Skip to main content

Fachverlag und Nachrichtenagentur

Méthode d’approche de la prédiction automatisée des intervalles de traitements dans la DMLA

 

MEDICAL RETINA Vienna – mechentel news – L’équipe menée par Hrvoje Bogunović a conclu, dans une étude parue dans le magazine scientifique Investigative Ophthalmology & Visual Science en juin 2017, qu’ils avaient proposé et évalué une méthode d’apprentissage automatique pour prédire les besoins de traitements anti-VEGF à partir des OCT au moment de l’initiation du traitement. Ils ont voulu prédire l’augmentation ou l’espacement des injections d’anti-VEGF dans une procédure pro re nata (PRN), à partir des images de tomographie en cohérence optique acquises durant la phase d’initiation de la DMLA néovasculaire. Les données d’essais cliniques sur 2 ans de sujets recevant du ranibizumab en PRN selon un protocole spécifique de l’étude HARBOR après 3 injections mensuelles d’initiation ont été incluses. Les images OCT ont été analysées au départ, à 1 mois et à 2 mois. Les caractéristiques spatio-temporelles quantitatives issues de la segmentation automatisée des couches rétiniennes et des zones remplies de liquides ont été utilisées pour décrire la microstructure de la macula. Les auteurs ont inclus la meilleure acuité visuelle et les caractéristiques démographiques. Les patients ont été groupés dans des catégories de traitements faible et élevé, selon les premier et troisième quartiles, respectivement. Une classification aléatoire a été utilisée pour apprendre et prédire les catégories de traitements et a été évaluée avec une méthode de validation croisée. Sur 317 sujets évaluables, 71 patients ont présenté des besoins d’injections faible (≤5), 176 des besoins moyens et 70 des besoins importants (≥16) pendant la phase de maintien du 3ème au 23ème mois. La classification des besoins de traitements faible et élevé a montré une courbe caractéristique de la zone sous le récepteur de 0.7 et 0.77, respectivement. La caractéristique la plus pertinente pour la prédiction était le volume de liquide sous-rétinien dans le centre de 3mm, avec une meilleure prédiction à 2 mois. Les auteurs ont conclu qu’ils avaient proposé et évalué une méthode de prédiction automatique des besoins de traitements anti-VEGF. Ils précisent que les résultats de cette étude pilote sont une étape importante vers une prédiction automatisée des intervalles de traitement par l’image dans la prise en charge de la DMLA néovasculaire. (sk)

Auteurs : Bogunovic H, Waldstein SM, Schlegl T, Langs G, Sadeghipour A, Liu X, Gerendas BS, Osborne A, Schmidt-Erfurth U, Correspondance : Ursula Schmidt-Erfurth, Medical University of Vienna, Spitalgasse 23, 1090 Vienna, Austria; ursula.schmidt-erfurth@meduniwien.ac.at, Etude : Prediction of Anti-VEGF Treatment Requirements in Neovascular AMD Using a Machine Learning Approach, Source : Invest Ophthalmol Vis Sci. 2017 Jun 1;58(7):3240-3248. doi: 10.1167/iovs.16-21053., Web : http://iovs.arvojournals.org/article.aspx?articleid=2635838