Search Results

Abstract

Objetivo: Analisar os resultados de um estudo comparativo entre as estratégias dinâmica e normal utilizando o perí-metro Octopus 1-2-3. Métodos: Utilizando o Octopus 1-2-3 nas estratégias dinâmica e normal foi realizada a perimetria automatizada em 24 pacientes glaucomatosos (8 homens e 16 mulheres) com uma média de intervalo entre os 2 exames de 6 meses. Todos pacientes já haviam sido previamente submetidos a pelo menos um exame de perimetria automatizada no Octopus 1-2-3. Os dados comparados, para ambos os olhos, foram: a idade do paciente, número de estímulos, sensibilidade média (MS), defeito médio (MD), perda localizada (LV), flutuação em curto prazo (SF) e o fator de confiabilidade (RF). Na análise estatística, utilizando o teste t pareado, somente os campos visuais com RF menor que 10 foram incluídos. O nível de significância foi igual a 5% (p < 0,05). Resultados: Não houve diferença estatisticamente significativa entre as duas estratégias em relação à idade, LV, SF e RF. Entretanto, houve diferença estatisticamente significativa na duração do teste, número de estímulos, MS e MD. A estratégia dinâmica mostrou uma sensibilidade difusa maior e um menor defeito médio quando comparada à estratégia normal. Conclusões: Nossos resultados indicam que os valores dos limiares medidos pela estratégia dinâmica estão em concordância com os valores obtidos utilizando a estratégia normal nos pacientes portadores ou suspeitos de glaucoma, cujos campos visuais estão normais ou limítrofes. Estes resultados também confirmam a redução na duração do exame. Também sugerem que, quando compararmos campos visuais realizados com a estratégia dinâmica com aqueles realizados com a estratégia normal, é necessária cautela em relação aos valores do MS e MD.

Keywords: Perimetria automatizada; Glaucoma; Octopus 1-2-3

Abstract

PURPOSE: Standard automated perimetry has been the standard method for measuring visual field changes for several years. It can measure an individual’s ability to detect a light stimulus from a uniformly illuminated background. In the management of glaucoma, the primary objective of perimetry is the identification and quantification of visual field abnormalities. It also serves as a longitudinal evaluation for the detection of disease progression. The development of artificial intelligence-based models capable of interpreting tests could combine technological development with improved access to healthcare.
METHODS: In this observational, cross-sectional, descriptive study, we used an artificial intelligence-based model [Inception V3] to interpret gray-scale crops from standard automated perimetry that were performed in an ophthalmology clinic in the Brazilian Amazon rainforest between January 2018 and December 2022.
RESULTS: The study included 1,519 standard automated perimetry test results that were performed using Humphrey HFA-II-i-750 (Zeiss Meditech). The Subsequently, 70%, 10%, and 20% of the dataset were used for training, validation, and testing, respectively. The model achieved 80% (68.23%–88.9%) sensitivity and 94.64% (88.8%–98%) specificity for detecting altered perimetry results. Furthermore, the area under the receiver operating characteristic curve was 0.93.
CONCLUSIONS: The integration of artificial intelligence in the diagnosis, screening, and monitoring of pathologies represents a paradigm shift in ophthalmology, enabling significant improvements in safety, efficiency, availability, and accessibility of treatment.

Keywords: Glaucoma; Disease progression; Perimetry; Visual Fields; Visual field tests; Artificial intelligence; Neural networks, computers; Machine learning