Virtual control arms for paediatric myopia trials: external validation of axial-elongation models

L'œil humain continue de croître tout au long de l'enfance, tout comme le reste du corps. Chez de nombreux enfants, cette croissance ne s'arrête pas quand elle le devrait, ce qui fait que l'œil devient trop long. Cette condition, connue sous le nom de myopie ou de presbytie, rend les objets lointains flous. Pendant des décennies, la manière standard de tester si un nouveau traitement pouvait ralentir cette croissance était de mener un essai clinique. Dans un tel essai, certains enfants recevaient le nouveau traitement tandis que d'autres recevaient une paire de lunettes standard sans caractéristiques spéciales, servant de groupe témoin pour montrer ce qui se passerait sans intervention. Cependant, à mesure que les traitements efficaces pour ralentir la croissance oculaire deviennent plus courants, il est devenu de plus en plus difficile et éthiquement discutable de demander aux familles de s'inscrire dans une étude où leurs enfants pourraient ne recevoir aucun traitement actif du tout. Les parents sont réticents à l'idée de laisser leurs enfants sans aide alors que de meilleures options existent, et les enfants dont la vue s'aggrave rapidement abandonnent souvent l'étude, faussant ainsi les résultats. Cela crée un dilemme pour les chercheurs : ils ont besoin de savoir ce qui se passe sans traitement pour prouver qu'un nouveau médicament ou une nouvelle lentille fonctionne, mais ils ne trouvent pas facilement d'enfants prêts à ne pas être traités.

Pour résoudre ce problème, les chercheurs se sont tournés vers les mathématiques. Au lieu de s'appuyer sur un groupe d'enfants non traités, ils peuvent utiliser des modèles informatiques pour prédire comment l'œil d'un enfant croîtrait s'il ne recevait aucun traitement. Ces modèles agissent comme un « bras de contrôle virtuel », fournissant une estimation statistique du chemin non traité en fonction de facteurs tels que l'âge de l'enfant, sa vision actuelle et son origine. Le défi, cependant, est de savoir si ces prédictions sont réellement précises. Si le modèle est erroné, l'ensemble de l'essai pourrait être trompeur. Une équipe de chercheurs s'est donné pour mission de tester cinq modèles publiés différents pour voir s'ils pouvaient prédire correctement la croissance oculaire de vrais enfants qui ne recevaient aucun traitement spécial. Ils ont rassemblé des données provenant de 242 enfants d'ascendance chinoise, vietnamienne et indienne qui portaient des lunettes standard. Les chercheurs ont mesuré la longueur des yeux de ces enfants au début de l'étude et à nouveau après environ six et douze mois. Ils ont ensuite comparé la croissance réelle de ces yeux réels par rapport à la croissance prédite par les cinq différents modèles mathématiques.

L'étude a révélé que les modèles les plus récents, qui prennent en compte l'origine ethnique spécifique de l'enfant, étaient remarquablement précis pour les enfants d'ascendance est-asiatique. Pour ces enfants, les modèles prédisaient la quantité moyenne de croissance oculaire sur six mois avec une marge d'erreur infime, ne différant de la mesure réelle que de moins de la largeur d'un cheveu humain. Cela suggère que pour ce groupe spécifique, un bras de contrôle virtuel pourrait remplacer de manière fiable un groupe d'enfants non traités dans un essai clinique. Cependant, les chercheurs ont également découvert une limite importante : les modèles ne sont pas parfaits pour prédire l'ampleur de la variation entre les enfants individuels. Bien que les modèles obtiennent le taux de croissance moyen, ils sous-estiment la plage de différences observées dans la vie réelle. Les modèles suggèrent que la plupart des enfants croîtraient à un rythme très similaire, mais en réalité, certains enfants croissent beaucoup plus vite ou beaucoup plus lentement que la moyenne. Cela signifie que les modèles sont d'excellents outils pour prédire ce qui arrive à un grand groupe d'enfants, mais ils ne peuvent pas prédire avec précision la croissance future d'un enfant spécifique.

La situation était plus complexe pour les enfants d'ascendance sud-asiatique, plus précisément ceux d'ascendance indienne. Aucun des modèles existants n'avait de catégorie spécifique pour ce groupe. Lorsque les chercheurs ont appliqué les modèles destinés aux enfants est-asiatiques ou européens aux enfants indiens de l'étude, les prédictions étaient erronées. Les yeux des enfants indiens ont grandi à un rythme qui se situait quelque part entre les taux prédits pour les deux autres groupes, plus proche du taux est-asiatique mais ne le correspondant pas exactement. Cela indique que, bien que les outils actuels soient utiles, ils sont incomplets. Ils fonctionnent bien pour les populations est-asiatiques mais laissent les enfants sud-asiatiques sans méthode de prédiction fiable. Les chercheurs ont conclu que pour que les modèles soient véritablement utiles pour tous, de nouvelles données spécifiques aux enfants sud-asiatiques doivent être collectées et ajoutées au système.

Une autre découverte clé est que le moment des mesures importe plus qu'on ne le pensait auparavant. Les modèles sont conçus pour prédire la croissance sur une période spécifique, telle qu'exactement six mois. Dans le monde réel, les rendez-vous de contrôle des enfants ne tombent presque jamais à la date exacte du calendrier. L'étude a montré que si les chercheurs supposaient simplement qu'une visite avait lieu à six mois alors qu'elle a eu lieu à six mois et demi, la prédiction serait légèrement fausse. En utilisant le nombre exact de jours écoulés entre les visites, les chercheurs ont pu rendre leurs comparaisons beaucoup plus précises. Cette attention aux détails est cruciale car la différence entre un traitement réussi et un échec peut être très petite, souvent d'une fraction de millimètre seulement dans la longueur de l'œil.

Les chercheurs ont également développé un outil logiciel gratuit et open-source qui regroupe tous ces différents modèles en un seul endroit. Cet outil permet à d'autres scientifiques d'effectuer les mêmes calculs sur leurs propres données sans avoir besoin d'écrire un code complexe ou de partager des informations sensibles sur les patients avec un serveur central. Le logiciel s'exécute entièrement sur l'ordinateur de l'utilisateur, garantissant la confidentialité. Il ne prétend pas prédire l'avenir de l'œil d'un enfant individuel avec certitude. Au lieu de cela, il fournit une estimation scientifiquement défendable de ce à quoi ressembleraient un groupe d'enfants non traités, ce qui peut servir de point de référence pour de nouveaux traitements. L'étude confirme que pour les enfants est-asiatiques, ces contrôles virtuels constituent une alternative viable aux groupes non traités traditionnels, ce qui pourrait faciliter la conduite des essais cliniques et les rendre plus éthiques. Pour d'autres groupes, particulièrement les enfants sud-asiatiques, ce travail met en évidence une lacune dans les connaissances actuelles qui doit être comblée. L'objectif ultime est de faire de l'utilisation de groupes témoins non traités l'exception plutôt que la règle, en s'appuyant plutôt sur des modèles mathématiques validés et transparents pour protéger le bien-être des jeunes patients tout en faisant progresser les soins oculaires.