao combinar um dispositivo portátil simples com software inteligente e uma compreensão clara de como as doenças oculares mudam ao longo da vida, podemos caminhar em direção a um futuro onde a saúde ocular seja monitorada tão rotineiramente quanto a pressão arterial ou o peso.