L'IA en ophtalmologie
L'ophtalmologie est l'une des plus grandes réussites médicales de l'IA, car l'œil est riche en images et facile à photographier.
Aperçu
AI can now screen for blinding diseases like diabetic retinopathy directly from retinal photos, sometimes without a specialist in the loop.
Plongée profonde
La rétine peut être photographiée rapidement et de manière non invasive, produisant exactement le type d’images de haute qualité sur lesquelles prospère l’apprentissage en profondeur. En 2018, la FDA a autorisé IDx-DR, le premier appareil de diagnostic autonome par IA, qui lit les photos couleur du fond d'œil et indique à une clinique de soins primaires si un patient diabétique doit consulter un ophtalmologiste, sans qu'aucun spécialiste n'interprète l'image. L'étude historique JAMA 2016 de Google a formé un modèle pour détecter la rétinopathie diabétique avec une sensibilité et une spécificité de niveau expert. Au-delà de la maladie oculaire diabétique, l’IA signale la dégénérescence maculaire liée à l’âge, le glaucome à partir d’images du nerf optique et la rétinopathie du prématuré. DeepMind a travaillé avec le Moorfields Eye Hospital pour trier plus de 50 affections rétiniennes à partir d'analyses OCT, en mettant en relation des experts de renommée mondiale et en recommandant des références urgentes.
Aperçu technique
La plupart des systèmes utilisent des réseaux neuronaux convolutifs formés sur des dizaines de milliers, voire des millions de photographies de fond d'œil étiquetées ou de volumes de tomographie par cohérence optique (OCT). L'OCT est essentiellement un échographe optique qui produit des coupes transversales d'une résolution micronique des couches de la rétine, idéales pour détecter les fluides et l'amincissement. Une découverte frappante : les réseaux peuvent déduire des caractéristiques que les cliniciens ne peuvent pas lire à l'œil nu, telles que l'âge, le sexe, le tabagisme et le risque cardiovasculaire d'un patient, à partir d'une seule photo de la rétine, laissant entendre que la rétine est une fenêtre sur la santé du corps entier.
Impact stratégique
Contexte et règles
Le contexte industriel détermine si les idées d’IA survivent au contact avec la réalité.
Contrôle qualité
Les contraintes de domaine influencent les taux d'erreur acceptables et les modèles de surveillance.
Choix de construction
Les déploiements réussis alignent les capacités techniques sur les flux de travail de première ligne.
L'avenir de l'IA en ophtalmologie
Le dépistage rétinien autonome se répandra dans les pharmacies, les cabinets de soins primaires et les régions à faibles ressources où les ophtalmologistes sont rares, détectant les maladies avant la perte de la vision. L'« oculomique », qui utilise la rétine pour prédire les maladies cardiaques, les maladies rénales et même le risque d'Alzheimer, constitue une frontière active. Des caméras de fond d'œil sur smartphone associées à l'IA pourraient apporter le dépistage dans les pays en développement. Attendez-vous à une intégration plus étroite avec les enregistrements électroniques et une surveillance continue des affections oculaires chroniques.
Mise en œuvre dans le monde réel
IDx-DR (maintenant LumineticsCore) teste de manière autonome les diabétiques pour une rétinopathie référable dans les cliniques de soins primaires sans qu'un ophtalmologiste ne lise l'image.
DeepMind et Moorfields ont construit un système qui trie plus de 50 maladies de la rétine à partir d'analyses OCT et recommande des références urgentes au niveau des experts.
Les outils d’IA facilitent le dépistage de la rétinopathie du prématuré chez les nouveau-nés, l’une des principales causes de cécité infantile qu’il est difficile d’évaluer de manière cohérente.
Les modèles de recherche estiment le risque cardiovasculaire et l’âge biologique à partir d’une seule photographie rétinienne, un domaine émergent appelé oculomique.
Risques et garde-fous
Les exigences réglementaires peuvent invalider des prototypes autrement solides.
Les données historiques peuvent coder des préjugés qui nuisent à des communautés spécifiques.
Les systèmes existants peuvent créer des goulots d'étranglement en matière d'intégration et des coûts cachés.
Feuille de route de mise en œuvre
Impliquez des experts du domaine, de la formulation du problème à l’évaluation.
Concevoir des pistes d'audit et de la documentation avant le lancement.
Validez tôt les obligations de conformité et de sécurité.
Déployez par phases avec des critères d’arrêt et de restauration clairs.
Continuez à explorer
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Ophthalmology quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Guide suivant
L'IA dans la gestion de l'eau
Questions fréquemment posées
What is AI in Ophthalmology?
L'ophtalmologie est l'une des plus grandes réussites médicales de l'IA, car l'œil est riche en images et facile à photographier. L’IA peut désormais dépister des maladies cécitantes comme la rétinopathie diabétique directement à partir de photos rétiniennes, parfois sans l’intervention d’un spécialiste.
Pourquoi l’ophtalmologie est-elle particulièrement adaptée au deep learning ?
La photographie rétinienne et l’OCT produisent des images abondantes et de haute qualité de manière non invasive, exactement le type de données visuelles standardisées sur lesquelles excellent les modèles d’apprentissage profond.
Qu’est-ce qui était remarquable à propos de l’IDx-DR lorsque la FDA l’a autorisé en 2018 ?
IDx-DR a été le premier diagnostic d'IA autonome approuvé par la FDA : il analyse les photos du fond d'œil et émet une recommandation de référence pour la rétinopathie diabétique sans qu'aucun clinicien n'interprète l'image.
Qu’est-ce que l’OCT, la méthode d’imagerie au cœur de nombreux outils d’IA rétinienne ?
La tomographie par cohérence optique fonctionne comme une échographie optique, produisant des images transversales détaillées des couches rétiniennes qui révèlent un fluide, un gonflement et un amincissement invisibles sur une photo plate.
Quelle capacité surprenante les chercheurs ont-ils découverte lors de la formation de réseaux sur des photos rétiniennes ?
Les chercheurs de Google ont montré qu'un modèle pouvait prédire l'âge, le sexe, le tabagisme et le risque cardiovasculaire d'un patient à partir d'une seule image rétinienne, révélant ainsi des signaux de santé systémiques que les humains ne peuvent pas lire directement.
Quel est l’objectif du domaine émergent de « l’oculomique » ?
L'oculomique traite la rétine comme une fenêtre sur la santé de l'ensemble du corps, en utilisant des images rétiniennes et l'IA pour estimer le risque de maladies cardiovasculaires, rénales et neurodégénératives.