Medicacom
Devis en ligne

L'intelligence artificielle (IA) dans l’ophtalmologie

Publié par medicacom Le 15 mars 2021

I. Introduction

Le Deep Learning ou apprentissage profond est une technique nouvellement apparue résultante du progrès rapide et ascendant de l’intelligence artificielle.

C’est en fait une méthode d’apprentissage automatique, qui consiste à alimenter une machine avec des données massives, afin qu’elle puisse les traiter et les modéliser de manière autonome.

L’ophtalmologie, particulièrement la rétine, constitue un domaine où l’IA joue un rôle prépondérant vu l’utilisation d’une multitude d’images numériques.

L’IA aboutira ainsi à détecter des anomalies dans les yeux et générer des algorithmes qui permettent d’identifier les spécificités de chaque cas pathologique.

II. Discussion

1.Comment l’IA peut-elle aider les oculistes ?

En raison de la difficulté de l’interprétation des scanners par les humains et le nombre important des documents à traiter au quotidien, les délais d’examen se prolongent.

L’IA peut faire les mêmes diagnostics qu’un médecin en un temps d’analyse réduit à quelques secondes seulement.

La solution préconisée par le Deep Learning permettra d’aider le corps médical à trier les patients nécessitant un traitement urgent et par conséquent éviter tout risque de dégénération de la maladie.

L’IA offre ainsi la possibilité d’accélérer la prise en charge des patients. [1]

2.Quelle utilité possède l’IA en neuro ophtalmologie ?

  • L’intelligence artificielle nous permet d’analyser et de gérer des données sur des maladies qui affectent des millions de personnes, telles que le diabète. La rétinose diabétique est difficile à détecter car, dans les phases initiales, les personnes touchées ne remarquent pas de changements de leur vision. L’intelligence artificielle permet, dans ce cas de pathologies silencieuses, de réaliser une détection précoce grâce à l’analyse des symptômes des patients présentant des antécédents de diabète. Des logiciels sont développé dans ce contexte ; après la prise d’une photo de l’œil avec une caméra rétinienne, ils permet aux médecins de dépister la présence de tout signe pouvant indiquer un stade précoce de la rétinopathie diabétique.[2]
  • Les nouvelles technologies d’IA à savoir le Deep Learning permettent une interprétation précise et rapide de l’aspect du nerf optique, sur de simples images digitales du fond de l’œil.
  • Ces techniques permettent d’identifier avec précision un œdème papillaire associé à une hypertension intracrânienne.
  • La performance de ces technologies est comparable à celle des experts en neuro-ophtalmologie ce qui confirme l’utilité de l’IA et son rôle indéniable pour accélérer le diagnostic et par conséquent la prise en charge des patients dans le domaine de l’ophtalmologie. [3]
  • Nous pourrons dans ce volet rappeler le rôle de l’IA dans la prédiction de l’évolution de la DMLA : La DMLA ou Dégénérescence Maculaire Liée à l’âge est une pathologie touchant l’œil, et plus précisément la rétine. Elle résulte de la détérioration de la macula, qui est la zone centrale de la rétine de l’œil où l’acuité visuelle est maximale. Cette zone permet la vision des détails et des couleurs avec précision. La dégénérescence maculaire est la conséquence du vieillissement entrainant une perte progressive de la vision centrale. L’IA a permis en ce qui concerne la DMLA, l’évaluation du d’urgence à adresser un patient à un spécialiste de la rétine sur la base de l’analyse d’images d’OCT* en 3D. En fait, plusieurs études ont montré que le modèle d’IA a permis l’éviction des erreurs commises, par les médecins, dans l’estimation du degré d’urgence. Il est donc évident que l’IA permettra d’interpréter des données dont le volume augmente avec les nouveaux appareils d’imagerie, et d’effectuer plus rapidement l’analyse pour un plus grand nombre de sujets, pour le bénéfice des patients. [4]

3.Capacités actuelles et futures

  • Détecter des anomalies : micro-anévrysme, hémorragie, dilatation veineuse, etc.
  • Quantifier ces anomalies.
  • Dépister et classifier des maladies.
  • Guider la thérapeutique.
  • Détecter des récidives.
  • Établir des facteurs pronostiques

4.Exemples d’applications qui recourent à l’IA en faveur de l’ophtalmologie

L’utilisation grandissante des Smartphones et des tablettes connectés chez les seniors permet d’envisager l’évaluation personnalisée de l’acuité visuelle (AV) et son suivi à domicile. ForeseeHome représente une application qui peut être lancée à domicile et permet de réaliser quotidiennement un test simple pour vérifier les changements minimes dans la vision. Elle est fondée sur le principe de la détection précoce des distorsions. Les rapports mensuels sont envoyés directement chez le médecin qui est alors alerté.

Dans le même esprit, l’application Odysight, de Tilak, a été lancée en 2019 pour le suivi des maculopathies : détecter précocement l’évolution de la maladie en générant une alerte de baisse d’AV pour anticiper la réponse thérapeutique et ainsi détecter précocement l’évolution de la maladie en générant une alerte de baisse d’AV. [5]

III. Conclusion

A la lumière de tout ce qui précède, on pourrait affirmer que les techniques d’IA dans le domaine de la santé en particulier dans le domaine de l’ophtalmologie ont abouti à la facilitation de la tâche des ophtalmologues et de raccourcir ainsi le temps nécessaire pour le diagnostic. En conséquence, le Deep Learning en ophtalmologie permettra de faire le tri des patients nécessitant une prise en charge rapide ou de détecter les pathologies qui mettent en jeu le pronostic vital des patients.

Rappelons enfin que malgré l’aide et l’utilité que fournisse l’IA en ophtalmologie ne pourrait pas remplacer les ophtalmologues qui devraient se servir de toutes ces technologies tout en gardant leurs stratégies chirurgicales, leurs empathies et surtout leurs visions des ensembles des problématiques d’un patient.

Ainsi, nous devons être très attentifs à l’évolution des techniques d’IA en ophtalmologie et à leurs impacts dans la qualité de notre prise en charge médicale qui devrait toujours respecter l’enchainement des étapes ; le diagnostic et ensuite le pronostic ou la suggestion de traitements, ces systèmes vont certes modifier notre filière de soins.

Référence : [1] lettre-neurologue/utilite-intelligence-artificielle-neuro-ophtalmologie [2] lintelligence-artificielle-de-google-service-de-lophtalmologie [3] /intelligence-artificielle-avenir-de-l-ophtalmologie/ [4] J De Fauw JR Ledsam B Romera-Paredes Clinically applicable deep learning for diagnosis and referral in retinal disease. Nat Med 2018 (24) [5] Querques G, Querques L, et al. Preferential hyperacuity perimeter as a functional tool for monitoring exudative age-related macular degeneration in patients treated by intravitreal ranibizumab.