Rétinopathie diabétique : intelligence artificielle et big data
Parmi les maladies rétiniennes, la rétinopathie diabétique (RD), en tant que principale cause de cécité et en raison des grandes bases de données existantes, a été le principal candidat pour les applications d’intelligence artificielle (IA).
Le big data (UK Diabetic Retinopathy Electronic Medical Record) a permis d’analyser le taux de progression vers une RD proliférante dans le temps, à partir de certaines caractéristiques initiales, parmi lesquelles les AMIR (anomalies microvasculaires intrarétiniennes), les hémorragies dans les 4 quadrants et le venous beading (veines tortueuses) étaient les pathologies les plus prédictives de la progression à 1, 3 et 5 ans. D’autres études utilisant le big data ont permis d’analyser l’impact de la chirurgie de la cataracte sur l’œdème maculaire diabétique et de prédire le délai entre la chirurgie de la cataracte et l’apparition d’un œdème maculaire nécessitant un traitement.
Le grand nombre de patients diabétiques devient un problème de santé publique, et le dépistage systématique de la RD représente une lourde tâche pour les ophtalmologistes. À ce jour, plusieurs algorithmes existent pour le dépistage de la RD en utilisant des rétinophotographies, avec une grande fiabilité, et une sensibilité et une spécificité importantes. ARIAS (Automated Diabetic Retinopathy Image Assessment Software) [1] notamment montre que les algorithmes actuels ont une sensibilité qui varie entre 73,0 et 99,6 %. Les systèmes Retmarker et EyeArt ont atteint une sensibilité acceptable pour la RD et référençable par rapport aux lecteurs humains. La spécificité de ces techniques est suffisante pour en faire des alternatives rentables pour le screening de la RD.
L’ophtalmologie reste donc l’une des spécialités les plus axées sur la technologie : du premier ophtalmoscope d’Hermann von Helmholtz au XIXe siècle aux multiples systèmes d’IA clinique autonomes conçus, testés et implémentés pour le dépistage automatisé de la RD sur des rétinophotographies au XXIesiècle.
Références
- Tufail A et al. Automated Diabetic Retinopathy Image Assessment Software: diagnostic accuracy and cost-effectiveness compared with human graders. Ophthalmology 2017;124(3):343-51.
