Revisão Sistemática avalia desempenho da IA no rastreamento de retinopatia diabética em cenários do mundo real
Contexto e motivação
A retinopatia diabética (RD) é uma das principais causas de deficiência visual e cegueira em adultos em idade produtiva no mundo inteiro. O rastreamento precoce é considerado essencial para interromper a progressão da doença e evitar a perda visual associada. O problema, porém, está na escala: os programas tradicionais de rastreamento dependem de graduadores treinados e oftalmologistas, o que cria gargalos de acessibilidade — especialmente em contextos com recursos limitados.
Diante desse cenário, a inteligência artificial (IA), em particular o aprendizado profundo (deep learning), tem emergido como ferramenta promissora para automatizar a análise de imagens de fundo de olho. Redes neurais convolucionais treinadas em grandes conjuntos de imagens retinianas são capazes de identificar características patológicas da RD e gerar classificações diagnósticas automatizadas. No entanto, até que ponto esse desempenho se sustenta fora dos laboratórios de pesquisa e nos programas reais de saúde pública?
É exatamente essa pergunta que uma revisão sistemática recente buscou responder, analisando 30 estudos publicados entre 2016 e 2025 que avaliaram sistemas de IA para rastreamento de RD com base em imagens de fundo de olho.
Métodos: como a evidência foi construída
A busca bibliográfica foi realizada nas bases PubMed, Embase e Cochrane Library, com complementação manual no Google Scholar. A estratégia de busca combinou termos relacionados à retinopatia diabética, inteligência artificial, aprendizado de máquina e rastreamento, aplicados com operadores booleanos adaptados à sintaxe de cada base. O recorte temporal foi de janeiro de 2016 a março de 2025.
Foram incluídos apenas estudos primários com revisão por pares que avaliaram sistemas de IA para detecção de RD por meio de fotografia de fundo de olho e que reportaram métricas de acurácia diagnóstica — sensibilidade, especificidade ou área sob a curva (AUC). Foram excluídos estudos focados em modelagem prognóstica, tomografia de coerência óptica sem relevância para rastreamento por fundo de olho, avaliações econômicas sem dados de desempenho diagnóstico, além de editoriais, revisões, resumos de congressos e preprints.
A seleção de títulos e resumos, seguida de leitura dos textos completos elegíveis, foi realizada por um único revisor com critérios predefinidos, em conformidade com as diretrizes PRISMA 2020. A extração de dados incluiu características do estudo (autor, ano, país, cenário), desenho, tamanho amostral, sistema de IA utilizado, comparador e métricas de desempenho diagnóstico.
Devido à heterogeneidade substancial entre os estudos — em termos de desenho, populações, modalidades de imagem, sistemas de IA, limiares diagnósticos e desfechos reportados —, uma metanálise formal foi considerada metodologicamente inadequada. A síntese foi, portanto, qualitativa. A qualidade metodológica foi avaliada pela ferramenta QUADAS-2, que examina quatro domínios: seleção de pacientes, teste índice, padrão de referência e fluxo e temporalidade.
Seleção dos estudos
A busca identificou 6.875 registros. Após remoção de duplicatas, 5.375 registros foram triados, com 175 artigos lidos na íntegra. Ao final, 30 estudos foram incluídos na análise.
Características dos estudos incluídos
Os 30 estudos cobrem um período de quase uma década (2016–2025) e representam uma diversidade geográfica expressiva: Ásia (China, Índia, Tailândia, Taiwan), Europa, América do Norte, América Latina (Brasil, México) e África. Os cenários variaram amplamente — desde conjuntos de dados retrospectivos até programas nacionais de rastreamento, passando por comunidades, clínicas ambulatoriais e atenção primária.
Os desenhos de estudo incluíram validações prospectivas, análises retrospectivas, estudos de implementação no mundo real e estudos-piloto. Tanto sistemas comerciais — como EyeArt e VeriSee™ — quanto modelos desenvolvidos em ambientes acadêmicos foram representados. Vários estudos avaliaram dispositivos de imagem portáteis ou baseados em smartphones, enquanto outros utilizaram retinógrafos convencionais.
Dois estudos brasileiros figuram entre os incluídos: Malerbi (2022), conduzido em cenário comunitário com foco em rastreamento por smartphone, e Penha (2023), também comunitário, avaliando rastreamento com imagem única — ambos comparando sistemas de IA a oftalmologistas ou clínicos.
Desempenho diagnóstico: o que os números mostram
Alta acurácia como achado consistente
Na maior parte dos estudos incluídos, os sistemas de IA apresentaram sensibilidades acima de 85% e especificidades acima de 80%, com valores de AUC geralmente superiores a 0,90. Esse padrão foi consistente em diferentes populações, cenários e plataformas de imagem. Diversos estudos de grande escala relataram desempenho comparável ao de graduadores humanos especializados, o que reforça a confiabilidade desses sistemas em contextos clínicos de rastreamento.
Estudos seminais — como o de Gulshan (2016), conduzido com dados dos EUA e da Índia — demonstraram desde cedo que algoritmos de aprendizado profundo podiam atingir AUC superior a 0,90, com desempenho equiparável a oftalmologistas. O estudo de Ting (2017), em população multiétnica, confirmou forte desempenho transversal a diferentes grupos populacionais. Essas descobertas iniciais pavimentaram o caminho para validações em larga escala.
Da prova de conceito ao mundo real
Uma das contribuições mais relevantes da revisão é documentar a transição dos estudos de validação em datasets controlados para avaliações prospectivas em programas reais. Estudos conduzidos em contextos nacionais — como o de Heydon (2021), no Reino Unido, com cerca de 30.000 pacientes, o de Lin (2021), na China, e o de Ruamviboonsuk (2022), na Tailândia, avaliando rastreamento em tempo real no programa nacional — demonstraram que a IA pode ser efetivamente integrada a fluxos clínicos de rotina, mantendo alta acurácia diagnóstica em populações diversas.
O estudo de Meredith (2023), conduzido em uma grande população inglesa, também reforça esse conjunto de evidências de implementação em larga escala. Coletivamente, esses achados sustentam a escalabilidade e a viabilidade do rastreamento assistido por IA em nível populacional.
Tecnologias portáteis e rastreamento em contextos de recursos limitados
Um tema recorrente na revisão é o potencial das tecnologias portáteis e baseadas em smartphones para ampliar o acesso ao rastreamento. Estudos conduzidos na Índia — como o de Rajalakshmi (2018) e Natarajan (2019) — demonstraram que o rastreamento por smartphone pode ser eficaz em ambientes comunitários. O de Natarajan (2019) avaliou ainda um sistema de IA capaz de operar offline, endereçando limitações de infraestrutura como a ausência de conexão à internet, fator relevante em regiões remotas.
O estudo de Bellemo (2019), conduzido em cenário africano, reportou alta acurácia em ambiente do mundo real fora dos países de alta renda. No México, o estudo de Wroblewski (2025) avaliou a implementação em campo com aprendizado profundo via smartphone em comunidades. No Brasil, Malerbi (2022) e Penha (2023) contribuíram evidências de rastreamento comunitário com imagens únicas e dispositivos móveis.
Essas experiências, tomadas em conjunto, sugerem que a IA combinada a imagens portáteis tem o potencial de reduzir disparidades históricas no acesso ao rastreamento de RD — embora a revisão ressalve que o sucesso dessas plataformas depende não apenas do algoritmo, mas também da qualidade e confiabilidade da aquisição de imagens, que permanece um desafio prático em dispositivos handheld.
Variabilidade entre sistemas: os sistemas de IA não são intercambiáveis
Estudos comparativos, como o de Lee (2021) — conduzido nos EUA em ambiente multicêntrico com múltiplos sistemas de IA avaliados por especialistas —, revelaram diferenças de desempenho entre algoritmos distintos, mesmo quando aplicados a datasets similares. Diferenças na arquitetura dos modelos, nos dados de treinamento e nos limiares de desempenho contribuem para essa variabilidade.
A revisão enfatiza que sistemas de IA não são intercambiáveis e requerem validação dentro de contextos clínicos específicos. A evidência atual não permite concluir pela superioridade de qualquer sistema único para implementação clínica universal — o que tem implicações diretas para decisões regulatórias e de adoção em programas de saúde.
Avaliação de qualidade e risco de viés
A maioria dos estudos foi classificada como tendo baixo risco de viés nos domínios de teste índice e padrão de referência pela ferramenta QUADAS-2. O domínio de teste índice apresentou baixo risco de forma consistente, refletindo o uso de algoritmos de IA predefinidos. O domínio de padrão de referência também foi predominantemente de baixo risco, pois a maioria dos estudos utilizou graduação por especialistas ou padrões de referência validados.
No entanto, alguns estudos apresentaram risco incerto no domínio de seleção de pacientes — particularmente aqueles baseados em datasets retrospectivos ou com métodos de amostragem não aleatória, incluindo os de Ramachandran et al., Keel et al., Shah et al. e Wang et al. Esses desenhos podem limitar a generalização dos achados e introduzir viés de seleção. Risco incerto no domínio de fluxo e temporalidade também foi observado em um pequeno número de estudos — Ramachandran et al., Keel et al. e Wang et al. —, principalmente em função de relatos insuficientes sobre o processo de inclusão/exclusão de participantes ou falta de clareza quanto ao intervalo entre o teste índice e o padrão de referência.
No cômputo geral, a qualidade metodológica dos estudos incluídos foi considerada moderada a alta, com as principais limitações relacionadas ao desenho dos estudos e à forma de reporte, e não a falhas metodológicas fundamentais.
Discussão: avanços, lacunas e implicações clínicas
A maturação da evidência
A revisão documenta uma evolução clara: dos estudos iniciais em datasets controlados para avaliações prospectivas e em larga escala em programas reais. Essa transição é interpretada como um marco na maturação das tecnologias de rastreamento baseadas em IA. Os estudos mais recentes tendem a reportar desempenho diagnóstico comparável ou superior aos mais antigos — o que provavelmente reflete melhorias no desenvolvimento dos algoritmos, nos datasets de treinamento, no poder computacional e na padronização das imagens.
Ao mesmo tempo, a revisão pondera que o desempenho excepcionalmente alto relatado em alguns estudos iniciais com datasets retrospectivos pode não refletir integralmente as complexidades do ambiente clínico de rotina.
IA como adjuvante, não como substituta
Um ponto enfatizado com clareza é que os sistemas de IA devem ser compreendidos como ferramentas adjuntas ao suporte à decisão clínica — e não como substitutas do julgamento do especialista. A possibilidade de resultados falso-negativos e a redução de acurácia em casos com imagens de baixa qualidade ou patologia retiniana atípica são limitações reconhecidas. A supervisão humana contínua é considerada essencial durante a implementação clínica.
Essa perspectiva é particularmente relevante no contexto regulatório brasileiro, onde a definição de responsabilidade médico-legal em sistemas de IA diagnóstica ainda está em construção.
Lacunas críticas: além da acurácia diagnóstica
A revisão é explícita ao apontar que a acurácia diagnóstica, por si só, é insuficiente para determinar o valor clínico de um sistema de IA. Entre as lacunas identificadas:
- Desfechos clínicos de longo prazo: relativamente poucos estudos avaliaram o impacto sobre a perda visual, a adesão dos pacientes às vias de rastreamento ou a captação geral do rastreamento.
- Custo-efetividade: a avaliação econômica não foi foco da maioria dos estudos incluídos.
- Integração ao fluxo de trabalho: a implementação de IA na prática clínica levanta questões que vão além do desempenho algorítmico — abrangendo integração aos sistemas de saúde, aceitação pelos clínicos, supervisão regulatória, governança de dados e responsabilidade médico-legal.
- Aceitação pelo paciente: poucos estudos abordaram a perspectiva dos pacientes sobre o rastreamento automatizado.
Heterogeneidade como limitação estrutural
A heterogeneidade substancial entre os estudos — em desenho, populações, modalidades de imagem, sistemas de IA, limiares diagnósticos e métricas reportadas — impossibilitou a realização de uma metanálise formal e limita a comparação direta entre estudos. Diferenças nas definições de RD referenciável entre os estudos também contribuíram para essa heterogeneidade. Essas limitações estruturais precisam ser consideradas na interpretação dos achados agregados.
Viés de seleção nos estudos retrospectivos
Alguns estudos baseados em datasets retrospectivos ou ambientes controlados de pesquisa podem ter limitado a generalização para a prática clínica de rotina. A revisão reconhece explicitamente que esses designs podem ter inflado estimativas de desempenho em comparação ao que seria observado na implantação real.
Agenda de pesquisa futura
A revisão traça uma agenda clara para os próximos passos:
- Validação multicêntrica prospectiva em cenários clínicos diversos, para além dos estudos de validação de dataset.
- Avaliação de desfechos clínicos de longo prazo — incluindo impacto na perda visual, adesão ao rastreamento e progressão da doença.
- Análises de custo-efetividade que subsidiem decisões de adoção em sistemas de saúde públicos e privados.
- Padronização e governança: desenvolvimento de frameworks de validação e regulação que garantam segurança do paciente e confiança institucional.
- Avaliação da confiança do clínico e aceitação do paciente, fatores críticos para a sustentabilidade da implementação.
Conclusões
A revisão sistemática demonstra que sistemas de IA alcançaram acurácia diagnóstica consistentemente alta para o rastreamento de RD e evoluíram rapidamente de modelos de prova de conceito para ferramentas clínicas do mundo real. A evidência sintetizada sustenta que a IA é capaz não apenas de igualar graduadores humanos em ambientes controlados, mas também de ser integrada efetivamente a vias de rastreamento de rotina em sistemas de saúde diversos.
A emergência de tecnologias de imagem portáteis e baseadas em smartphones representa uma oportunidade significativa para ampliar o rastreamento além dos ambientes clínicos tradicionais — com potencial de reduzir disparidades históricas de acesso, inclusive em populações sub-atendidas no Brasil e em outros países de renda média e baixa.
Contudo, a adoção bem-sucedida da IA no rastreamento de RD depende não apenas do desempenho tecnológico, mas também de integração clínica cuidadosa, padronização, validação robusta e supervisão humana continuada. A acurácia diagnóstica é condição necessária, mas não suficiente: desfechos clínicos de longo prazo, custo-efetividade e governança de dados precisam ser avaliados de forma sistemática antes da adoção em larga escala.
