Avanços em Dados de Cuidado Ocular na América Latina

Na área de saúde ocular, a imagem é super importante pra diagnosticar e acompanhar várias condições dos olhos. Técnicas como fotos da parte de trás do olho (fotos de fundo de retina), fotos da parte da frente do olho e testes de campo de visão são bem comuns. Novas tecnologias, principalmente a inteligência artificial (IA), têm potencial de melhorar o cuidado com doenças oculares. A IA pode ajudar nas triagens e diagnósticos, especialmente em lugares onde faltam recursos. Isso é crucial pra condições como Retinopatia Diabética, degeneração macular relacionada à idade e glaucoma. Mas rolam preocupações de que a IA pode ser injusta se depender de dados não representativos.

#Falta de Dados Abertos na América Latina

O movimento de ciência aberta, que incentiva o compartilhamento de dados e pesquisas, não avançou muito na América Latina, especialmente na saúde ocular. A maioria dos conjuntos de dados disponíveis vem de países ricos, o que não reflete a situação em áreas de baixa renda. Esses conjuntos de dados costumam faltar informações demográficas e de saúde importantes, tornando-os menos úteis pra entender doenças oculares em diferentes populações. Em muitos desses países, não tem médicos de olhos suficientes pra quantidade de pessoas que precisam de atendimento. Embora sistemas automatizados pudessem ajudar a alcançar mais pacientes e reduzir a cegueira evitável, é crucial ter dados que representem com precisão aqueles mais afetados por essas doenças.

#O Conjunto de Dados BRSET

Um esforço importante pra lidar com esses problemas é a criação do conjunto de dados BRSET, que é o primeiro conjunto de dados oftalmológicos de acesso aberto da América Latina. Esse conjunto inclui várias informações sobre doenças oculares e diferentes contextos sociais. O conjunto foi aprovado por um comitê de ética em pesquisa e inclui fotos da parte de trás do olho junto com dados clínicos. Todas as informações identificáveis sobre os pacientes foram removidas pra manter a privacidade.

#Fontes de Dados

Os dados foram coletados de três centros de atenção ambulatorial em saúde ocular em São Paulo, Brasil, ao longo do período de 2010 a 2020. As fotos foram tiradas com várias câmeras de retina por funcionários treinados.

#Coleta de Dados

As fotos no conjunto foram capturadas com diferentes tipos de câmeras de retina. Os membros da equipe tiraram essas fotos depois de usar medicação pra dilatar as pupilas, garantindo imagens mais claras. Cada foto foi verificada pra garantir que nenhuma informação privada fosse incluída.

#Preparação do Conjunto de Dados

Cada foto é rotulada com detalhes sobre a câmera usada, o centro da imagem, a nacionalidade do paciente, idade, sexo, condições de saúde, uso de insulina e há quanto tempo têm diabetes. Esses detalhes foram coletados dos registros eletrônicos de saúde dos pacientes. Um médico especialista em olhos rotulou as imagens com base em critérios acordados.

#Controle de Qualidade

Pra garantir alta qualidade, fatores como foco, iluminação, área da imagem e quaisquer artefatos incomuns nas imagens foram avaliados. Se a qualidade não estava satisfatória, isso foi anotado e classificado de acordo.

#Classificação das Condições Oculares

O conjunto de dados também inclui classificações de várias doenças oculares como retinopatia diabética, Edema Macular e outras. A retinopatia diabética foi classificada usando sistemas de graduação padrão.

#Registros de Dados

O conjunto de dados BRSET contém 16.266 imagens de 8.524 pacientes no Brasil, além de um arquivo descrevendo todos os rótulos e detalhes.

#Armazenamento de Dados

As imagens e seus rótulos estão armazenados em um repositório público pra que outros possam acessar.

#Análise Descritiva

No conjunto de dados BRSET, a maioria das imagens (cerca de 65%) foi tirada com um tipo de câmera de retina. Uma parte maior dos pacientes no conjunto são mulheres. A idade média dos pacientes é em torno de 57 anos.

Dentre os pacientes, um número específico foi diagnosticado com diabetes. A maioria não tinha sinais de retinopatia diabética, enquanto outros tinham diferentes estágios da doença. Também tem imagens mostrando diferenças na anatomia ocular entre os pacientes.

#Avaliação da Qualidade

Em relação à qualidade das imagens, uma pequena porcentagem apresentou problemas com foco, iluminação ou outros fatores de qualidade. Os metadados associados às imagens também tinham dados mínimos faltando, o que garante a confiabilidade do conjunto de dados.

#Aplicações de Pesquisa

O conjunto de dados BRSET pode ser usado pra desenvolver modelos de visão computacional. Esses modelos podem identificar características dos pacientes e classificar doenças. O conjunto apoia várias tarefas, incluindo diagnosticar diabetes e classificar sexo com base nas imagens.

#Métricas de Desempenho

Três tarefas principais foram realizadas usando esse conjunto: descobrir se o paciente tem diabetes, determinar seu sexo e avaliar a retinopatia diabética. Diferentes modelos foram usados pra essas tarefas e foram avaliados com base em seu desempenho.

#Direções Futuras

O conjunto de dados BRSET é uma contribuição significativa pro campo da oftalmologia no Brasil e na América Latina. Ele visa melhorar como os dados são representados e criar um modelo pra desenvolver mais conjuntos de dados no futuro. O conjunto também destaca a necessidade de examinar se os algoritmos usados em ambientes médicos são justos entre diferentes grupos demográficos.

#Conclusão

O conjunto de dados BRSET abre novas possibilidades pra pesquisa e cuidado na saúde ocular. Ele permite uma melhor compreensão das doenças que afetam muitas pessoas, especialmente na América Latina. Com um conjunto de dados que representa populações diversas, se torna possível criar sistemas de IA mais eficientes e justos pra cuidados oculares.