Uso de Algoritmos de IA e análise fractal para rastreamento de Retinopatia Diabética : uma revisão sistemática

Abstract

A retinopatia diabética (RD) representa uma das principais causas de cegueira evitável no mundo, exigindo estratégias de rastreamento eficazes e acessíveis. Este trabalho teve como objetivo avaliar, por meio de uma revisão sistemática, o impacto do uso combinado de algoritmos de redes neurais convolucionais (CNN) e métodos de análise fractal na triagem e diagnóstico da RD. A metodologia seguiu as diretrizes PRISMA 2020 e utilizou como bases de dados o PubMed, Scopus e Web of Science. Foram incluídos estudos clínicos publicados nos últimos cinco anos que aplicaram CNNs, geometria fractal ou ambos para diagnóstico de RD em imagens do fundo de olho. Os critérios de inclusão contemplaram desempenho avaliado por métricas como sensibilidade, especificidade, acurácia e área sob a curva ROC (AUC). Dos estudos analisados, destacam-se modelos baseados em CNN que alcançaram AUC superiores a 0,95, com sensibilidade e especificidade frequentemente acima de 90%, mesmo em populações diversas. Um estudo conduzido no Brasil, por exemplo, obteve AUC de 0,98, sensibilidade de 93,5% e especificidade de 94,6%. Por outro lado, métodos baseados em geometria fractal mostraram-se eficazes na quantificação da complexidade da rede vascular retiniana, com destaque para a dimensão fractal (Df) e a análise multifractal. A Df tende a diminuir conforme a progressão da RD, enquanto parâmetros como D0, D1, D2 e lacunaridade apresentaram alta acurácia na diferenciação entre estágios leves e moderados da doença. Um estudo egípcio, por exemplo, combinando multifractais e redes neurais artificiais, relatou acurácia de 97,78% e sensibilidade de 96,67%. Os achados revelam que, embora os métodos fractais apresentem limitações relacionadas à padronização e à dependência da qualidade das imagens, sua integração com algoritmos de aprendizado profundo aumenta a precisão diagnóstica. Além disso, análises longitudinais mostraram que alterações na Df e na morfologia vascular se correlacionam com fatores sistêmicos, sugerindo potencial uso dessas métricas como biomarcadores dinâmicos. A discussão ressalta que a principal contribuição dos métodos fractais emerge ao serem aplicados em conjunto com CNNs, ampliando a sensibilidade para alterações sutis e promovendo uma abordagem diagnóstica mais robusta. Conclui-se que a integração de CNNs com análise fractal representa uma estratégia promissora para o rastreamento precoce da RD, com potencial de transformação na prática clínica, sobretudo em contextos de atenção primária e triagem populacional. No entanto, a padronização dos métodos de cálculo fractal, a melhoria na qualidade das imagens de entrada e a validação multicêntrica dessas abordagens são passos cruciais para sua efetiva implementação clínica.