Este projeto apresenta um sistema web completo capaz de realizar a predição automatizada de retinopatia diabética a partir de imagens oculares submetidas por meio de um ambiente clínico simulado. A aplicação integra um modelo de deep learning desenvolvido inicialmente no Google Colab, posteriormente disponibilizado via FastAPI, uma API de backend em Laravel e uma interface web construída em React + Next.js, todos orquestrados por Docker.
A proposta surgiu em um contexto acadêmico na disciplina de Inteligência Artificial, ministrada pelo professor Vinicius Godoy, e foi posteriormente aprimorada com o objetivo de demonstrar a aplicação prática de redes neurais na área da saúde.
A plataforma simula o ambiente digital de uma clínica médica especializada, permitindo:
- Cadastro de pacientes e exames;
- Upload de imagens de retina;
- Análise automática via modelo de IA;
- Geração de relatórios em PDF;
- Visualização de um dashboard com métricas gerais.
O sistema é dividido em três módulos principais:
- FastAPI (Python): utilizado para carregar o modelo de deep learning e realizar as predições de maneira rápida, escalável e fácil de atualizar.
- Laravel (PHP): API administrativa central, responsável pelo gerenciamento de pacientes, exames, usuários e integrações.
- React + Next.js (TypeScript): frontend do projeto, oferecendo maior performance, SSR/SSG e experiência fluida ao usuário.
- Docker: containerização dos serviços.
- Cloudinary: armazenamento otimizado das imagens enviadas.
O modelo foi desenvolvido e treinado inicialmente no Google Colab, permitindo experimentação rápida, testes controlados e monitoramento das métricas.
Durante o treinamento, o modelo atingiu:
- Accuracy: 0.9618
- Loss: 0.1161
Esses resultados demonstram excelente precisão na classificação das imagens entre:
- No_DR
- Mild
- Moderate
- Severe
- Proliferate_DR
Após validado, o modelo foi integrado ao backend por meio do FastAPI, possibilitando:
- Respostas mais rápidas
- Maior segurança e veracidade nos resultados
- Facilidade para futuras atualizações do modelo
O sistema gera automaticamente relatórios em PDF contendo:
- Dados do paciente
- Diagnóstico obtido
- Probabilidades das classes
- Data e informações técnicas
docker-compose up --buildA aplicação ficará disponível em:
👉 http://localhost:3000
O projeto demonstra a integração de IA com engenharia de software moderna, utilizando um modelo treinado no Google Colab, servido via FastAPI, e acessado por uma interface desenvolvida em React + Next.js.
O projeto conta com um site institucional de apresentação, desenvolvido com o objetivo de documentar e divulgar a proposta, a arquitetura e os resultados obtidos ao longo do desenvolvimento.
Nessa página, são apresentados:
- Contexto e motivação do projeto;
- Descrição detalhada da arquitetura do sistema;
- Tecnologias utilizadas em cada camada;
- Imagens e registros visuais da aplicação;
- Resultados e métricas alcançadas pelo modelo de IA.
🔗 Acesse a página do projeto:
👉 https://retinopatia-diabetica-d29dc.web.app/
O site tem caráter informativo e demonstrativo, servindo como material de apoio para apresentações acadêmicas, portfólio técnico e documentação complementar
Se você gostou da ideia e do projeto, não esqueça de deixar uma ⭐ no repositório!