Disease Spectrum Analysis and AI-Assisted Screening of Fundus Disorders Using Portable Handheld Fundus Imaging in Health Examination Populations

Voir le monde clairement est une partie fondamentale de l'expérience humaine, pourtant, pour des milliards de personnes, cette clarté s'estompe en raison de maladies oculaires qui ne présentent souvent aucun signe avant-coureur avant qu'il ne soit trop tard. L'arrière de l'œil, appelé la rétine, est une couche délicate de tissu qui agit comme un capteur d'appareil photo, capturant la lumière qui nous permet de voir. Lorsque ce tissu est endommagé par des conditions telles que le diabète, l'hypertension artérielle ou le vieillissement, les dommages sont souvent permanents. Parce que ces problèmes commencent discrètement, les médecins s'appuient sur la prise de photos de la rétine pour les détecter tôt. Traditionnellement, ces photos sont prises avec de grosses machines coûteuses qui exigent qu'un patient reste immobile et regarde dans un dispositif fixe. Cependant, un nouveau type d'appareil photo est en train de changer la donne. Ce sont de petits appareils portatifs que l'on peut tenir d'une seule main, ce qui permet de prendre des photos de la rétine presque n'importe où, d'une clinique communautaire animée à une salle d'examen physique de routine. Le défi a été que ces caméras portables sont plus difficiles à utiliser parfaitement ; les images peuvent être floues ou mal éclairées, et il n'est pas clair si l'intelligence artificielle, le logiciel informatique conçu pour repérer les maladies, peut gérer ces images imparfaites aussi bien qu'elle gère les images parfaites prises dans des cliniques spécialisées.

Une équipe de chercheurs s'est donné pour mission de résoudre ce problème en testant si ces caméras portatives pouvaient être utilisées pour dépister de larges groupes de personnes en bonne santé pour une large gamme de maladies oculaires, et non pas seulement pour une condition spécifique. Ils ont travaillé avec une collection massive d'images prises sur cinq ans auprès de près de trente mille personnes qui ont visité un hôpital à Pékin pour des bilans de santé de routine. Au total, ils ont rassemblé plus de cinquante-huit mille photos de rétines. Comme les caméras étaient portatives et utilisées sur des personnes qui n'étaient pas des patients en attente d'un examen ophtalmologique, la qualité des photos variait énormément. Certaines étaient d'une clarté cristalline, tandis que d'autres étaient trop sombres, trop floues ou mal alignées pour être utiles. Les chercheurs ont d'abord construit un système informatique pour agir comme un gardien strict, triant les images en trois groupes : celles qui étaient parfaites, celles qui étaient assez bonnes pour être utilisées, et celles qui devaient être jetées. Cette étape était cruciale car elle garantissait que les modèles d'intelligence artificielle n'étaient entraînés que sur des images montrant réellement l'œil clairement. Après ce processus de nettoyage, il leur restait plus de trente-cinq mille images de haute qualité pour étudier la santé réelle de la population.

Ce que les chercheurs ont découvert est une image claire de la façon dont la santé oculaire change avec l'âge. Dans le groupe d'images qu'ils ont analysées, environ un tiers présentait des signes de troubles oculaires. Le problème le plus courant, de loin, concernait les changements liés à la myopie, qui affectait près de vingt pour cent des personnes. Cela est logique étant donné que l'étude comprenait de nombreux adultes jeunes et d'âge moyen. Cependant, le type de maladie trouvé dépendait fortement de l'âge. Les jeunes présentaient principalement des problèmes liés à la myopie, mais à mesure que le groupe vieillissait, les problèmes changeaient. Chez les personnes de plus de soixante ans, les découvertes les plus courantes étaient les maladies des vaisseaux sanguins de l'œil et la dégénérescence de la partie centrale de la rétine, qui sont des conditions typiquement associées au vieillissement et à la santé globale. Cette découverte est importante car elle suggère que les programmes de dépistage oculaire ne devraient pas être uniformes ; ce que les médecins doivent rechercher chez un trentenaire est différent de ce qu'ils doivent rechercher chez un septuagénaire.

Pour voir si les ordinateurs pouvaient aider les médecins à trouver ces problèmes plus rapidement, l'équipe a testé douze types différents de modèles d'intelligence artificielle. Ils ont demandé à ces modèles de faire deux choses : premièrement, décider si une photo montrait un œil sain ou un œil malade, et deuxièmement, identifier exactement quel type de maladie était présent si l'œil était malade. Les résultats ont été encourageants pour la première tâche. Les modèles informatiques étaient très bons pour détecter quand quelque chose n'allait pas, identifiant correctement les yeux anormaux dans plus de quatre-vingt-dix pour cent des cas. Cela signifie qu'une caméra portative combinée à ce type de logiciel pourrait signaler de manière fiable les personnes qui doivent consulter un spécialiste. Cependant, la seconde tâche était beaucoup plus difficile. Lorsque les modèles essayaient de nommer la maladie spécifique, leur précision chutait considérablement. Ils confondaient souvent différents types de problèmes vasculaires ou avaient du mal à distinguer différents types de dommages tissulaires. Cela suggère que, si les ordinateurs sont excellents pour agir comme un premier filtre pour détecter les problèmes potentiels, ils ne sont pas encore prêts à remplacer un médecin humain pour diagnostiquer la condition exacte à partir d'une photo prise avec un appareil portatif.

Les chercheurs ont également testé une nouvelle génération de modèles informatiques avancés qui avaient été entraînés sur des millions d'images oculaires standards et de haute qualité provenant de grandes cliniques. Ils espéraient que ces « modèles de fondation » seraient plus intelligents et plus aptes à gérer les images réelles et désordonnées des caméras portatives. Étonnamment, ces modèles avancés n'ont pas été plus performants que les modèles plus simples et plus légers. En fait, les modèles spécialisés avaient parfois plus de mal, probablement parce que les images des petites caméras portatives étaient trop différentes des images parfaites sur lesquelles ils avaient été entraînés. Les modèles plus simples, qui sont plus rapides et nécessitent moins de puissance de calcul, ont en fait fait le meilleur travail. Cette conclusion constitue un guide pratique pour l'avenir : pour un dépistage à grande échelle avec des dispositifs portatifs, nous n'avons pas besoin de l'intelligence artificielle la plus complexe et la plus lourde. Nous avons besoin d'outils suffisamment robustes pour gérer des images imparfaites et assez rapides pour traiter des milliers d'images par jour.

En fin de compte, cette étude prouve qu'il est possible d'utiliser de petites caméras portatives pour dépister de nombreuses personnes pour diverses maladies oculaires, à condition qu'un système soit en place pour vérifier la qualité des images. La recherche montre que les maladies oculaires suivent un schéma prévisible basé sur l'âge, la myopie dominant chez les jeunes et les maladies vasculaires prenant le relais chez les personnes âgées. Elle montre également que, si l'intelligence artificielle peut être un partenaire puissant pour repérer ces problèmes, la technologie n'est pas encore parfaite pour nommer chaque maladie spécifique. Ces travaux jettent les bases d'une nouvelle façon de protéger la vue, où les bilans de santé de routine pourraient inclure un regard rapide et indolore sur la rétine, détectant les problèmes tôt avant qu'ils ne mènent à la cécité. En combinant un dispositif portatif simple avec un logiciel intelligent et une compréhension claire de la façon dont les maladies oculaires évoluent tout au long d'une vie, nous pouvons tendre vers un avenir où la santé oculaire est surveillée aussi régulièrement que la tension artérielle ou le poids.