Low-Cost Early Prediction of Retinopathy of Prematurity Using Arterial Blood Gas Analysis: A Retrospective Cohort Study

Pour les bébés nés prématurément, le monde arrive trop tôt, et leurs corps apprennent encore à fonctionner à l'extérieur de l'utérus. Parmi les nombreux défis auxquels ces nourrissons fragiles sont confrontés, l'un des plus menaçants est une affection appelée rétinopathie de la prématurité. Il s'agit d'une maladie où les vaisseaux sanguins à l'arrière de l'œil, la rétine, ne se développent pas correctement. Au lieu de former un réseau sain, ils peuvent cesser de croître ou croître de manière chaotique et désorganisée, ce qui peut éventuellement conduire à la cécité. Comme l'œil est encore en développement, le moment du traitement est critique ; les médecins doivent identifier le problème assez tôt pour intervenir avant que des dommages permanents ne surviennent. Actuellement, la méthode standard pour le dépistage consiste à utiliser une caméra et à regarder directement à l'intérieur de l'œil du bébé. Bien qu'efficace, ce processus nécessite un équipement coûteux et des spécialistes hautement qualifiés, et cela signifie souvent que l'on examine de nombreux bébés sains pour trouver les rares qui sont réellement à risque.

Les chercheurs savent depuis longtemps que les principaux risques de cette maladie oculaire sont d'être né très tôt et d'avoir un poids de naissance très bas. Ils savent également que la quantité d'oxygène qu'un bébé reçoit joue un rôle majeur, car trop ou trop peu d'oxygène peut nuire aux vaisseaux en développement. Cependant, une nouvelle étude suggère que les médecins pourraient être capables de prédire quels bébés sont en danger beaucoup plus tôt et plus simplement, en utilisant des données qu'ils collectent déjà quotidiennement. En examinant les résultats des tests sanguins de routine qui mesurent la capacité d'un bébé à respirer et la manière dont son sang transporte l'oxygène, une équipe de scientifiques a construit un modèle informatique capable de signaler les nourrissons à haut risque sans avoir besoin de regarder à l'intérieur de leurs yeux d'abord. Cette approche pourrait aider les hôpitaux, en particulier ceux qui disposent de moins de ressources, à décider quels bébés nécessitent l'attention la plus urgente.

L'étude, menée par une équipe de médecins et de chercheurs en Chine, s'est concentrée sur plus de 500 nourrissons prématurés nés entre 2022 et 2025. Ces bébés ont été traités dans des unités de soins intensifs néonatals de trois hôpitaux différents. Dans ces unités, les médecins effectuent de routine de petits prélèvements de sang sur les bébés pour vérifier leurs niveaux de gaz du sang artériel. Ce test indique la quantité d'oxygène et de dioxyde de carbone présente dans le sang, si le sang est acide ou basique, et la manière dont le corps utilise l'oxygène. Les chercheurs ont rassemblé toutes ces données, ainsi que le poids de naissance des bébés et le nombre de semaines qu'ils ont passées dans l'utérus avant de naître. Ils ont ensuite utilisé un type d'apprentissage informatique, où un programme étudie les modèles dans les données pour faire des prédictions, pour voir si ces résultats de tests sanguins pouvaient indiquer quels bébés développeraient la maladie oculaire.

L'équipe a testé dix algorithmes informatiques différents pour voir lequel fonctionnait le mieux pour détecter le risque. Ils ont constaté que le modèle le plus performant reposait sur une liste spécifique et gérable de dix informations clés. Celles-ci comprenaient l'âge gestationnel et le poids de naissance du bébé, ainsi que neuf chiffres spécifiques provenant des tests de gaz du sang effectués durant les six premières semaines de vie. Ces chiffres couvraient des éléments tels que la pression du dioxyde de carbone dans le sang, les niveaux de différents types d'hémoglobine (la protéine du sang qui transporte l'oxygène) et des marqueurs de la manière dont le corps gérait l'énergie et le stress. Lorsque l'ordinateur a été entraîné sur cet ensemble spécifique de dix faits, il est devenu remarquablement efficace pour prédire l'issue. Dans le groupe initial de bébés, le modèle a atteint une AUC de 0,95. Il a également atteint une AUC de 0,91 pour identifier les bébés sains comme étant à faible risque, ce qui signifie qu'il n'a presque jamais manqué un cas nécessitant une attention.

Pour s'assurer que ce résultat n'était pas seulement un coup de chance avec un groupe de patients, les chercheurs ont testé leur modèle sur deux autres groupes de bébés provenant d'hôpitaux différents. Le modèle a bien résisté dans ces nouveaux contextes. Dans un groupe, il a obtenu une AUC de 0,83, et dans l'autre, une AUC de 0,91. L'étude a montré qu'ajouter de plus en plus de variables au modèle informatique ne l'améliorait pas ; en fait, le modèle plus simple avec seulement les dix faits les plus importants était le plus performant. Cela suggère que les tests sanguins de routine déjà effectués dans les hôpitaux contiennent un signal caché concernant la santé des yeux du bébé qui a été négligé. Les chercheurs ont noté que le modèle était particulièrement bon pour écarter les bébés qui étaient en sécurité, ce qui est une caractéristique cruciale pour un outil de dépistage. Si un bébé est signalé comme étant à faible risque par ce modèle, les médecins peuvent être certains que le bébé est peu susceptible de développer la forme grave de la maladie.

L'étude a également précisé ce que cet outil est et ce qu'il n'est pas. Les chercheurs soulignent qu'il s'agit d'un système de prédiction de risque, et non d'un remplacement de l'examen oculaire réel. Un bébé signalé comme étant à haut risque par le modèle ne recevrait pas automatiquement un traitement ; au contraire, le résultat indiquerait aux médecins d'examiner les yeux de ce bébé plus tôt et plus fréquemment. Cela pourrait faire une différence vitale pour les hôpitaux qui ne disposent pas d'un spécialiste en ophtalmologie disponible chaque jour. En utilisant les données de gaz du sang qui sont déjà disponibles, ces hôpitaux pourraient prioriser leurs ressources de dépistage limitées pour les nourrissons qui en ont le plus besoin. Le modèle fonctionne également pour les bébés nés à un stade légèrement plus avancé que beaucoup d'autres outils existants, qui ne s'appliquent souvent qu'aux bébés les plus minuscules et les plus prématurés. Cela signifie que l'approche pourrait aider une plus large gamme de bébés, y compris ceux qui sont nés un peu plus matures mais qui sont tout de même à risque.

Les conclusions pointent vers un lien plus profond entre la manière dont le corps d'un bébé gère l'oxygène et le développement de ses yeux. Les tests sanguins ont révélé que les bébés qui ont développé la maladie oculaire présentaient des différences subtiles dans la manière dont leur sang transportait l'oxygène et dans la façon dont leurs corps réagissaient au stress. Par exemple, les niveaux de certains types d'hémoglobine et l'équilibre des acides dans le sang étaient différents dans le groupe à risque. Ces différences suggèrent que la lutte du corps pour gérer l'oxygène et l'énergie au cours des premières semaines de vie est liée aux problèmes qui apparaissent plus tard dans la rétine. En capturant ces modèles, le modèle informatique traduit des signaux biologiques complexes en un score de risque simple.

Bien que les résultats soient prometteurs, les chercheurs précisent avec prudence qu'il s'agit d'une étude rétrospective, ce qui signifie qu'ils ont examiné des données qui avaient déjà été collectées. La prochaine étape, qu'ils prévoient déjà, est de tester ce modèle en temps réel pendant que les bébés sont traités. Ils ont l'intention de mettre cet outil à la disposition d'autres médecins et chercheurs afin qu'il puisse être validé dans différentes parties du monde. Si les tests futurs confirment ces résultats, cette méthode à faible coût pourrait devenir un standard de soin pour les nourrissons prématurés, aidant à prévenir la cécité en garantissant que les bons bébés reçoivent les bons examens oculaires au bon moment. Ce travail démontre que, parfois, les outils les plus puissants pour sauver la vue ne sont pas de nouvelles machines, mais une manière plus intelligente d'utiliser les données que nous possédons déjà.