dépêche

 - 

Dépistage de la rétinopathie diabétique: des résultats mitigés avec un système basé sur l'intelligence artificielle

WASHINGTON, 1er octobre 2018 (APMnews) - L'utilisation d'un système basé sur l'intelligence artificielle pour dépister la rétinopathie diabétique en milieu clinique a montré un certain potentiel mais aussi certains obstacles, selon une étude publiée dans le JAMA Network Open vendredi.
L'utilisation d'un système basé sur l'intelligence artificielle (IA) qui permettrait de classer les fonds d'oeil afin de détecter une rétinopathie diabétique a suscité un grand engouement, mais un tel procédé n'a jamais été déployé ni évalué en pratique clinique, rappellent Yogesan Kanagasingam de l'Australian e-Health Research Centre de Perth et ses collègues.
Afin d'analyser la performance de cette méthode dans un cabinet de soins, les chercheurs ont fait évaluer 386 données d'imagerie de 193 patients par un système basé sur l'IA et par un ophtalmologiste.
Le système reposait sur une méthode de deep learning (apprentissage profond) basé sur un algorithme de réseau de neurones convolutifs, un réseau de neurones informatiques artificiels imitant l'architecture des neurones humains.
Au total, l'IA a identifié 17 patients supposés être atteints de rétinopathie diabétique suffisamment grave pour nécessiter l'avis d'un ophtalmologiste. "En réalité, deux de ces 17 patients présentaient réellement une pathologie alors que les 15 autres étaient de faux-positifs", indiquent les chercheurs.
La spécificité des résultats a été de 92% et la valeur prédictive positive (la probabilité de maladie en cas de résultat
positif d’un examen diagnostique) de 12%.
"La qualité inadéquate des fonds d'oeil (la saleté des lentilles par exemple) et des reflets brillants ont été à l'origine de nombreux résultats faux positifs", estiment les chercheurs.
"Ces résultats démontrent à la fois le potentiel et les obstacles de l'utilisation d'un système basé sur l'intelligence artificielle pour détecter la rétinopathie diabétique en pratique clinique. Les défis clés incluent le faible taux d'incidence de la maladie et le taux relativement élevé de faux-positifs aussi bien que la faible qualité de l'image", concluent-ils.
Ils estiment que le système basé sur l'IA a été efficace pour exclure la pathologie et que le taux élevé de faux-positifs était dû à une faible incidence de la maladie (1%), "ce qui est la norme dans un cabinet de soins primaires", précisent-ils.
Compte tenu de cette limite, ils estiment que les fonds d'oeil classés comme pathologiques par l'IA devraient être ré-analysés par un ophtalmologiste avant que le patient ne soit adressé à un spécialiste.
Malgré ces limites, les chercheurs considèrent qu'un système basé sur l'IA peut potentiellement permettre d'améliorer l'efficacité du dépistage de la rétinopathie diabétique dans le cadre d'un cabinet de soins primaires.
"La capacité de fournir en temps réel ce dépistage chez des médecins généralistes "de famille" présente beaucoup d'avantages pratiques comme la gestion complète d'une pathologie chronique au même endroit pour un patient diabétique. Davantage "entraînée" à distinguer les dépôts de matériel mou, les reflets brillants et les exsudats, l'intelligence artificielle peut améliorer la spécificité [des résultats]", commentent les chercheurs.
"L'évaluation des systèmes basés sur l'intelligence artificielle devrait être réalisée dans un cadre clinique de vie réelle avant d'être largement déployés", concluent-ils.
Dans un éditorial accompagnant l'article, Elaine Nsoesie de l'université de Washington à Seattle rappelle qu'en avril 2018 la Food and Drug Administration (FDA) a autorisé le premier dispositif basé sur l'IA à prendre une décision concernant le dépistage de cette maladie sans l'assistance d'un clinicien pour l'interprétation des résultats.
"Certaines lacunes peuvent ne pas être évidentes jusqu'à ce qu'un outil de diagnostic basé l'IA soit évalué en milieu clinique, car les séries de données utilisés pour l'entraîner ont été soigneusement sélectionnées pour éliminer les échantillons de données imparfaits", explique l'éditorialiste. "Par exemple, un système formé uniquement avec des images de haute qualité peut fournir un diagnostic incorrect lors de la classification d'images de mauvaise qualité ou d'images altérées par des reflets brillants ou d'autres défauts présents dans des environnements cliniques réels".
"Bien évidemment, évaluer un outil diagnostique basé sur l'IA en milieu clinique ne garantit pas que les résultats soient généralisables", poursuit-elle.
"Bien que les outils d'IA aient le potentiel d'améliorer le diagnostic et la prise en charge de la maladie, un déploiement prématuré pourrait entraîner une pression accrue sur le système de santé, un stress excessif pour les patients et éventuellement leur décès en raison d'un diagnostic erroné", conclut-elle.
(JAMA Network Open, publication en ligne du 28 septembre)
cab/fb/ab/APMnews

[CAB9PFRUUX]

Testez APM NEWS et profitez de l'intégralité de nos dépêches

30 à 50 dépêches par jour sur les sujets du domaine de la santé

50 000 utilisateurs en France

20 journalistes experts en France et 3 bureaux en Europe

A lire aussi