Inteligência artificial na detecção precoce de ectasias corneanas usando perfil de espessura epitelial
Inteligência Artificial. Aprendizagem de Máquina. Mapa epitelial. Espessura epitelial. Ectasia corneana. Ceratocone.
Introdução: O epitélio é a camada mais externa da córnea e tem a característica de ser altamente ativa com capacidade de autorrenovação. Ele tem o poder de alterar seu perfil de espessura e compensar as mudanças na curvatura da superfície estromal para tentar restabelecer uma superfície óptica lisa e simétrica. Compreender os padrões de espessura epitelial é de fundamental importância na triagem de pacientes candidatos à correção refrativa a laser, pois pode detectar o mascaramento parcial de irregularidades na superfície do estroma, auxiliar no diagnóstico de ectasias primárias ou iatrogênicas e no seguimento pós-operatório de cirurgias corneanas.
Objetivos: Geral: Identificar precocemente padrões epiteliais sugestivos de ectasia corneana de forma isolada e combinada com outros métodos de avaliação da córnea. Específicos: Compreender os padrões normais do epitélio corneano; Identificar alterações precoces e sutis no padrão de normalidade; Distinguir grupos normais e alterados; Agregar informações do mapa epitelial a outros métodos de avaliação corneana através de algoritmos de inteligência artificial (IA) para melhorar a detecção de ectasias.
Metodologia: A base de dados será composta por 1612 olhos de 806 pacientes submetidos a análise do mapa de espessura epitelial pelo tomógrafo de coerência óptica RTvue (Optovue). Os olhos serão divididos em quatro grupos: pacientes normais (N), pacientes com ceratocone (KC), pacientes com topografia (curvatura da superfície frontal) normal com ectasia muito assimétrica (VAE-NT) e pacientes com ectasia não operados (VAE-E). Além do mapa epitelial, serão incluídos na avaliação outros exames da propedêutica multimodal da córnea quando disponíveis (topografia, tomografia e análise biomecânica), a fim de contribuir na classificação dos pacientes nos diferentes grupos. O fluxo básico das etapas para mineração de dados e criação das funções de IA seguirá a metodologia da Descoberta de Conhecimentos em Bases de Dados ou KDD (Knowledge Discovery in Databases). Após avaliação de desempenho e análises estatísticas, os modelos de IA serão cuidadosamente analisados e refinados para selecionar o melhor algoritmo final.