Performance of deep neural network-based artificial intelligence method in diabetic retinopathy screening: a systematic review and meta-analysis of diagnostic test accuracy

 Shirui Wang, Yuelun Zhang, Shubin Lei, Huijuan Zhu, Jianqiang Li, Qing Wang, Jijiang Yang, Shi Chen and Hui Pan 

European Journal of Endocrinology 2020, 83: 41-49 

https://eje.bioscientifica.com/view/journals/eje/183/1/EJE-19-0968.xml

 

O rastreamento para retinopatia diabética já é estabelecido como forma de melhorar desfechos e tem indicações claras na população. Entretanto, a disponibilidade de médicos especializados para avaliação de retinografias é limitada. Para tentar diminuir o desequilíbrio entre oferta e demanda, algoritmos de inteligência artificial foram desenvolvidos para avaliação de retinografias, buscando definir quais pacientes necessitariam de priorização por parte do oftalmologista. Tais algoritmos possuem performance variável de avaliação e algum grau de heterogeneidade. No artigo apresentado, os autores realizam uma revisão sistemática da literatura com meta-análise da performance diagnóstica de diferentes tipos de algoritmos de redes neurais na detecção de retinopatia diabética. 

Foram incluídos artigos que utilizaram redes neurais como teste índice contra o reference standard de avaliação pelo oftalmologista, por foto de fundo de olho (retinografia), sem auxílio de prontuário, para detecção de retinopatia diabética não proliferativa moderada ou edema macular significativo. Valores de sensibilidade e especificidade de tais testes foram extraídos e apresentados em um gráfico de floresta, sendo posteriormente utilizados para traçar uma curva HSROC (hierarchical  summary receiver operating characteristics) pelo método de Rutter e Gatsonis. 

O resultado encontrado foi de uma sensibilidade e especificidade combinadas de 91,9% e 91,3%, com razões de verossimilhança de 10,5 (positiva) e 0,09 (negativa), sem encontrar diferenças estatísticas a respeito de resolução da imagem, tamanho de amostra do conjunto de treinamento, tipo de rede neural ou método de classificação da retinopatia. Pontos discutidos no clube incluíram:

• Terminologia e metodologia de estudos diagnósticos;

• Perspectivas do uso de ferramentas diagnósticas baseadas em inteligência artificial;

• Possibilidades de subestimação de parâmetros de sensibilidade e especificidade por discordâncias entre o reconhecimento de padrões algorítmico e médico;

• Necessidade de estudos prospectivos para avaliar se há melhora em desfechos clínicos quando ocorrerem tais discordâncias.

 

Pílula do Clube: este estudo observou um bom desempenho diagnóstico do uso de redes neurais para rastreamento de retinopatia diabética, com perspectivas interessantes para o futuro. Seguimento de pacientes a longo prazo é necessário para avaliar se há tradução desse melhor desempenho em desfechos clínicos.

 

Discutido no Clube de Revista de 13/09/2021.