Gerando formas de onda de eletroretinograma adaptadas à luz sintética usando Inteligência Artificial para melhorar a classificação de condições retinais em populações sub-representadas

A eletrofisiologia visual é frequentemente utilizada clinicamente para determinar mudanças funcionais associadas a condições retinais ou neurológicas. O eletroretinograma (ERG) de campo amplo avalia a contribuição global das camadas retinianas externas e internas iniciadas pelas vias dos bastonetes e cone, dependendo do estado de adaptação retiniana. Dentro dos centros clínicos, dados normativos de referência são utilizados para comparar com casos clínicos que podem ser raros ou com baixo poder em uma demografia específica. Para reforçar os conjuntos de dados de referência ou de casos, a aplicação de formas de onda ERG sintéticas pode oferecer benefícios para a classificação de doenças e estudos caso-controle. Neste estudo e como prova de conceito, a inteligência artificial (IA) para gerar sinais sintéticos usando Redes Adversariais Generativas é implementada para aumentar a escala de participantes masculinos dentro de um conjunto de dados de referência ISCEV contendo 68 participantes, com formas de onda do olho direito e esquerdo. Classificadores de Floresta Aleatória melhoraram ainda mais a classificação por sexo dentro do grupo, de uma precisão balanceada de 0,72 para 0,83 com as formas de onda sintéticas masculinas adicionadas. Este é o primeiro estudo a demonstrar a geração de formas de onda ERG sintéticas para melhorar a modelagem de classificação de aprendizado de máquina com formas de onda de eletroretinograma.