WOC : Nouvelle approche du diagnostic du glaucome

  • Dr Jean-Claude Lemaire

  • JIM Actualités des congrès
L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte. L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte.

Le diagnostic précoce du glaucome est un élément important du pronostic, mais il se heurte à de nombreux obstacles dont certains semblent pouvoir être surmontés grâce aux progrès en imagerie d'une part et par l'exploitation de l'intelligence artificielle d'autre part. Pour mémoire, l'atteinte du nerf optique et les altérations du champ visuel qui en découlent font toute la gravité du glaucome qui représente la 2ème cause de cécité dans le monde et touche de 1 à 3 % des sujets de plus 40 ans.

De fait, en utilisant la technique de l'apprentissage par renforcement également appelé apprentissage profond (deep learning des anglo-saxons), une équipe japonaise a développé un algorithme permettant de faire le diagnostic de glaucome à partir de simples clichés du fond d'œil.

Pour apprendre à la machine de lecture automatique, les chercheurs ont utilisé plus de 3 000 clichés couleur différents de fond d'œil, dont 1 364 ayant des caractéristiques rencontrées en cas de glaucome et 1 768 sans aucune de ces caractéristiques. Ils ont ensuite confronté les "connaissances" acquises par la machine en lui soumettant des clichés couleur de fond d'œil de sujets avec ou sans glaucome et avec ou sans forte myopie.

Les résultats sont extrêmement satisfaisants avec une aire située sous la courbe ROC (paramètre communément utilisé pour mesurer la performance d'un test) de 95,4 % et pour une spécificité de 95 % et une sensibilité de 70 %.

Ces données font conclure que l'aptitude de la machine à établir un diagnostic fiable est égale voire supérieure à celle d'un ophtalmologue, y compris chez les sujets avec forte myopie.

Est-on sur le chemin d'un dépistage automatique ? A suivre.