Artigo Original novembro 04, 2026 novembro 04, 2026

Aprimorando o índice PA/I-S para detecção do ceratocone com inteligência artificial: um tributo ao Dr. Yaron Rabinowitz

DOI: 10.37039/1982.8551.20260105

RESUMO

Objetivo:

O objetivo deste estudo foi prestar uma homenagem científica ao Dr. Yaron Rabinowitz, aprimorando seu índice paquimetria ajustada/inferior-superior por meio de modelos preditivos baseados em aprendizado de máquina e na metodologia de Inteligência Artificial Aplicada.

Métodos:

Trata-se de estudo retrospectivo com 2.705 olhos para desenvolver um modelo preditivo (AI Tribute) seguindo o framework de descoberta de conhecimento KDD, cujo desempenho foi avaliado em dois cenários – normal versus ectasia clínica (n = 3.335) e normal versus VAE-NT (n = 2.231) – por meio da área sob a curva e do teste de DeLong.

Resultados:

No cenário normal versus ectasia clínica, o artificial intelligence tribute alcançou área sob a curva de 0,985, superando significativamente o índice paquimetria ajustada/inferior-superior (0,978), o valor inferior-superior (0,968), o KISA% (0,953) e o pachy min (0,938). No cenário normal versus VAE-NT, o artificial intelligence tribute alcançou área sob a curva de 0,791, mantendo-se superior a todos os índices de referência.

Conclusão:

A modelagem por aprendizado de máquina das variáveis utilizadas pelo Dr. Rabinowitz melhorou significativamente a detecção de ectasia em ambos os cenários clínicos, ilustrando que a abordagem de Inteligência Artificial Aplicada amplia o conhecimento clínico estabelecido, mesmo na tarefa desafiadora de detectar ectasia em olhos com topografia aparentemente normal.