Inteligência artificial no diagnóstico e acompanhamento do glaucoma

• Autor(a) principal: Mariottoni, Eduardo Bicalho [UNIFESP]
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFESP
• Texto Completo: https://repositorio.unifesp.br/handle/11600/66302
• topic: Glaucoma; Inteligência artificial; Oftalmologia

Objetivo: 1. Desenvolver um mapa de estrutura e função usando um algoritmo de inteligência artificial. 2. Desenvolver uma definição objetiva de neuropatia óptica glaucomatosa. 3. Desenvolver um algoritmo de inteligência artificial para diagnosticar glaucoma em imagens de tomografia de coerência óptica. 4. Avaliar se as previsões de um algoritmo de inteligência artificial são preditivas de conversão de olhos suspeitos em glaucoma. 5. Avaliar a utilidade de um algoritmo de inteligência artificial no acompanhamento do glaucoma. Métodos: 1. Um algoritmo de inteligência artificial foi desenvolvido para estimar resultados do campo visual a partir da espessura da camada de fibras nervosas da retina. Um mapa de estrutura-função foi desenvolvido utilizando as estimativas do algoritmo ao analisar perfis de espessura com defeitos simulados. 2. Uma definição de neuropatia óptica glaucomatosa, baseada em resultados da perimetria acromática automatizada e da tomografia de coerência óptica, foi proposta e utilizada para desenvolver um algoritmo de inteligência artificial. 3. Um algoritmo de inteligência artificial foi desenvolvido para analisar imagens de tomografia de coerência óptica, sem linhas de segmentação das camadas retinianas, e estimar a probabilidade de glaucoma. 4. Um algoritmo de inteligência artificial, previamente descrito, foi utilizado para prever a espessura média da camada de fibras nervosas a partir de imagens de retinografia. Foi avaliado se as previsões seriam capazes de prever a conversão de olhos suspeitos em glaucoma. 5. Utilizando o mesmo algoritmo, foi investigada a capacidade de detectar olhos apresentando progressão do dano glaucomatoso com estimativas da espessura média da camada de fibras nervosas. Resultados: 1. As previsões do algoritmo apresentaram correlação de 0,60 com os valores medidos e um erro absoluto médio de 4,25 dB. Defeitos simulados resultaram em defeitos arqueados e para centrais no campo visual, de acordo com a localização e profundidade do defeito. 2. O algoritmo desenvolvido com a definição objetiva de glaucoma foi capaz de diferenciar olhos com glaucoma e olhos saudáveis com uma área sob a curva característica de operação do receptor de 0,92. 3. O algoritmo desenvolvido para diagnosticar glaucoma em imagens de tomografia de coerência óptica teve performance superior à da espessura média da camada de fibras nervosas da retina para diferenciar olhos saudáveis de olhos com glaucoma. 4. Estimativas da espessura da camada de fibras nervosas da retina ix usando inteligência artificial foram preditivas de conversão em glaucoma em olhos suspeitos, com razão de risco de 1,56 por 10 μm mais fino no início do acompanhamento e 1,99 por 1 μm/ano mais rápido na taxa de mudança. 5. A taxa de mudança nas estimativas apresentou correlação de 0,76 com a das medidas da espessura média da camada de fibras nervosas e foi capaz de identificar olhos progredindo. Conclusões: 1. Um mapa de estrutura-função foi desenvolvido usando um algoritmo de inteligência artificial. 2. Uma definição objetiva de neuropatia óptica glaucomatosa foi proposta e um algoritmo de inteligência artificial foi desenvolvido usando-a como referência. 3. Um algoritmo de inteligência artificial foi desenvolvido para diagnosticar glaucoma em imagens de tomografia de coerência óptica. 4. Foi demonstrado que as previsões de um algoritmo de inteligência artificial foram preditivas de conversão de olhos suspeitos em glaucoma e (5.) foram capazes de identificar olhos progredindo.