Degeneração macular no Brasil: U-Net na teleoftalmologia

A degeneração macular no Brasil é um problema de escala e de tempo. Em um país com filas longas no SUS e baixa cobertura de especialistas em regiões remotas, a triagem precoce define quem chega a tratamento antes da perda visual central.

É nesse ponto que a U-Net entra na teleoftalmologia: um modelo de segmentação capaz de identificar estruturas e lesões em imagens de retina, apoiando fluxos de triagem remota. O valor não está em “automatizar a medicina”, mas em priorizar casos com mais precisão e reduzir o atraso entre exame e conduta.

Por que a degeneração macular no Brasil pede triagem inteligente

A degeneração macular relacionada à idade (DMRI) é uma das principais causas de perda visual em pessoas acima de 60 anos. Estimativas internacionais apontam dezenas de milhões de casos no mundo, e o Brasil acompanha a tendência de envelhecimento populacional, com pressão crescente sobre a rede pública.

No SUS, o gargalo não é só o diagnóstico. É o acesso ao exame, ao especialista e ao retorno. Em muitos municípios, a distância até o oftalmologista supera 100 km, o que torna a teleoftalmologia uma resposta operacional, não apenas tecnológica.

O dado que muda a prioridade clínica

Na DMRI exsudativa, a janela para preservar visão pode ser curta. Quando a triagem falha, o paciente chega tarde ao especialista e perde chance terapêutica. Por isso, qualquer sistema que acelere a identificação de suspeitos tem valor real na rede.

Fontes úteis para contexto epidemiológico e organização da rede incluem a página do Ministério da Saúde e materiais da Conselho Brasileiro de Oftalmologia.

O que a U-Net faz em imagens de retina

A U-Net é uma arquitetura de CNN criada para segmentação semântica. Em oftalmologia, isso significa marcar pixels que pertencem a drusas, exsudatos, hemorragias ou regiões do epitélio pigmentar, em vez de apenas classificar a imagem inteira.

Esse detalhe técnico muda a utilidade clínica. Em vez de um simples “normal/anormal”, o sistema pode indicar onde está a alteração e quanto ela ocupa. Em teleoftalmologia, essa granularidade ajuda a priorizar laudos e encaminhamentos.

Por que segmentação vale mais que classificação pura

Um classificador CNN tradicional pode dizer que há doença. A U-Net, por outro lado, desenha o mapa da lesão. Em exames de fundo de olho, isso facilita auditoria, rastreabilidade e integração com fluxos de segunda leitura médica.

Na degeneração macular, o tempo entre a imagem e o encaminhamento vale mais do que a sofisticação do algoritmo.

Na prática, a U-Net costuma ser usada com imagens de retinografia colorida, OCT ou fundos de olho capturados em unidades básicas. Para revisar a base conceitual da arquitetura, vale consultar o artigo original em arXiv.

Caso brasileiro: teleoftalmologia no SUS com retinografia

O caso de uso brasileiro mais maduro não é o diagnóstico autônomo, mas a triagem remota. Em programas de teleoftalmologia, a UBS captura a imagem e um centro regulador ou especialista remoto faz a leitura. Em algumas redes, a fila cai porque o exame já chega filtrado.

Um exemplo recorrente no país é o rastreamento de retinopatia diabética, que usa a mesma infraestrutura de captura e laudo remoto. Essa malha pode ser reaproveitada para degeneração macular no Brasil, especialmente em pacientes idosos com queixa de visão borrada ou metamorfopsia.

O que muda na rotina da unidade básica

Com um protocolo padronizado, a UBS pode coletar imagem, histórico sintético e sinais de alerta. A IA roda na borda ou em servidor central, gera score de suspeita e encaminha apenas casos prioritários. Isso reduz retrabalho e melhora a taxa de aproveitamento dos especialistas.

Experiências brasileiras de telessaúde e teleoftalmologia aparecem em publicações e iniciativas ligadas à Telessaúde Brasil Redes e em centros universitários. O ponto comum é o mesmo: fila menor para quem precisa de consulta presencial.

Pipeline técnico: da imagem ao laudo priorizado

Um pipeline eficiente para degeneração macular no Brasil costuma ter cinco etapas: aquisição da imagem, pré-processamento, inferência da U-Net, validação médica e integração com o sistema de regulação. Sem essa cadeia, a IA vira demonstração de laboratório.

O pré-processamento pode incluir normalização de brilho, remoção de ruído e alinhamento do fundo de olho. Depois, a U-Net segmenta regiões suspeitas e produz um mapa de atenção. O laudo final, porém, continua sendo responsabilidade do especialista.

Onde entram MLOps e governança

Para operar no SUS, o modelo precisa de monitoramento de drift, controle de qualidade das imagens e revalidação periódica. Em linguagem de produto, isso é MLOps. Em linguagem clínica, é segurança. Sem isso, a acurácia cai quando muda a câmera, a iluminação ou o perfil dos pacientes.

Também faz sentido combinar a U-Net com um classificador secundário e com regras clínicas. Esse arranjo híbrido é mais robusto do que depender de um único score. Em saúde, o melhor sistema é o que sabe dizer “não sei” quando a imagem está ruim.

A U-Net não substitui o oftalmologista; ela encurta a fila até ele.

Limites regulatórios e riscos na degeneração macular no Brasil

O uso de IA em saúde exige cuidado com LGPD, rastreabilidade e validação clínica. No Brasil, um sistema que apoia triagem não pode ser tratado como caixa-preta sem auditoria. O paciente precisa de explicação mínima e o serviço precisa registrar a origem da decisão.

Outro risco é o viés de dados. Se a base de treino vier de um único centro privado, o modelo pode errar mais em imagens de UBS, em pacientes com catarata ou em equipamentos de menor resolução. Esse é um problema comum em IA médica, inclusive fora da oftalmologia.

O que o gestor público deve exigir

Antes de escalar, o gestor precisa pedir sensibilidade por estágio da doença, taxa de falso negativo, desempenho por tipo de câmera e validação externa. Para triagem de degeneração macular no Brasil, falso negativo pesa mais do que falso positivo.

Para referência regulatória e ética, consulte a Anvisa e a ANPD. Em IA de saúde, conformidade não é detalhe jurídico; é parte do produto.

O que vem depois: IA multimodal e triagem mais precisa

A próxima etapa da teleoftalmologia combina U-Net, Transformers e dados clínicos estruturados. Em vez de olhar só a imagem, o sistema pode cruzar idade, diabetes, hipertensão, queixa visual e histórico de tratamento. Esse desenho multimodal melhora a priorização.

Também cresce o uso de LLMs para apoiar resumo de laudos e orientar fluxo assistencial, desde que não emitam decisão clínica sem supervisão. Em um cenário de SUS, a combinação de segmentação visual com RAG para consulta de protocolos pode reduzir tempo administrativo.

O caso de uso mais realista no curto prazo

O cenário mais viável não é um robô diagnosticando DMRI sozinho. É uma plataforma que receba retinografia, marque suspeitas com U-Net, gere fila inteligente e entregue ao oftalmologista um pré-laudo com evidências visuais. Isso já é suficiente para mudar a operação em redes públicas.

Na degeneração macular no Brasil, o ganho prático está em capturar cedo, classificar melhor e encaminhar com prioridade. A tecnologia certa, no ponto certo, vale mais que promessas amplas demais.

Sobre o autor

pettrus

Editor IAIRON — Inteligência Artificial aplicada ao mercado brasileiro.