Inteligência artificial no rastreio da retinopatia diabética: uma revisão da literatura
DOI:
https://doi.org/10.18378/rebes.v16i1.11971Resumo
A retinopatia diabética (RD) é uma das principais causas de perda visual em pacientes diabéticos, sendo a detecção precoce essencial para prevenção de complicações. A Literatura busca entender se sistemas baseados em inteligência artificial (IA) podem demonstrar alto desempenho na triagem da RD. A revisão integrativa foi realizada no mês de fevereiro de 2024, utilizando bases de dados eletrônicas: Scientific Eletronic Library Online (SciELO), com os seguintes descritores em ciências da saúde (DeCs), como "inteligência artificial”, “retinopatia diabética” e “rastreio” combinados entre si pelo operador booleano AND. Foram também utilizados mecanismos de busca no PUBMED, utilizando os termos mesh: “"Artificial Intelligence" AND "diabetic retinopathy” (em inglês). Sistemas baseados em inteligência artificial (IA) têm demonstrado alto desempenho na triagem da RD, com elevada sensibilidade e especificidade, mesmo utilizando dispositivos portáteis de baixo custo. Estudos indicam que a IA pode reduzir a carga sobre profissionais de oftalmologia, otimizar o fluxo de triagem e permitir encaminhamentos mais rápidos para tratamento especializado. Apesar das limitações relacionadas à qualidade das imagens, tamanho amostral e necessidade de validação multicêntrica, a IA apresenta-se como uma ferramenta promissora para programas de rastreio em larga escala. Apesar das limitações, como variabilidade na qualidade das imagens e necessidade de validação em diferentes populações, a IA representa uma ferramenta promissora para programas de saúde pública. Avanços futuros devem focar na padronização, ampliação de amostras e integração clínica segura.
Downloads
Referências
ISLAM, M. M. et al. Deep learning algorithms for detection of diabetic retinopathy in retinal fundus photographs: a systematic review and meta-analysis. Computer Methods and Programs in Biomedicine, [s. l.], v. 191, p. 105320, 2020.
JIANG, F. et al. Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology, [s. l.], v. 2, n. 2, p. 230-243, 2017.
JOSEPH, S. et al. Diagnostic accuracy of artificial intelligence-based automated diabetic retinopathy screening in real-world settings: a systematic review and meta-analysis. American Journal of Ophthalmology, [s. l.], v. 263, p. 214-230, 2024. DOI: 10.1016/j.ajo.2024.02.012.
KLEIN, R. et al. The Wisconsin epidemiological study of diabetic retinopathy. Archives of Ophthalmology, [s. l.], v. 112, p. 1217-1228, 1994.
LESTARI, Y. D.; JAYANEGARA, A. P. The validity of artificial intelligence (AI) for diabetic retinopathy screening in Asia: a systematic review. International Journal of Retina, [s. l.], v. 6, n. 2, p. 104, set. 2023. Disponível em: https://ijretina.com/index.php/ijretina/article/view/241. Acesso em: 28 jan. 2026.
OLIVEIRA, L. E. S. de et al. Diagnóstico da retinopatia diabética por inteligência artificial por meio de smartphone. Revista Brasileira de Oftalmologia, [s. l.], v. 83, e0006, 2024. DOI: 10.37039/1982.8551.20240006.
RAJALAKSHMI, R. et al. Automated diabetic retinopathy detection in smartphone-based fundus photography using artificial intelligence. Eye, Basingstoke, v. 32, n. 6, p. 1138-1144, 2018.
TADESSE et al. Diagnostic accuracy of AI or DL-enhanced technologies in the diagnosis of diabetic retinopathy: a systematic review. Journal of Medical Imaging and Interventional Radiology, [s. l.], 2025. Disponível em: https://link.springer.com/article/10.1007/s44326-025-00083-w. Acesso em: 28 jan. 2026.
TAHIR, H. N. et al. Artificial intelligence versus manual screening for the detection of diabetic retinopathy: a comparative systematic review and meta-analysis. Frontiers in Medicine, [s. l.], v. 12, p. 1519768, 2025. DOI: 10.3389/fmed.2025.1519768.
WANG, S. et al. Performance of deep neural network-based artificial intelligence method in diabetic retinopathy screening: a systematic review and meta-analysis of diagnostic test accuracy. European Journal of Endocrinology, [s. l.], v. 183, n. 1, p. 41-49, 2020.
WU, J. H. et al. Performance and limitation of machine learning algorithms for diabetic retinopathy screening: meta-analysis. Journal of Medical Internet Research, [s. l.], v. 23, n. 7, p. 1-15, 2021.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Marcela Curvello Beltrão, Felipe da Silva Carnauba, Vaniely Oliveira Ferreira, Rodolfo de Abreu Carolino

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Termo de cess

+55 83 988784633 (Milena Sousa)
