InovaçãoNewsletter

Plataforma de IA prevê risco de complicação pós-cirurgia oftalmológica

0

A pure-tech brasileira Kunumi desenvolveu, em parceria com o médico oftalmologista Marcony Santhiago, um modelo de inteligência artificial para predição de risco de ectasia corneana, uma das complicações associadas à cirurgia refrativa, que leva a uma diminuição progressiva da visão. O resultado é a criação de uma plataforma, que será lançada oficialmente nesta quinta-feira, 24, durante o evento Refrativa R.I.O., no Rio de Janeiro, e poderá ser usada gratuitamente por médicos oftalmologistas durante sua fase de testes.

Apesar de ser possível a detecção precoce de alterações associadas ao risco de ectasia por meio de exames, ela ainda pode ocorrer em uma córnea relativamente normal, após uma cirurgia refrativa. Para aprimorar a predição de risco de ectasia inclusive nesses casos, foi desenvolvida uma plataforma baseada em inteligência artificial, que consegue identificar olhos com maior risco de desenvolver ectasia a partir de dados topográficos e idade do paciente.

“O modelo desenvolvido combina de forma não linear duas variáveis já utilizadas nas avaliações pré-operatórias, o PTA (Percentual de Tecido Alterado)  e o ponto mais fino da córnea no pré-operatório, com duas novas variáveis, que foram criadas durante a pesquisa. Como consegue identificar padrões não lineares dentre as variáveis, nosso modelo supera outros métodos existentes com ponto fixo de corte, como o RSB e o PTA”, explica Daniella Castro, sócia da Kunumi e CTO da Huna.

A plataforma estará disponível para teste gratuito dos médicos oftalmologistas a partir desta quinta-feira, 24. Para ter acesso, basta entrar em contato por meio do e-mail: cadastro.ectasia@kunumi.com.

InovaHC, Claro e Embratel se unem para implantar 5G em centro cirúrgico

Artigo anterior

Nvidia lança plataforma para setor de dispositivos médico implantar aplicações de IA

Próximo artigo

Comentários

Deixe uma resposta

O seu endereço de e-mail não será publicado.

Você também pode gostar