Fachverlag und Nachrichtenagentur

Intelligence artificielle pour dépister les maladies oculaires des myopes

Intelligence artificielle pour dépister les maladies oculaires des myopes

MEDICAL RETINA Himeji – mechentel news – Takahiro Sogawa et al ont conclu, dans une étude parue sur le site internet du magazine scientifique PLOS One en Avril 2020, que le dépistage des maladies oculaires grâce à l’intelligence artificielle pourrait permettre d’améliorer la prévention de la cécité. Les auteurs ont examiné et comparé les résultats du deep-learning (DL) pour identifier les images OCT swept-source avec lésions maculaires myopiques (sans forte myopie [sFM] vs forte myopie [FM]) et les images OCT avec lésions maculaires myopiques (comme une néovascularisation choroïdienne [NVC] et rétinoschisis [RS]). 910 images OCT-SS ont été incluses et analysées avec une validation croisée k-fold (k = 5) utilisant un modèle renommé de DL, Visual Geometry : sFM, 146 images ; FM, 531 images ; NVC, 122 images et RS, 111 images (n = 910). Les résultats des classifications d’images OCT avec ou sans lésions maculaires myopiques étaient les suivantes : aire sous la courbe, 0,970 ; sensibilité, 90,6%, spécificité, 94,2%. Les résultats des classifications des images avec forte myopie et avec lésions maculaires myopiques étaient : AUC, 1,000, sensibilité, 100,0%, spécificité, 100,0%. Le taux de réponse correcte dans la classification ternaire des images étaient : images FM, 96,5% ; images NVC, 77,9% et RS, 67,6% avec une moyenne de 88,9%. En utilisant les images OCT-SS, faciles à obtenir et non invasives, le modèle DL s’est révélé capable de classer les images OCT sans lésion myopique et les images avec lésions myopiques telles que NVC et RS avec une grande précision. Selon les auteurs, ces résultats suggèrent la possibilité de réaliser un dépistage fiable des maladies oculaires en utilisant l’intelligence artificielle en améliorant la prévention de la cécité et réduisant la charge des ophtalmologistes. (sk)

Auteurs : Takahiro Sogawa, Hitoshi Tabuchi, Daisuke Nagasato, Hiroki Masumoto, Yasushi Ikuno, Hideharu Ohsugi, Naofumi Ishitobi, Yoshinori Mitamura, Correspondance : Department of Ophthalmology, Tsukazaki Hospital, Himeji, Japan, d.nagasato@tsukazaki-eye.net, Etude : Accuracy of a deep convolutional neural network in the detection of myopic macular diseases using swept-source optical coherence tomography, Source : PLoS One. 2020 Apr 16;15(4):e0227240. doi:10.1371/journal.pone.0227240. eCollection 2020, Web : https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0227240

© 2019 -  mechentel medizin
Fachverlag und Nachrichtenagentur