Retinopatia diabética : prevalência, diagnóstico por algoritmo de aprendizado de máquina e preditores clínicos

• Autor(a) principal: Reis, Mateus Augusto dos
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/259806
• topic: Retinopatia diabética; Diabetes mellitus; Diagnóstico; Prevalência; Prognóstico; Aprendizado de máquina

O diabetes mellitus é uma doença crônica que apresenta alta prevalência e causa complicações microvasculares, dentre as quais a retinopatia diabética (RD), que representa uma das principais causas de cegueira evitável na população em idade economicamente ativa. No Brasil, estudos disponíveis sobre a prevalência de RD são regionais e com amostras pequenas. O rastreamento da RD é de extrema importância tendo em vista que as alterações iniciais são assintomáticas e a perda de visão induzida pela RD pode ser evitada pela detecção precoce e tratamento eficaz. Sua triagem é considerada uma das iniciativas mais custo-efetivas no tratamento do diabetes, no entanto no Brasil o rastreio é muito baixo. Desta forma estudar a prevalência da RD, a fim de dimensionar o problema e priorizar o seu rastreamento pode permitir o tratamento correto e em tempo adequado. Foi conduzida revisão sistemática com metanálise para avaliar a prevalência da RD no Brasil, usando as bases PubMed, EMBASE e Lilacs, buscando estudos publicados até fevereiro de 2022. Foram incluídos 72 estudos (n=29.527 indivíduos). Entre os pacientes com diabetes no Brasil, a prevalência de RD foi de 36,28% (IC 95% 32,66–39,97, I2 98%), sendo maior em pacientes com diabetes de longa duração e do Sul do Brasil. Um dos limitantes para que as taxas de rastreio estejam abaixo do esperado é a falta de oftalmologistas diante do grande número de exames que devem ser realizados. Alternativas para este problema incluem o rastreamento através da realização de retinografias por técnico não médico e a interpretação preliminar por softwares com sistema de avaliação automatizado, que tem demonstrado sensibilidade e especificidade aceitáveis em outros países, fornecendo precisão de diagnóstico e otimização de fluxo de trabalho. A validação desse método em amostras independentes é de extrema importância a fim de verificar sua reprodutibilidade, além do fato do fundo da retina e das lesões de RD poderem variar consideravelmente entre diferentes etnias. Dessa forma foi conduzido um estudo de método diagnóstico para desenvolver e testar algoritmo de aprendizado de máquina na interpretação de retinografias, sendo desenvolvida e treinada uma rede neural convolucional para a classificação de imagens usando quatro bancos contendo 15816 fotografias coloridas de retina de brasileiros. Foram avaliadas sensibilidade, especificidade e área sob a curva ROC do algoritmo para detecção de RD referenciável (RD não proliferativa moderada ou pior e/ou edema macular clinicamente significativo), que foram calculados com base no padrão-ouro (avaliação por dois médicos 15 oftalmologistas). Em relação aos avaliadores humanos, para detectar RD referenciável, o algoritmo alcançou uma área sob a curva ROC de 0,984, apresentando no ponto de maior eficiência 92,48% de especificidade e 95,91% de sensibilidade. Além da avaliação ocular e da estratificação de risco de dano visual, o exame da retina constitui maneira não invasiva para avaliar o estado sistêmico da saúde, tornandose importante biomarcador para a gestão do cuidado com o diabetes. A RD e a doença renal do diabetes (DRD) são complicações microvasculares que podem ocorrer de forma independente ou em conjunto, contribuindo para aumentar a morbimortalidade. Assim, identificar preditores clínicos que determinam quais pacientes com DRD têm maior risco de desenvolver RD pode favorecer intervenções precoces para prevenir esse desfecho. Foi desenvolvido estudo transversal para avaliar o perfil dos pacientes com DRD de forma independente ou associada à RD. Foram incluídos 517 pacientes com DRD, dos quais 236 (45,6%) apresentavam RD. Em relação ao tipo de diabetes, 433 (83,7%) apresentava diabetes tipo 2 [64,7 (59 – 73) anos, 59,8% mulheres, 83,4% brancos] e 84 (16,3%) diabetes tipo 1 [46,6 ( 33,5 – 54,2) anos, 46,4% mulheres, 91,7% brancas]. Entre os pacientes com diabetes tipo 2 e RD, os participantes estavam mais frequentemente em uso de insulina [OR 3,63 (IC 95% 1,89 – 7,00)], tinham diabetes há mais tempo [OR 1,04 (IC 95% 1,02 – 1,07)] e tinham pressão arterial sistólica mais alta [OR 1,01 (IC 95% 1,00 – 1,02)]. Entre os participantes com diabetes tipo 1, nenhuma diferença foi observada. Os estudos realizados para a construção desta tese possibilitaram o dimensionamento da prevalência da RD no Brasil, o desenvolvimento e avaliação do desempenho de um algoritmo de aprendizado de máquina na identificação de RD que necessita ser referenciada ao oftalmologista e a avaliação de preditores clínicos que estão associados ao risco de RD em indivíduos com DRD. Os resultados apresentados preencheram uma lacuna do conhecimento no nosso país sobre a possibilidade do uso de algoritmo de aprendizado de máquina para melhorar o fluxo de rastreamento da RD; assim como, demonstraram a necessidade de um estudo multicêntrico, com amostras representativas e metodologia padronizada para avaliar a prevalência de RD no Brasil.