Le modèle d’IA réduit considérablement les erreurs d’examen oculaire

Les chercheurs ont récemment conçu un algorithme d’intelligence artificielle qui semble diagnostiquer plus précisément les problèmes de vision que les tests de vision classiques actuellement utilisés par les médecins. Selon Science, le nouveau test peut réduire les erreurs de diagnostic pour les examens oculaires d’environ 74%.

Les ophtalmologues utilisent le même test de vision, l’examen oculaire classique basé sur des tableaux avec des lettres et des symboles de différentes tailles, depuis des décennies. Les résultats du test sont interprétés par l’ophtalmologue, et bien sûr, il peut y avoir des erreurs dans l’interprétation des résultats et la pose d’un diagnostic. Les chercheurs de l’Université de Stanford ont cherché à améliorer ces tests avec un algorithme d’IA.

Selon un informaticien de Stanford, Chris Piech, partie du problème avec les tests traditionnels est que lorsque les lettres deviennent trop floues pour que le sujet les voie, le sujet commence à deviner les lettres. Cette devinette signifie que les résultats du test peuvent varier si une personne passe le test plusieurs fois. Pour développer un test avec une meilleure précision et reproductibilité, Piech et ses collègues ont créé un test en ligne, dont les résultats sont utilisés pour former un modèle d’IA. Le test en ligne guide d’abord l’utilisateur à travers le processus de calibration de son écran. Une fois l’écran calibré, l’utilisateur entre sa distance par rapport à l’écran, puis le programme affiche une lettre « E » qui apparaît dans différentes orientations. Après cela, le modèle attribue à l’utilisateur un score de vision, basé sur un modèle statistique. Le programme pose 20 questions pour chaque œil, mettant à jour son score de vision à mesure, puis il rend une prédiction basée sur le score de vision.

L’équipe de recherche a fait passer son modèle à travers 1000 simulations informatiques qui simulaient les entrées de patients réels. La simulation informatique fonctionne en étant initialisée avec un score d’acuité visuelle connu, puis en faisant les types d’erreurs que une personne pourrait faire en passant le test. Les chercheurs ont mené les tests de cette façon parce que pour chaque test, il y a un « vrai » score d’acuité, ce qui n’est pas le cas lorsque l’on prend un test humain. Selon les chercheurs, leur modèle a pu réduire les erreurs de diagnostic d’environ trois quarts (74%) par rapport aux tests de vision classiques. Malgré ces résultats assez impressionnants, Piech et ses collègues mettent en garde que le modèle n’est pas destiné à remplacer les médecins, mais c’est un outil que les médecins pourraient potentiellement utiliser pour améliorer la précision d’un diagnostic.

Un ophtalmologue, Mark Blecher, a déclaré à Science que même si le programme est une mise en œuvre utile et ingénieuse des modèles d’IA pour l’ophtalmologie, les chercheurs devraient également prendre en compte des facteurs tels que l’environnement dans lequel le sujet passe le test, car ces attributs peuvent également influencer les résultats du test. Au-delà de cela, Blecher anticipe que les chercheurs pourraient avoir du mal à convaincre les ophtalmologues d’utiliser leur nouveau modèle et à s’accorder sur une nouvelle norme, car le statu quo peut être difficile à renverser.

La recherche menée par Piech et ses collègues n’est pas le seul développement récent concernant l’IA et la vision. Récemment, Google (GOOGL ) a développé un modèle d’IA qui pourrait occasionnellement surpasser les cliniciens dans l’identification de problèmes oculaires courants qui peuvent entraîner une perte de vision. Google DeepMind a collaboré avec l’hôpital ophtalmologique de Moorfields pour développer un modèle qui pourrait prédire de manière significative la probabilité qu’un patient développe une forme grave de dégénérescence maculaire. Ailleurs, une startup israélienne du nom d’AEYE Health a utilisé des techniques de vision par ordinateur et d’apprentissage automatique pour développer des scanneurs de rétine qui peuvent potentiellement effectuer une reconnaissance basique et précise de problèmes oculaires courants, en référant le patient à un médecin si le diagnostic est positif.