INTELIGÊNCIA ARTIFICIAL MULTIMODAL NA PREDIÇÃO DA PROGRESSÃO FUNCIONAL EM GLAUCOMA DE ÂNGULO ABERTO

Resumo

Introdução: O glaucoma de ângulo aberto havia sido reconhecido como uma das principais causas irreversíveis de cegueira no mundo, caracterizando-se pela perda progressiva das células ganglionares da retina e alterações estruturais do nervo óptico associadas a déficits funcionais do campo visual. A predição da progressão funcional havia representado um desafio clínico devido à variabilidade da evolução da doença e à necessidade de integrar múltiplos fatores de risco, como pressão intraocular, espessura da camada de fibras nervosas da retina, características do disco óptico e padrões de alteração campimétrica. Nesse contexto, a inteligência artificial multimodal havia emergido como uma abordagem inovadora ao combinar diferentes fontes de dados oftalmológicos, incluindo imagens de tomografia de coerência óptica, fotografias do fundo ocular, exames funcionais e informações clínicas, permitindo identificar padrões complexos associados à progressão do glaucoma. Estudos científicos haviam demonstrado que modelos de aprendizado profundo apresentaram capacidade ampliada para prever deterioração funcional, contribuindo para diagnósticos mais precoces, estratificação de risco e personalização do acompanhamento terapêutico. A revisão sistemática de literatura teve como objetivo analisar as evidências científicas sobre a aplicação da inteligência artificial multimodal na predição da progressão funcional em pacientes com glaucoma de ângulo aberto, destacando seus avanços, aplicações clínicas e contribuições para o monitoramento da evolução da doença. Metodologia: A revisão havia sido conduzida conforme o checklist PRISMA, utilizando artigos científicos publicados nos últimos 10 anos nas bases PubMed, Scielo e Web of Science. Foram utilizados os descritores “Inteligência artificial”, “aprendizado profundo multimodal”, “glaucoma de ângulo aberto”, “progressão funcional” e “predição do campo visual”. Foram incluídos estudos originais, publicados em periódicos científicos, que avaliaram modelos de inteligência artificial aplicados à previsão da progressão funcional do glaucoma. Foram excluídos artigos duplicados, estudos sem avaliação de pacientes com glaucoma de ângulo aberto e trabalhos que não analisaram desfechos relacionados à progressão funcional. Resultados: Os estudos analisados haviam demonstrado que algoritmos multimodais apresentaram maior precisão preditiva quando comparados a avaliações isoladas, principalmente pela integração entre dados estruturais e funcionais. As pesquisas destacaram o uso de redes neurais profundas para identificar padrões precoces de perda visual, estimar velocidade de progressão e auxiliar na tomada de decisão clínica. Além disso, os modelos haviam mostrado potencial para reduzir atrasos diagnósticos e melhorar a seleção de pacientes com maior risco de evolução para comprometimento visual significativo. Conclusão: As evidências científicas haviam indicado que a inteligência artificial multimodal representava uma ferramenta promissora para prever a progressão funcional do glaucoma de ângulo aberto, possibilitando abordagens mais individualizadas e eficientes. A integração de diferentes modalidades de exames havia ampliado a capacidade de interpretação dos dados oftalmológicos, favorecendo intervenções precoces e estratégias direcionadas para preservação da visão.