Resumo A inteligência artificial (IA) tornou-se uma ferramenta fundamental para auxiliar clínicos na análise de imagens oftálmicas, como a tomografia de coerência óptica (OCT). No entanto, o desenvolvimento de modelos de IA muitas vezes requer anotações extensivas, e os modelos existentes tendem a ter desempenho inferior em dados independentes e não vistos. Modelos de fundação (FMs), grandes modelos de IA treinados em vastos conjuntos de dados não rotulados, mostraram-se promissores para superar esses desafios. No entanto, os FMs disponíveis para oftalmologia carecem de validação extensiva, especialmente para tarefas de segmentação, e se concentram em uma única modalidade de imagem. Nesse contexto, propomos o MIRAGE, um novo FM multimodal para a análise de imagens de OCT e tomografia ocular a laser (SLO). Além disso, propomos um novo benchmark de avaliação com tarefas de classificação e segmentação de OCT/SLO. A comparação com FMs gerais e especializados e métodos de segmentação mostra a superioridade do MIRAGE em ambos os tipos de tarefas, destacando sua adequação como base para o desenvolvimento de sistemas de IA robustos para a análise de imagens de OCT retiniano.
Morano et al. (Qui,) estudaram essa questão.