COMPARTILHAR

Estudante Medicina Prêmio PUC Goiás

*Colaboração de Gustavo Soares

A estudante de medicina goiana Gabriela Santos Medanha, da Pontifique Universidade Católica (PUC) de Goiás, foi uma das vencedoras do Prêmio Protagonismo Universitário 2025. Ela desenvolveu um algoritmo de inteligência artificial capaz de interpretar tomografias de córnea no pré-operatório de cirurgias refrativas. A eficácia do sistema chega a superar 80% dos casos, o que reduz custos e riscos clínicos.

O sistema, criado em parceria com os professores Francisco Aliton e Rodrigo Egídio, automatiza a análise de exames usados para identificar condições como ceratocone e ectasias subclínica, doenças que, se não detectadas, podem levar a complicações graves após a cirurgia de correção de grau. “Essas doenças são difíceis de interpretar e exigem um olhar extremamente especializado. Qualquer erro pode comprometer permanentemente a visão do paciente”, explica a estudante de 24 anos ao Jornal Opção.

Com acurácia superior a 80%, o algoritmo permite reduzir erros, acelerar decisões e gerar economia aproximada de 70% no processo de triagem, o equivalente a cerca de R$ 56 mil para cada 100 pacientes. Além da precisão, o sistema tem outra vantagem: funciona mesmo com aparelhos mais simples. “Ele não depende de um equipamento moderno para fazer a análise. A partir dos dados brutos, eu consigo reconstruir a córnea e prever como o paciente enxerga. Isso torna o método acessível para qualquer serviço”, destaca a estudante.

“Na oftalmologia, a fila do Sistema Único de Saúde (SUS) pode chegar a 25 semanas. Se você reduz uma análise que levaria 20 ou 30 minutos para segundos, você muda completamente o fluxo de atendimento”, contou Gabriela, em entrevista para o Jornal Opção. Ela também lembra que complicações pós-operatórias atingem, sobretudo, pessoas de baixa renda: “Uma perda visual pode comprometer o trabalho e a renda de alguém. Isso cria um ciclo de vulnerabilidade. Evitar isso é transformar vidas.”

O trabalho está em processo de publicação na Ophthalmology, a principal revista científica da área, e já foi apresentado em grandes congressos nacionais e internacionais. Gabriela afirma que a conquista do prêmio representa, além de um marco pessoal, um avanço para a pesquisa produzida em Goiás e no Centro-Oeste.

Método e etapas

Durante o desenvolvimento do projeto, Medanha e os professores identificaram uma falha recorrente na rotina da oftalmologia: a dificuldade de interpretar exames fundamentais para detectar doenças como ceratocone e hipertensão subclínica da córnea, alterações que podem comprometer o pós-operatório de cirurgias refrativas.

“Essas doenças dificultam bastante o pós-operatório de quem quer corrigir o grau”, explica a estudante. “E, na hora de interpretar alguns exames, muitas vezes existe dificuldade. O processo é lento, é complexo, requer alta formação acadêmica e, principalmente, não pode ter erros. Qualquer falha pode impactar permanentemente a qualidade visual do paciente”, destacou.

Segundo a estudante, o grupo inicialmente pensou em uma solução simples, semelhante a uma tabela automatizada que avaliasse os resultados da tomografia de córnea, principal exame usado para identificar alterações pré-operatórias. No entanto, conforme avançaram, perceberam que esse tipo de análise não era suficiente. Por isso, optaram em utilizar uma neural para identificar novos padrões.

Para automatizar a triagem dos pacientes que pretendem realizar cirurgias refrativas, o grupo estruturou o processo em três etapas sucessivas. A primeira delas aplica critérios já consolidados entre oftalmologistas para identificar se o paciente está apto ou não ao procedimento. É nesse momento que surgem os casos classificados como “zona cinzenta”, situações em que não há segurança suficiente para afirmar se a cirurgia é recomendada.

Os pacientes enquadrados nessa zona, assim como aqueles inicialmente considerados não aptos, seguem para uma segunda etapa. Nesse estágio, o sistema analisa informações mais complexas, como coeficientes de aberrações de alta ordem, distorções ópticas que podem comprometer a qualidade visual e que muitas vezes passam despercebidas nos exames convencionais.

A terceira e última etapa envolve uma rede neural treinada com dados coletados ao longo de anos. Esse componente do sistema é capaz de identificar padrões que não eram perceptíveis aos médicos apenas pela análise tradicional dos exames. “A rede neural aprende com milhares de exemplos e consegue prever padrões que os médicos ainda não conseguiam identificar com a conduta atual”, explicou.

Além da metodologia, a pesquisadora demonstra como esses exames se transformam em uma representação digital da córnea. A tomografia fornece dados sobre curvatura, refração e espessura, elementos essenciais para compreender o comportamento da luz no interior do olho. “Com esses números, eu consigo criar uma córnea dentro do computador. É como se eu conseguisse colocar os óculos do paciente. Eu vejo exatamente como ele enxerga”, finalizou.

Leia também: Governo de Goiás realiza neste sábado a campanha Goiás Unido contra o Diabetes