L’intelligence artificielle est utilisée pour analyser les images de la rétine

Dans une nouvelle approche développée, l’intelligence artificielle (IA) est utilisée pour analyser les images de la rétine. Le système pourrait être utilisé par les médecins pour sélectionner le meilleur traitement pour les patients souffrant de perte de vision due à l’œdème maculaire diabétique, une complication du diabète. Ce problème entraîne souvent une perte de vision chez les adultes en âge de travailler.

L’un des premiers types de thérapie utilisés comme ligne de défense contre l’œdème maculaire diabétique est l’anti-vascular endothelial growth factor (VEGF). Le problème avec les agents VEGF est qu’ils ne fonctionnent pas pour tout le monde. Ceux qui pourraient bénéficier de la thérapie doivent être identifiés en premier lieu, car cela nécessite plusieurs injections. Ces injections coûtent cher et sont lourdes pour les patients et les médecins.

Le chef de l’équipe de recherche est Sina Farsiu de l’Université Duke.

“Nous avons développé un algorithme qui peut être utilisé pour analyser automatiquement les images de tomographie par cohérence optique (OCT) de la rétine pour prédire si un patient est susceptible de répondre aux traitements anti-VEGF”, a-t-elle déclaré. “Cette recherche représente un pas vers la médecine de précision, dans laquelle de telles prédictions aident les cliniciens à mieux sélectionner les premières thérapies pour les patients en fonction de conditions de maladie spécifiques.”

Le travail a été publié dans The Optical Society (OSA) journal Biomedical Optics Express. Dans le journal, Farsiu et son équipe ont démontré comment le nouvel algorithme est capable de prédire avec précision si un patient est susceptible de répondre à la thérapie anti-VEGF, après une seule analyse volumétrique.

“Notre approche pourrait potentiellement être utilisée dans les cliniques ophtalmologiques pour prévenir les traitements inutiles et coûteux et ainsi alléger un fardeau de traitement important pour les patients”, a déclaré Farsiu. “L’algorithme pourrait également être adapté pour prédire la réponse à la thérapie pour de nombreuses autres maladies oculaires, y compris la dégénérescence maculaire liée à l’âge avec néovascularisation.”

Le nouvel algorithme développé est basé sur une nouvelle architecture de réseau de neurones convolutifs (CNN). Un CNN est un type d’intelligence artificielle, et il attribue de l’importance à divers aspects ou objets pour analyser les images. L’algorithme a été utilisé par les chercheurs pour examiner les images acquises avec l’OCT, qui est une technologie non invasive. L’OCT produit des images rétiniennes transversales à haute résolution, et il est considéré comme le standard de soins pour l’évaluation et le traitement de diverses affections oculaires.

“Contrairement aux approches développées précédemment, notre algorithme nécessite des images OCT d’un seul point de temps avant le traitement”, a déclaré Reza Rasti, premier auteur de l’article et boursier postdoctoral dans le laboratoire de Farsiu. “Il n’y a pas besoin d’images OCT en série, de dossiers de patients ou d’autres métadonnées pour prédire la réponse à la thérapie.”

Le nouvel algorithme fonctionne en mettant en évidence les structures globales dans l’OCT. En même temps, il met également en évidence les caractéristiques locales des régions malades. Il recherche des caractéristiques codées par le CNN qui peuvent être corrélées avec la réponse anti-VEGF.

L’algorithme a été testé avec des images OCT de 127 patients qui avaient subi un traitement pour l’œdème maculaire diabétique avec trois injections consécutives d’agents anti-VEGF. L’algorithme a ensuite analysé les images OCT prises avant les injections anti-VEGF, et les prédictions de l’algorithme ont été comparées aux images OCT prises après la thérapie anti-VEGF. Cela a permis aux chercheurs de déterminer si la thérapie a entraîné une amélioration de la condition.

L’algorithme a été trouvé pour avoir un taux de précision de 87 pour cent pour prédire ceux qui répondraient au traitement. Il avait une précision moyenne et une spécificité de 85 pour cent et une sensibilité de 80 pour cent.

Les chercheurs veulent maintenant confirmer les résultats et entreprendre un essai d’observation plus important de patients qui n’ont pas encore subi de traitement.