L’intelligence artificielle (IA) atteint un taux de détection « parfait » pour les cas graves de rétinopathies pouvant entraîner la cécité chez les bébés prématurés. Cette nouvelle illustration d’une utilisation de l’IA réussie en santé, apportée par une équipe de l’Oregon Health & Science University (OHSU), dans le JAMA Ophthalmology emporte une implication cruciale : étendre le traitement mondial de la rétinopathie du prématuré avant que la maladie ne puisse endommager la vision de manière permanente.
Car cette technologie d’IA détecte ici avec précision et en toute autonomie, 100 % des cas graves de rétinopathie qui affecte les bébés nés prématurément, la rétinopathie du prématuré ou ROP (retinopathy of prematurity). La ROP provoque une croissance anormale des vaisseaux sanguins près de la rétine, le tissu sensible à la lumière situé à l'arrière de l'œil. Environ 2 millions de bébés naissent chaque année « suffisamment » prématurément pour développer une ROP, même si dans la plupart des cas, la maladie est bénigne et disparaît sans traitement. Les cas graves provoquent
la cécité d'environ 50.000 bébés dans le monde chaque année.
De plus en plus de cas ne sont pas traités dans les pays à revenu faible ou intermédiaire, où il y a moins d'ophtalmologistes pour détecter la condition, chez les bébés prématurés. L’un des auteurs principaux, le Dr J. Peter Campbell, professeur agrégé d'ophtalmologie à l'OHSU relève : « Même si nous ne pouvons pas prévenir totalement la ROP, nous parvenons heureusement presque toujours à prévenir la cécité associée. Cependant, la ROP reste la principale cause de cécité chez les enfants dans le monde ».
L'IA peut palier à la pénurie de médecins pour le dépistage,
et, une fois le diagnostic effectué par IA, les cas les plus graves pourraient être orientés vers des services spécialisés.
Le système i-ROP Deep Learning utilise un algorithme d'IA pour identifier les anomalies des vaisseaux sanguins dans la rétine. De précédentes recherches de la même équipe ont montré que la technologie pouvait diagnostiquer avec précision la ROP et pouvait également être utilisée efficacement à distance via la télémédecine.
L’étude apporte la première démonstration de l’efficacité du système pour un dépistage autonome de la ROP en population réelle, ce qui signifie en clair, que la technologie permet de signaler correctement la maladie par elle-même, sans l'aide d'un ophtalmologiste et sans présélection d'images pour améliorer la qualité des données. Bien que de nombreux algorithmes d’IA fonctionnent dans le cadre d’expériences contrôlées, ils échouent souvent dans le monde réel en raison des différences entre les données d’entraînement et les données du monde réel. Ici, le système d’IA a été nourri de près de 12.000 images de plus de 4.000 rétines de bébés. Les photos ont été prises par des infirmières d’unités de soins intensifs néonatals (USIN).
- Ces mêmes données ont été analysées par des ophtalmologistes dans le cadre de programmes de télémédecine qui avaient conclu qu'environ 1,2 % des bébés présentaient des formes graves de ROP, tandis qu'environ 5,8 % présentaient des cas plus bénins ;
- le système d’IA a correctement identifié tous les cas graves et a détecté avec précision 80 % des cas présentant une ROP plus légère.
Il reste à faire approuver la technologie par les agences de santé, et en cas d’approbation, la ROP deviendrait la deuxième maladie oculaire -après la rétinopathie diabétique– pouvant être détectée de manière indépendante par l’IA.
Source: JAMA Ophthalmology 7 March, 2024 DOI: 10.1001/jamaophthalmol.2024.0045 Multinational External Validation of Autonomous Retinopathy of Prematurity Screening
