O objetivo desse trabalho foi avaliar qual rede neural artificial junto com qual tipo de processamento de imagem seria capaz de identificar corretamente o grau de retinopatia diabética e risco de edema macular em pacientes com diabetes mellitus, de acordo com o diagnóstico dado por três instituições francesas. para cada entidade foram utilizadas as arquiteturas de rede neural inception v3 e pnasnet. as imagens do banco de dados passaram por cinco processamentos diferentes, totalizando seis grupos de imagens, um para cada processamento e um para as imagens sem processamento. foram criadas 12 redes neurais para cada entidade, totalizando 36 redes neurais para cada uma das condições clínicas. para a comparação do desempenho das diferentes redes foi utilizado a análise de desempenho aplicada a testes-diagnósticos em 60 imagens da retina de pacientes. a avaliação através desses índices alcançou os melhores resultados para a classificação do grau de retinopatia diabética com a rede de arquitetura pnasnet, treinada com as imagens avaliadas pelo hôpital lariboisière paris, após um aprimoramento de contraste e adição de brilho simultâneos, com os seguintes valores de desempenho: sensibilidade de 89,5%, especificidade de 86,4%, valor preditivo positivo de 91,9%, valor preditivo negativo de 82,6% e eficiência de 88,3%. os melhores resultados para a classificação do nível de risco de edema macular foram obtidos pela rede de arquitetura pnasnet, treinada com as imagens avaliadas pelo latim - chru de brest, após um aprimoramento de contraste e adição de brilho simultâneos, com os seguintes valores de desempenho: sensibilidade de 100%, especificidade de 98,1%, valor preditivo positivo de 87,5%, valor preditivo negativo de 100% e eficiência de 98,3%.