USO DA INTELIGÊNCIA ARTIFICIAL NO RASTREAMENTO DA RETINOPATIA DIABÉTICA: AVANÇOS, APLICAÇÕES E PERSPECTIVAS FUTURAS
DOI:
https://doi.org/10.56238/sevened2026.015-058Palavras-chave:
Retinopatia Diabética, Inteligência Artificial, RastreamentoResumo
A retinopatia diabética é uma das principais complicações microvasculares do diabetes mellitus e representa uma das causas mais frequentes de perda visual evitável em adultos em idade produtiva em todo o mundo. O desenvolvimento da doença está relacionado ao comprometimento progressivo dos vasos sanguíneos da retina, podendo evoluir de forma silenciosa durante longos períodos, o que reforça a importância do diagnóstico precoce e do acompanhamento oftalmológico regular (GOMES et al., 2015).
Referências
1. GULSHAN, V. et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA, Chicago, v. 316, n. 22, p. 2402–2410, 2016. Disponível em: https://jamanetwork.com/journals/jama/fullarticle/2588763. Acesso em: 16 maio 2026.
2. ABRAMOFF, M. D. et al. Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices. NPJ Digital Medicine, London, v. 1, n. 39, 2018. Disponível em: https://www.nature.com/articles/s41746-018-0040-6. Acesso em: 16 maio 2026.
3. VUJOSEVIC, S. et al. Novel artificial intelligence for diabetic retinopathy and diabetic macular edema: a review. Current Opinion in Ophthalmology, Philadelphia, v. 35, n. 6, p. 432–439, 2024. Disponível em: https://journals.lww.com/co-ophthalmology/fulltext/2024/11000/novel_artificial_intelligence_for_diabetic.7.aspx. Acesso em: 16 maio 2026.
4. FARAHAT, Z. et al. Diabetic retinopathy screening through artificial intelligence: current perspectives and future directions. Diagnostics, Basel, v. 14, n. 13, 2024. Disponível em: https://www.mdpi.com/2075-4418/14/13/1385. Acesso em: 16 maio 2026.
5. ALQAHTANI, A. S. et al. The efficacy of artificial intelligence in diabetic retinopathy screening: systematic review and meta-analysis. International Journal of Retina and Vitreous, London, v. 11, n. 1, 2025. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC12012971/. Acesso em: 16 maio 2026.
6. WANG, T. W. et al. Systematic review and meta-analysis of regulator-approved artificial intelligence systems for diabetic retinopathy detection. NPJ Digital Medicine, London, v. 8, 2025. Disponível em: https://www.nature.com/articles/s41746-025-02223-8. Acesso em: 16 maio 2026.
7. XU, X. et al. The application of artificial intelligence in diabetic retinopathy. Frontiers in Cell and Developmental Biology, Lausanne, v. 12, 2024. Disponível em: https://www.frontiersin.org/journals/cell-and-developmental-biology/articles/10.3389/fcell.2024.1473176/full. Acesso em: 16 maio 2026.
8. SENAPATI, A. et al. Artificial intelligence for diabetic retinopathy detection: a systematic review of deep learning approaches. Smart Health, Amsterdam, v. 35, 2024. Disponível em: https://www.sciencedirect.com/science/article/pii/S2352914824000017. Acesso em: 16 maio 2026.
9. ZAIER, F. et al. Artificial intelligence for diabetic retinopathy screening. European Journal of Public Health, Oxford, v. 35, Suppl. 1, 2025. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC12555487/. Acesso em: 16 maio 2026.
10. BEALS, D. et al. Integrating AI-based retinal imaging in primary care: improving diabetic retinopathy screening and prevention of blindness. Health Systems & Reform, Philadelphia, v. 11, n. 1, 2025. Disponível em: https://www.tandfonline.com/doi/full/10.1080/28338073.2024.2437294. Acesso em: 16 maio 2026.
Downloads
Publicado
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
