Triagem de doenças da retina baseada na comunidade aprimorada pelo RETFound: evidências do mundo real e análise de curva de decisão

Impairments visuais e cegueira são grandes preocupações de saúde pública globalmente. A triagem eficaz de doenças oculares auxiliada por inteligência artificial (IA) é uma contraposição promissora, embora enfrente limitações práticas, como a baixa qualidade das imagens na triagem comunitária. O modelo de fundação oftalmológico RETFound, recentemente desenvolvido, apresentou maior precisão em tarefas de reconhecimento de imagens da retina. Este estudo desenvolveu um modelo de aprendizado profundo (DL) aprimorado pelo RETFound para triagem de múltiplas doenças oculares utilizando imagens do mundo real de triagens comunitárias. Nossos resultados revelaram que nosso modelo DL melhorou a sensibilidade e a especificidade em mais de 15% em comparação com modelos comerciais. Nosso modelo também apresenta melhor capacidade de generalização do que modelos de IA desenvolvidos por métodos tradicionais. Além disso, a análise da curva de decisão destaca o maior benefício líquido de empregar nosso modelo tanto em ambientes urbanos quanto rurais na China. Esses achados indicam que o modelo DL aprimorado pelo RETFound pode alcançar um maior benefício líquido na triagem baseada na comunidade, defendendo sua adoção em países de baixa e média renda para abordar os desafios globais da saúde ocular.