Revista de Medicina e Cirurgia (Londres). Fev 2026;88(3):2449-2450. doi: 10.1097/MS9.0000000000004707. Publicação online em Mar 2026.

RESUMO

Doenças cardiometabólicas permanecem como as principais causas de morbidade e mortalidade global, com a detecção precoce muitas vezes dificultada por sintomas inespecíficos e dependência de biomarcadores sistêmicos. A camada de fibras nervosas da retina (RNFL), um biomarcador microvascular e neurodegenerativo, é altamente sensível a insultos metabólicos e vasculares sistêmicos. A metabolômica impulsionada por inteligência artificial (IA) integra imagens de alta resolução da RNFL com perfil de metabólitos circulantes, possibilitando uma estratificação de risco precisa para mortalidade e doenças cardiometabólicas. Ao combinar dados de tomografia de coerência óptica com algoritmos de aprendizado de máquina, esta abordagem decifra assinaturas bioquímicas complexas e as correlaciona com resultados sistêmicos. Estudos recentes demonstram que a metabolômica da RNFL impulsionada por IA alcança sensibilidade e especificidade superiores em comparação com ferramentas diagnósticas convencionais, com aplicações se estendendo a diabetes, hipertensão, distúrbios neurodegenerativos e doença renal crônica. No entanto, desafios como viés de conjunto de dados, acessibilidade limitada de ensaios metabolômicos e obstáculos regulatórios persistem. Sintetizando as evidências atuais, a metabolômica da RNFL impulsionada por IA representa uma inovação transformadora na medicina de precisão, oferecendo um caminho escalável e não invasivo para detecção precoce, cuidados personalizados e resultados de sobrevivência aprimorados em doenças cardiometabólicas.

PMID: 41789247 | PMC: PMC12959829 | DOI: 10.1097/MS9.0000000000004707

Para ler a postagem completa, visite o original: Leia a Postagem Completa