Introdução: O Edema Macular Diabético (EMD), um inchaço na área central da retina resultante da oclusão vascular, é uma das consequências da retinopatia diabética. No entanto, ferramentas atuais utilizadas para seu diagnóstico, como a Tomografia de Coerência Óptica (OCT), que traz em seu contexto dados para auxiliar no diagnóstico de doenças maculares e glaucoma, requerem experiência médica significativa para a confirmação dos fenótipos. Por isso, ferramentas de Inteligência Artificial (IA) para apoiar a tomada de decisão em tal contexto são naturalmente bem-vindas. Objetivos: Desse modo, a intenção da autora deste trabalho é a de descrever uma nova estratégia baseada em Inteligência Artificial (IA) para apoiar a detecção e o pré-diagnóstico de EM, analisando características oriundas da Tomografia de Coerência Óptica (OCT) utilizando a Paraconsistent Feature Engineering (PFE). Materiais e Métodos: Foram analisados subcon-juntos de 21 características descritas no OCT setting Macula Map A X-Y, além da acuidade visual, do parâmetro diagnóstico, da idade, da indicação do olho sob análise e do gênero, totalizando 26 características, num total de 700 exames com 6 classes, isto é, fenótipos diferentes. Especificamente, baseado na PFE e na comparação dos classificadores Support Vector Machine (SVM), K-Nearest Neighbourhoods (KNN), Decision Trees (DTREE) e Regressão Logística (RL), foi possível formular uma estratégia que visa ajudar os clínicos no pré-diagnóstico do EM. Resultados: A análise baseada em PFE encontrou efetivamente carac- terísticas representativas dominantes que permitiram acurácias de classificação relevantes com base na SVM. Conclusão: Os resultados obtidos comprovam a possibilidade do uso da PFE na detecção automática inteligente do EM, em função da seleção provida nas características pela PFE, provendo uma contribuição ao estado-da-arte na área.