Dados do Trabalho

Título

AVALIAÇAO DA PERFORMANCE DA INTELIGENCIA ARTIFICIAL NO DIAGNOSTICO DO RETINOBLASTOMA: REVISAO SISTEMATICA E METANALISE DE DESEMPENHO DIAGNOSTICO

Resumo

Introdução: O retinoblastoma é um câncer ocular raro que se desenvolve na retina, geralmente em crianças pequenas, e pode levar à perda da visão e até mesmo à mor-te se não for tratado precocemente. Os métodos tradicionais de diagnóstico, como exames oftalmológicos e exames de imagem, são essenciais para identificar esse tu-mor o mais cedo possível.(1,2) Recentemente, a inteligência artificial (IA) tem emergido como uma ferramenta promissora para auxiliar no diagnóstico de retinoblastoma, usando algoritmos capazes de analisar imagens de forma rápida e precisa. Essa práti-ca é altamente relevante, pois pode melhorar a detecção precoce do retinoblastoma, permitindo tratamentos mais eficazes e preservação da visão em pacientes pediátri-cos.(3-5)

Objetivo: O presente trabalho tem por objetivo avaliar a perfomance da IA no diagnós-tico de retinoblastoma.

Métodos: Realizou-se uma revisão de literatura científica nas bases de dados Emba-se, PubMed, Cochrane e Web of Science, em busca de artigos que reportaram a sen-sibilidade e especificidade do diagnóstico realizado pela IA. Os dados necessários fo-ram extraídos por meio da Calculadora de teste diagnóstico (versão 2010042101). A análise estatística foi feita no software R. Um modelo de efeitos aleatórios foi utilizado para determinar taxas agrupadas com um intervalo de confiança (IC) de 95%.

Resultados: Três estudos foram incluídos para análise, compreendendo 1710 imagens do fundo do olho. Para o diagnóstico de retinoblastoma, a sensibilidade total encontra-da foi 0.985 [0.949 - 0.995]. Já a especificidade foi de 0.982 [0.931 - 0.995].

Conclusão: Essa revisão sistemática com metanálise mostra a performance de IAs no diagnóstico de retinoblastoma sendo altamente promissora, revelando altas sensibilidade e especificidade na detecção do câncer ocular em imagens do fundo do olho, indicando a eficácia da IA como uma ferramenta complementar aos métodos tradicionais de diagnóstico. Portanto, é necessário que haja o desenvolvimento de mais pesquisas para aprimorar o uso prático de tecnologias diagnósticas com IA e facilitar a detecção em tempo hábil do retinoblastoma.

Referências Bibliográficas

1. Dimaras H, Kimani K, Elizabeth AO Dimba, Gronsdahl P, White A, Helen SL Chan, et al. Retinoblastoma. Lancet. 2012; 379(9824):1436–46. doi: https://doi.org/10.1016/S0140-6736(11)61137-9

2. Retinoblastoma. American Optometric Association [Internet]. 2024. Available from: https://www.aoa.org/healthy-eyes/eye-and-vision-conditions/retinoblastoma?sso=y

3. Bader Aldughayfiq, Ashfaq F, Jhanjhi NZ, Humayun M. Explainable AI for Retinoblastoma Diagnosis: Interpreting Deep Learning Models with LIME and SHAP. Diagnostics. 2023; 13(11):1932–2. doi: 10.3390/diagnostics13111932

4. Zhang R, Dong L, Li R, Zhang K, Li Y, Zhao H, et al. Automatic retinoblastoma screening and surveillance using deep learning. British journal of cancer. 2023; b129(3):466–74. doi: 10.1038/s41416-023-02320-z

5. Swathi Kaliki, Vempuluru VS, Ghose N, Patil G, Rajiv Viriyala, Dhara KK. Artificial intelligence and machine learning in ocular oncology: Retinoblastoma. Indian Journal of Ophthalmology. 2023; ;71(2):424–4. doi: 10.4103/ijo.IJO_1393_22