O objetivo da Rede é desenvolver um sistema de inteligência artificial para detecção automatizada da retinopatia diabética usando retinógrafos portáteis — levando triagem oftalmológica para áreas remotas do Brasil.
A retinopatia diabética é uma das principais complicações da diabetes mellitus e uma das maiores causas de cegueira evitável no mundo. No Piauí, o acesso limitado a cuidados oftalmológicos exacerba o risco de perda de visão entre pacientes diabéticos — e gera custos significativos para o SUS e para a economia local.
Substituímos a logística de viagens longas e equipamentos caros por um pipeline simples: captura local → inferência por IA → relatório clínico estruturado.
Operadores de saúde capacitados realizam a retinografia diretamente em UBS e unidades remotas — sem necessidade de oftalmologista presencial, sem mesa óptica, sem deslocamento do paciente.
● CAPTURE · OD/OS
Operadores de saúde capacitados realizam a retinografia diretamente em UBS e unidades remotas, sem necessidade de oftalmologista presencial.
Imagens são transmitidas em conexões intermitentes via aplicação leve, com fila resiliente e anonimização de identificadores.
Rede convolucional + módulo de atenção classifica RD por severidade (NPDR leve, moderada, grave, RDP) e detecta edema macular.
Relatório com mapa de calor das lesões, classificação de severidade e recomendação de encaminhamento para o médico responsável.
Treinamos arquiteturas convolucionais em datasets multicêntricos com retinografias capturadas em equipamentos portáteis — não apenas em câmeras de mesa de centros urbanos. O modelo classifica severidade da RD e detecta edema macular diabético com explicabilidade visual via mapas de saliência.
A região-piloto foi escolhida estrategicamente: alta prevalência de diabetes, baixa densidade de oftalmologistas e demanda concreta do SUS local. A partir daí, o modelo se expande para outras geografias com perfil semelhante.
Pesquisadores, médicos e engenheiros distribuídos em centros nacionais e internacionais — sob coordenação científica brasileira, financiamento público e governança ética compartilhada.
Uma equipe multidisciplinar — IA, visão computacional, oftalmologia clínica, engenharia e saúde pública — coordenada conjuntamente entre Brasil (IFPI) e Espanha (UDC · VARPA).
Coordenador brasileiro da Rede IARD, baseado no IFPI Campus Floriano. Lidera a operação local, a articulação com o SUS e a integração entre os sítios de coleta no Piauí.
Doutor em Ciência da Computação e IA pela UDC (cum laude, Prêmio Extraordinário de Doutorado). Mais de 120 artigos revisados por pares em análise de imagens médicas. Pesquisador brasileiro, natural do Piauí, egresso do IFPI Campus Floriano.
Doutora em Oftalmologia e Ciências Visuais pela UNIFESP, com especialização em IA aplicada a doenças vitreorretinianas no Moorfields Eye Hospital, Londres. Lidera a leitura clínica especializada do projeto.
Pesquisa em visão computacional e processamento de linguagem natural. MBA em Machine Learning (XP Educação) e graduação em Análise e Desenvolvimento de Sistemas pelo IFPI. Sócio e desenvolvedor da IPDelve.
Técnica da saúde responsável pelas coletas das imagens de retinografia em campo, atuando na operação dos retinógrafos portáteis nos sítios de coleta da Rede IARD.
Técnica da saúde responsável pelas coletas das imagens de retinografia em campo, atuando na operação dos retinógrafos portáteis nos sítios de coleta da Rede IARD.
Catedrático de Universidade na UDC e líder do grupo VARPA. Autoridade internacional em análise computacional de imagens retinianas, com centenas de publicações em IA aplicada à oftalmologia.
Professor Titular na UDC, especialista em deep learning aplicado a imagens médicas. Coordena projetos europeus em segmentação automática de estruturas retinianas.
Professora Titular na UDC com pesquisa em visão computacional e diagnóstico assistido por computador. Coautora de trabalhos de referência em análise de imagens oftalmológicas.
Professora e pesquisadora na UDC, especialista em processamento de imagens biomédicas com foco em algoritmos de classificação multiclasse para retinopatias.
Pesquisador na UDC com atuação em aprendizado profundo aplicado à imagem médica. Coautor de publicações de referência em segmentação e detecção em retinografias.
A Rede IARD opera por marcos científicos verificáveis. Atualizamos esta seção a cada ciclo de validação. Métricas de desempenho do modelo são divulgadas após revisão por pares.
Coleta de 320 imagens/mês por retinógrafo (3 dispositivos), com 70%+ rotuladas mensalmente por especialista clínico.
Quatro fases: planejamento, coleta de dataset multicêntrico, desenvolvimento e validação de modelos, e implementação piloto em UBS.
Ao menos 3 TCCs no IFPI co-orientados com a UDC, mais 1 tese de doutorado a ser desenvolvida na Espanha por estudante brasileiro.
Resultados, protocolos e revisões publicados em periódicos e conferências revisadas por pares. Lista atualizada continuamente.
Se você representa um hospital, clínica, secretaria de saúde, instituição de pesquisa ou imprensa — ou simplesmente quer entender melhor o projeto — fale com a coordenação da Rede IARD.
