Artigo Original dezembro 17, 2025 dezembro 17, 2025

Avaliação de uma ferramenta de deep learning para detecção de catarata utilizando um banco de dados público

DOI: 10.37039/1982.8551.20250104

RESUMO

Objetivo:

Avaliar a acurácia diagnóstica de uma ferramenta de deep learning para detecção de catarata utilizando imagens de retina do banco de dados público Ocular Disease Intelligent Recognition (ODIR).

Métodos:

O estudo foi conduzido com o uso de um banco de dados de domínio público e de uma ferramenta de Inteligência Artificial baseada na web, em um delineamento observacional e transversal. Um total de 230 imagens de fundo de olho foram selecionadas do banco ODIR, sendo 115 casos de catarata e 115 casos sem catarata. As imagens foram processadas pela ferramenta de Inteligência Artificial Gobvision, que utiliza uma rede neural convolucional (MobileNet-V2) para classificar a presença de catarata. Foram calculadas métricas de desempenho como sensibilidade, especificidade e acurácia.

Resultados:

O modelo de deep learning para diagnóstico de catarata, testado em 230 olhos, alcançou uma acurácia de 94,35%, com sensibilidade de 93,91%, especificidade de 94,78%, valor preditivo positivo de 94,74% e valor preditivo negativo de 93,97%. O F1-score foi 0,94, e o coeficiente Kappa de Cohen, de 0,89, indicou alta concordância com os diagnósticos clínicos.

Conclusão:

A Inteligência Artificial Gobvision demonstrou alta precisão e confiabilidade na detecção de catarata por meio de imagens de fundo de olho, apresentando grande potencial para aprimorar o rastreamento de catarata, especialmente em regiões com acesso limitado a oftalmologistas.