Look beyond limits

Regards sur

l’intelligence artificielle

Machine Learning, Deep Learning, réseau de neurones convolutifs… Lorsque la machine apprend à réfléchir sur des grandes quantités d’images numérisées ou de données ophtalmologiques, les progrès sont spectaculaires et les applications potentielles très nombreuses.

Les promesses de l’intelligence artificielle au service de la communauté ophtalmologique ont mille visages : aide à l’analyse d’image, confirmation des diagnostics simples, accompagnement de la décision thérapeutique et optimisation des protocoles de traitement, recherche de facteurs prédictifs de réponse aux traitements, suivi semi-automatisé de certains patients…

Outil performant, assistant du praticien, compagnon du chercheur, l’intelligence artificielle doit d’abord être vue comme un gain de temps permettant aux médecins de se concentrer là où leur expertise est la plus pertinente. Vous trouverez ci-après quelques unes des applications les plus prometteuses, à court, moyen ou long terme, qui sont au cœur des recherches actuelles. 1,2

Comprendre l’IA

IA, Deep Learning, Machine Learning, quelles différences ? 3

Machine learning, intelligence artificielle et deep learning
Machine learning, intelligence artificielle et deep learning

#intelligenceartificielle #deeplearning #machinelearning

L’expansion de l’IA peut-elle être freinée par l’effet « boîte noire » ? 2,4

Les systèmes d’IA restent encore opaques : c’est l’effet « boîte noire ». Les données qui y entrent sont connues, les données qui en sortent aussi, mais on ne sait pas comment les réseaux neuronaux fonctionnent pour obtenir ces résultats.

Cette méconnaissance sur le fonctionnement de l’IA couplée aux sujets sensibles de la sécurisation des données de santé peut générer une crainte auprès du grand public et des patients, mais également auprès des médecins eux-mêmes.

L’IA au service du médical est considérée par le département d’État américain comme une application “sensible”, au même titre que l’armée, les transports ou la sécurité.

L’un des enjeux majeurs du développement de l’IA en rétinologie passe donc par beaucoup de pédagogie, afin d’éclaircir cet effet « boîte noire ». 

#intelligenceartificielle #boitenoire

Effet "boite noire" et intelligence artificielle
IA au cabinet : BREAK nouvel assistant du praticien ?

Dépistage de la rétinopathie diabétique :
l'IA peut elle faire aussi bien que l'humain ? 2,5

L’IA a déjà permis de faire rentrer la rétinopathie diabétique (RD) dans une nouvelle ère avec l’existence de plusieurs algorithmes de dépistage.

Aux Etats-Unis, un programme conçu pour automatiser le diagnostic de la RD est autorisé depuis 2018. Ce logiciel, opérant sur photographie du fond d’œil, permet de classer les patients selon leur degré de RD. Les images sont envoyées vers un Cloud qui héberge un algorithme capable de donner une réponse binaire : détection d’une RD (de stade modéré à sévère), le patient est alors invité à consulter un ophtalmologiste, ou absence de RD, proposant de refaire un contrôle 1 an plus tard.

La France n’est pas en reste dans le développement de tels outils, une société privée propose un algorithme intégré à une plateforme permettant le dépistage de la RD par télémédecine.

D’autres études innovantes sont actuellement en cours. Elles utilisent le Machine Learning couplé aux images de fond d’œil ou à l’OCT et le Deep Learning couplé à l’OCT.

#intelligenceartificielle #depistage #OCT #retinopathiediabetique #deeplearning #machinelearning

 

Dépistage de la retinopathie diabétique

FOCUS SUR… le projet EVIRED

« Au-delà du dépistage, l’avenir est d’anticiper la trajectoire de la rétinopathie diabétique ».
Pr Ramin Tadayoni
, porteur du projet EVIRED, professeur d’ophtalmologie à l’Université de Paris, chef de service à l’hôpital Lariboisière, l’hôpital Saint-Louis et l’hôpital Fondation Adolphe de Rothschild

Examen de fond d'oeil

Interprétation automatisée des OCT :
voir ce que l’œil ne voit pas. 3,6,7

Différencier les différents types de liquide rétinien dans les maladies maculaires exsudatives telles que l’occlusion veineuse rétinienne, la DMLA néovasculaire ou l’œdème maculaire diabétique, est maintenant possible.

L’IA est ainsi capable de segmenter les liquides intra et sous-rétiniens, les drusen, les décollements de l’épithélium pigmentaire, voire les atrophies géographiques avec une grande précision.

Une équipe a montré qu’un logiciel d’IA pouvait repérer les signes d’activité grâce à l’évolution et à la disposition du fluide. L’algorithme a permis de détecter les signes exsudatifs en OCT en comparaison avec 3 rétinologues.

#intelligenceartificielle #OCT #DMLA #œdememaculairediabetique

Utilisation de l'intelligence artificielle dans l'interprétation des OCT

Les progrès récents dans la segmentation montrent des performances comparables entre les mesures humaines et les algorithmes d’IA.

Exemple de résultats de segmentation proposés par un algorithme vs 2 rétinologues.

(a,e) : image d’origine ; (b,f) signal de segmentation proposé par un algorithme ; (c,g) annotations manuelles effectuées par le rétinologue 1 ; (d,h) annotations manuelles effectuées par le rétinologue 2. 7

Images reproduites avec l’aimable autorisation du Dr Venhuizen.

Prédire pour mieux prescrire : et si l’IA pouvait optimiser les protocoles d’injection de la DMLA néovasculaire ? 1,2

Les injections intravitréennes (IVT) dans le traitement de la DMLA exsudative nécessitent une surveillance rapprochée des patients par la mesure de l’acuité visuelle et par l’analyse des images OCT.  

Des travaux ont cherché à prédire le nombre d’IVT nécessaire à un patient durant les 2 premières années de son traitement à partir des images OCT de la dose de charge (3 injections mensuelles).

Les patients ont été séparés en 3 groupes (nombre d’IVT nécessaire : faible → 0-6, modéré → 6-15, élevé → 6-21). L’utilisation de l’IA a permis de prédire le nombre d’IVT nécessaire dans 70 % des cas, alors que l’homme n’y parvenait que dans 25 % des cas. D’autres travaux ont été réalisés pour trouver l’intervalle de réinjection optimal en schéma “Treat and Extend”.

#intelligenceartificielle #injections #OCT #DMLA 

Apport de l'intelligence artificielle dans la prédiction du nombre d'IVT

Essais cliniques : et si l’IA permettait de gagner en efficacité ? 1

Domaine de l’expérimentation « réelle » par excellence, la recherche clinique pourrait pourtant fortement bénéficier de l’IA.

Les possibilités sont nombreuses :

  • Aide à la conception méthodologique et statistique des protocoles d’études, sur la base des essais déjà réalisés.
  • Sélection optimisée des patients inclus ou exclus pour limiter les biais de sélection.
  • Collecte automatisée des données détectant les anomalies.
  • Standardisation de l’analyse des résultats d’imagerie, afin d’éviter les biais liés à la variabilité inter et intra-praticien.
  • Analyses exploratoires des données permettant de détecter de nouveaux facteurs prédictifs de réponse aux traitements.
  • Etablissement de modèles d’évolution de la maladie, pouvant laisser envisager, dans certaines situations, de réduire la durée des études voire de se passer d’un bras contrôle (et augmenter le nombre de patients dans le bras d’analyse).

#intelligenceartificielle #essaiscliniques

1204743045

Ces développements sont encore assez théoriques mais très prometteurs et pour certains déjà en expérimentation.

On conçoit aisément les bénéfices des possibilités évoquées, avec des essais cliniques plus courts, moins coûteux, et conduisant à des réponses plus rapides pour les patients.

IA au domicile du patient : BREAK nouveaux outils de suivi ?

OCT et autres examens à domicile : nouvelle tendance ou utopie délétère ? 6,8-10

Traiter le plus précocement un patient ayant évolué vers une DMLA néovasculaire ou présentant une récidive est déterminant. Cependant, afin d’assurer une bonne continuité des soins et une adhésion au traitement optimale, des visites fréquentes au cabinet sont nécessaires, ce qui peut avoir un retentissement sur le quotidien des patients et également des praticiens.

Pour répondre à cette problématique, l’utilisation d’appareils d’imagerie associés à l’IA utilisés à domicile pourraient être l’une des solutions.

Le développement à grande échelle de ces technologies nécessite encore de nombreux ajustements et discussions (interprétation des résultats, maintien du suivi avec l’ophtalmologiste, nécessité parfois de recevoir le patient en urgence, coût…) mais permettrait potentiellement une surveillance continue des patients, avec adressage à l’ophtalmologiste uniquement en cas de besoin.

Plusieurs entreprises se sont penchées sur la question en développant des solutions basées sur le principe de détection précoce des distorsions ou des systèmes d’OCT couplés à des algorithmes. Réalisées à domicile et associes à de l’IA, ces techniques ont démontré un intérêt dans la détection précoce de la survenue d'une DMLA néovasculaire ou des récidives. 

Examen OCT à domicile

Cette tendance liée à l’ère du numérique peut certainement être vue comme un potentiel progrès futur dans le suivi des patients, mais doit inciter à informer et sensibiliser convenablement le patient sur sa maladie, ses risques et enjeux, afin que le lien avec l’ophtalmologiste ne soit jamais perdu ou négligé.

#intelligenceartificielle #domicile #OCT #suivi 

1250238643

Regards sur la restauration visuelle

Redonner la vue : entre l’un des rêves les plus fous de la médecine et Graal de l’ophtalmologie, le symbole est immense.

Les premiers succès arrivent et suscitent de nombreux espoirs, que ce soient les prothèses rétiniennes ou corticales, l’optogénétique, la greffe de rétine ou encore la thérapie cellulaire.

Lire plus

Remplissez notre enquête en ligne pour nous donner votre vision du futur en ophtalmologie.

Enquête sur les innovations en ophtalmologie

ET APRÈS DEMAIN ?

Première pathologie ayant bénéficié de l’intelligence artificielle, la rétinopathie diabétique a ouvert la voie vers un nouveau futur pour l’ophtalmologie et les maladies rétiniennes.

En ligne de mire de ces innovations : répondre à une augmentation importante dans les années à venir du nombre de patients atteints de ces pathologies et fournir de nouvelles méthodes de dépistage et de diagnostic.

Développement de la télémédecine, analyse d’images automatisée, analyse de biomarqueurs… le chemin à parcourir est encore long mais motivé par l’objectif d’optimiser le suivi des patients, de leur proposer des traitements personnalisés et d’améliorer toujours plus leur quotidien. 

  1. Cai L, et al. Applications of Artificial Intelligence for the Diagnosis, Prognosis, and Treatment of Age-related Macular Degeneration. Int Ophthalmol Clin. 2020;60(4):147-168.
  2. Gualino V, Guigou S. Intelligence artificielle et rétine. Images en Ophtalmologie. 2019:13(6).
  3. Schmidt-Erfurth U, et al. Artificial intelligence in retina. Prog Retin Eye Res. 2018 Nov;67:1-29.
  4. Ahuja AS, Halperin LS. Understanding the advent of artificial intelligence in ophthalmology. J Curr Ophthalmol. 2019 May 28;31(2):115-117.
  5. Keskinbora K, Güven F. Artificial Intelligence and Ophthalmology. Turk J Ophthalmol. 2020;50:37-43.
  6. Gualino V, Guigou S. Intelligence artificielle et nouvelles technologies pour le diagnostic et le suivi des pathologies rétiniennes. Les Cahiers d'Ophtalmologie. Mai/Juin 2020;n°236/237:30-3.
  7. Venhuizen FG, et al. Deep learning approach for the detection and quantification of intraretinal cystoid fluid in multivendor optical coherence tomography. Biomed Opt Express. 2018 Mar 7;9(4):1545-1569.
  8. Ho AC, et al. Real-World Performance of a Self-Operated Home Monitoring System for Early Detection of Neovascular Age-Related Macular Degeneration. J Clin Med. 2021;10:1355.
  9. Busquets MA, Sabbagh O. Current status of home monitoring technology for age-related macular degeneration. Curr Opin Ophthalmol. 2021 May 1;32(3):240-246.
  10. Nahen K, et al. Evaluation of a Self-Imaging SD‑OCT System for Remote Monitoring of Patients with Neovascular Age Related Macular Degeneration. Klin Monbl Augenheilkd. 2020 Dec;237(12):1410-1418

Pour recevoir nos futurs contenus,
abonnez-vous en cliquant ici

Je m’abonne