Inteligência artificial no rastreio da retinopatia diabética: uma revisão da literatura

Autores

DOI:

https://doi.org/10.18378/rebes.v16i1.11971

Resumo

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

Não há dados estatísticos.

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

2026-01-28

Como Citar

Beltrão, M. C., Carnauba, F. da S., Ferreira, V. O., & Carolino, R. de A. (2026). Inteligência artificial no rastreio da retinopatia diabética: uma revisão da literatura . Revista Brasileira De Educação E Saúde, 16(1), 124–129. https://doi.org/10.18378/rebes.v16i1.11971

Edição

Seção

Artigos

Artigos mais lidos pelo mesmo(s) autor(es)