Engenheiros e oftalmologistas da Duke University desenvolveram uma ferramenta de imagem robótica que pode detectar e escanear automaticamente os olhos de um paciente em busca de marcadores de diferentes doenças oculares.
A nova ferramenta, que combina um scanner de imagem com um braço robótico, pode rastrear e obter imagens dos olhos de um paciente automaticamente em menos de um minuto e produzir imagens tão claras quanto os scanners tradicionais em clínicas oftalmológicas especializadas. Seu artigo foi publicado na Nature Biomedical Engineering .
Médicos e pesquisadores usam tomografia de coerência óptica, ou OCT, para diagnosticar várias doenças no olho, incluindo glaucoma, retinopatia diabética e degeneração macular relacionada à idade. Durante o processo de imagem, uma sonda envia um feixe de luz para o olho e mede quanto tempo várias reflexões levam para retornar para decifrar as estruturas dentro do tecido.
Na clínica, os sistemas OCT são tradicionalmente grandes sistemas de mesa, que um técnico altamente treinado usa para capturar várias imagens do olho. Os pacientes devem ser firmemente acomodados em um descanso de cabeça e queixo para garantir o posicionamento correto e limitar qualquer movimento. Além de serem desconfortáveis, esses apoios de cabeça e queixo não servem para todos, dificultando a digitalização de certas pessoas.
“Nem todos os lugares têm recursos como o Duke Eye Center, onde temos acesso a esses técnicos altamente treinados e especializados, como fotógrafos oftálmicos”, disse Ryan McNabb, um cientista pesquisador do Departamento de Oftalmologia do Duke University Medical Center. “Mas, com nossa nova ferramenta, você não precisaria de treinamento avançado para usá-la. Estamos otimistas de que algo assim poderia ser facilmente usado em locais como consultórios de optometristas, clínicas de cuidados primários ou mesmo departamentos de emergência. OCT é útil ferramenta de diagnóstico, e esses tipos de avanços ajudam a tornar mais fácil o acesso de comunidades mais amplas. “
Para usar o scanner, um paciente se aproxima da máquina e fica na frente do braço robótico. Câmeras 3D colocadas à esquerda e à direita do robô ajudam a encontrar o paciente no espaço, enquanto câmeras menores no braço robótico procuram pontos de referência no olho para posicionar com precisão o scanner. O sistema é capaz de escanear a mácula (a parte da retina responsável pela nossa visão central) e a córnea (a parte frontal do olho transparente), locais onde ocorrem muitas doenças oculares.
A ferramenta leva menos de 10 segundos para escanear e fazer a imagem de cada olho, e todo o processo é concluído em menos de 50 segundos.
“O braço robótico nos dá a flexibilidade de scanners OCT portáteis, mas não precisamos nos preocupar com nenhum tremor do operador”, disse Mark Draelos, pós-doutorado no departamento de engenharia biomédica. “Se uma pessoa se move, o robô se move com ela. Contanto que o scanner esteja alinhado a um centímetro de onde precisa estar em sua pupila, o scanner pode obter uma imagem tão boa quanto um scanner de mesa.”
Como o paciente nunca está em contato físico com o sistema, sua ferramenta evita quaisquer preocupações de higiene e doenças infecciosas que surgem com o queixo e o apoio de cabeça compartilhados nos sistemas tradicionais de OCT. Os pesquisadores também demonstraram que seu sistema robótico é muito seguro – especialmente considerando o quão perto ele pode chegar do rosto do paciente.
“Os sistemas de câmeras rastreiam continuamente o paciente e permitem que o robô mantenha uma distância segura”, disse Draelos. “Na verdade, a única vez que vimos qualquer contato não intencional do robô é se uma pessoa caminha ou esbarra no robô quando ele não está visualizando seu olho.”
A equipe já iniciou a próxima fase de trabalho na clínica, onde começou a imaginar os olhos dos voluntários para continuar a refinar o direcionamento do robô. Em seguida, eles esperam obter imagens de pacientes com doenças reais da retina ou da córnea para testar o quão bem seu robô pode capturar anormalidades.
Eles também estão trabalhando para melhorar o campo de visão do scanner de retina , já que sua primeira iteração foi capaz de capturar os principais recursos, mas várias imagens precisariam ser unidas para obter uma visão completa da retina
“Embora esta seja uma solução para problemas de coleta de imagens, acreditamos que ela se encaixará incrivelmente bem com os avanços recentes em aprendizado de máquina para interpretação de imagens de OCT”, disse McNabb. “Estamos realmente levando a OCT aos pacientes, em vez de limitar essas ferramentas a clínicas especializadas, e acho que isso tornará muito mais fácil ajudar uma população mais ampla”.