De acordo com a Organização Mundial da Saúde (OMS), o glaucoma é a segunda maior causa de cegueira irreversível no mundo, afetando cerca de 80 milhões de pessoas até 2020, com projeções que indicam um aumento para mais de 111 milhões até 2040. O glaucoma é uma doença ocular caracterizada pela degeneração progressiva do nervo óptico, comumente associada ao aumento da pressão intraocular, levando à perda de visão se não for diagnosticado precocemente. O diagnóstico precoce é essencial, já que a perda de visão causada pelo glaucoma é irreversível. Contudo, como a doença frequentemente progride sem sintomas evidentes, especialmente em seus estágios iniciais, muitos casos são detectados tardiamente. Esta pesquisa visa desenvolver um programa de inteligência artificial capaz de detectar o glaucoma em imagens de tomografia de coerência óptica (OCT) de maneira automática e precisa, facilitando diagnósticos precoces e aumentando as chances de sucesso no tratamento. O programa utiliza técnicas de aprendizado de máquina, especificamente a rede neural convolucional (CNN), para a análise das imagens, com a vantagem de detectar padrões sutis que podem passar despercebidos por especialistas humanos. Para o desenvolvimento da rede neural, foram utilizados dados do repositório “Harvard Glaucoma Fairness with 3,300 Samples”, contendo 3.330 amostras de OCT. O conjunto de dados foi dividido em 2.100 imagens para treinamento, 300 para validação e 900 para teste. A rede neural foi programada em Python, utilizando a biblioteca TensorFlow e sua interface Keras, com camadas adicionais de dropout, que desativam uma porcentagem dos neurônios durante o treinamento para evitar o overfitting, garantindo maior generalização do modelo em dados não vistos anteriormente. O modelo foi ajustado com técnicas de fine-tuning, utilizando a ResNet-50, uma rede neural pré-treinada adaptada para a tarefa de classificação binária (glaucoma ou não-glaucoma). Após o treinamento, o programa alcançou uma precisão de 76%, demonstrando sua eficácia na detecção de glaucoma. Com o aumento esperado da precisão e a validação médica, essa ferramenta tem o potencial de se tornar um auxiliar valioso no diagnóstico clínico, ajudando a mitigar erros e melhorar o prognóstico dos pacientes. Palavras-chave: Glaucoma. Inteligência Artificial. Tomografia de Coerência Óptica.