INTELIGÊNCIA ARTIFICIAL NA TRIAGEM DA RETINOPATIA DIABÉTICA NA ATENÇÃO PRIMÁRIA: ACURÁCIA DIAGNÓSTICA E CUSTO-EFETIVIDADE

Resumen

A retinopatia diabética (RD) é uma das principais causas de cegueira evitável no mundo, e sua detecção precoce depende de triagens sistemáticas, tradicionalmente realizadas por oftalmologistas. No entanto, a limitação de recursos humanos e a sobrecarga dos serviços especializados tornam esse rastreamento insuficiente na atenção primária. A inteligência artificial (IA), especialmente por meio de algoritmos de aprendizado profundo (deep learning), tem se mostrado uma alternativa promissora para o diagnóstico automatizado da RD a partir de imagens de fundo de olho. Este artigo tem como objetivo avaliar a acurácia diagnóstica e a custo-efetividade desses sistemas quando aplicados à triagem da RD no contexto da atenção primária à saúde. Realizou-se uma revisão narrativa da literatura entre 2018 e 2025 em bases PubMed, SciELO e Google Scholar, abrangendo ensaios clínicos, estudos multicêntricos e análises econômicas. Os resultados demonstram que a IA atinge acurácia superior a 90%, sensibilidade e especificidade próximas a 95%, com potencial de reduzir em até 45% os custos associados à triagem manual. Além de ampliar o acesso, a tecnologia otimiza fluxos de encaminhamento, permitindo que casos graves sejam priorizados. Conclui-se que a integração da IA à atenção primária é uma estratégia custo-efetiva e de alto impacto populacional, desde que acompanhada de validação clínica local, infraestrutura tecnológica adequada e políticas de regulação ética e legal.