OBJETIVO: Desenvolver uma rede neural artificial para planejar a estratégia cirúrgica em pacientes portadores de estrabismo sensorial, com desvio horizontal. MÉTODOS: Foi realizado estudo retrospectivo envolvendo 95 pacientes portadores de estrabismo sensorial, atendidos no Ambulatório de Motilidade Ocular Extrínseca do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo. Foi construída uma rede neural artificial utilizando-se o Java Neural Network 1.1. Foram utilizados 68 pacientes para treinamento e validação da rede e 27 para testar o seu funcionamento. RESULTADOS: Dos 68 pacientes utilizados no treinamento da rede, 37 apresentavam exotropia e 31 esotropia. O método utilizado para treinamento da rede foi o "backpropagation". A taxa de aprendizado utilizada foi de 0,6, e a taxa de tolerância de erro 0,05. Dos 27 pacientes utilizados para avaliação da eficácia da rede, 18 apresentavam exotropia, e 9 esotropia. A eficácia da rede foi avaliada pela média da diferença entre os resultados fornecidos pela rede, e as indicações originais. Nos pacientes com exotropia o erro médio foi de 0,4 mm (±0,4), para o retrocesso do músculo reto lateral, e de 0,3 mm (±0,3), para a ressecção do músculo reto medial. Nas esotropias, o erro médio foi de 0,2 mm (±0,2), para o retrocesso do músculo reto medial e de 0,5 mm (±0,3), para ressecção do músculo reto lateral. CONCLUSÃO: A rede neural artificial, por sua característica de simular o sistema nervoso central biológico, e sua capacidade de realizar tarefas cognitivas, é opção viável para auxiliar no planejamento cirúrgico da cor-reção do estrabismo.
PURPOSE: To develop a neural network model for planning of the surgical strategy of patients with sensorial strabismus. METHODS: In this retrospective study, medical records of 95 patients with sensorial strabismus were reviewed. All patients were seen at the Strabismus Sector of the Hospital das Clínicas of the University of São Paulo. The neural network was designed containing 3 layers. Sixty-eight patients were used in the training and validation set, and 27 in the test set. RESULTS: In the 68 patients used in the training and validation set, 37 had exotropia, and 31 esotropia. The backpropagation approach was used for training the neural network. A learning rate of 0.6, and a tolerance error of 0.05 were used. In the 27 patients used in the test set, 18 had exotropia, and 9 had esotropia. The efficacy of the neural network was analyzed using the average of the difference between the indication supplied by the network and the original indication. In patients with exotropia, the average error was 0.4 mm (±0.4), for recession of the lateral rectus muscle, and 0.3 mm (±0.3), for the resection of the medial rectus muscle. In the esotropia group, the average error was 0.2 mm (±0.2) for the recession of the medial rectus muscle, and 0.5 mm (±0.3) for resection of the lateral rectus muscle. CONCLUSION: As the artificial neural network can simulate a biological central nervous system, and is able to carry out cognitive tasks, it can be a viable option to help the surgical planning for strabismus correction.