L’intelligence artificielle favorise la détection précoce et la gestion de la myopie

L’intelligence artificielle favorise la détection précoce et la gestion de la myopie

La prévalence croissante de la myopie constitue un problème de santé mondial, une myopie élevée augmentant le risque de lésions visuelles. Cela nécessite l’utilisation de l’intelligence artificielle (IA) pour le diagnostic précoce, la prévention et le traitement de la myopie. Eh bien, unExamen pédiatriqueLa revue met en évidence les applications potentielles de l’IA dans l’identification précoce, l’évaluation des risques et la prévention de la myopie. Il montre en outre les défis et l’état actuel du développement de la technologie de l’IA dans le domaine de la myopie.

La myopie ou myopie touche deux milliards de personnes dans le monde. Une myopie non corrigée peut affecter la vision, perturber l'éducation, les perspectives de carrière et la qualité de vie. D’ici 2050, on estime que près de la moitié de la population mondiale deviendra myope. Une myopie élevée est souvent associée à des complications pouvant entraîner une déficience visuelle, affectant la qualité de vie des patients et augmentant le fardeau médical et économique mondial. Par conséquent, un diagnostic précoce de la myopie est important pour prévenir la déficience visuelle chez les patients myopes.

L’intelligence artificielle (IA) a ouvert de nouvelles frontières dans le domaine médical et peut constituer une solution pour cette entreprise mondiale de soins de santé. Les sous-groupes de l'IA, tels que les technologies avancées, telles que l'apprentissage automatique (ML) et l'apprentissage profond (DL), peuvent aider à analyser les données pour diagnostiquer les maladies et prédire les facteurs de risque, les biomarqueurs et les résultats.

Dans une nouvelle revue de la littérature, le Dr Li Li, le Dr Jifeng Yu et le Dr Nan Liu, tous du Département d'ophtalmologie de la Capital Medical University, Chine, ont résumé les applications et les défis de l'IA dans le traitement de la myopie, y compris la détection, l'évaluation des facteurs de risque et les modèles de prédiction. Cette étude a été publiée dans le Journal ofExamen pédiatriquele 18 mars 2025.

Il est intéressant de noter que les modèles d’IA peuvent être entraînés avec ML/DL pour détecter la myopie à partir de photos du fond d’œil et d’images de tomographie par cohérence optique. En alimentant un modèle avec un large ensemble d’images de fond d’œil provenant de patients myopes, l’IA peut apprendre à détecter de minuscules changements de couleur et de motifs dans la rétine associés à la myopie. Cela permet au modèle de diagnostiquer les futurs patients à partir de leurs photos du fond d’œil.

De plus, des appareils d’autosurveillance tels que SVOne, un appareil portable qui utilise un capteur de front d’onde pour mesurer les défauts oculaires, peuvent détecter les défauts de réfraction des yeux à l’aide d’algorithmes d’IA. L'appareil peut accéder à une base de données en ligne d'images que l'IA peut utiliser comme références pour diagnostiquer la myopie. De plus, l’IA peut être entraînée à détecter les changements de comportement associés à l’apparition de la myopie. Une telle détection est particulièrement utile pour la détection précoce de la myopie chez les enfants, qui est souvent ignorée autrement. Par exemple, Vivior Monitor utilise des algorithmes ML pour détecter les changements de comportement visuel, tels que :

De plus, les méthodes ML telles que la machine vectorielle, la régression logistique et Xgboost peuvent être utilisées pour identifier les facteurs de risque de myopie.« Un modèle basé sur XGBOOST peut obtenir de grandes quantités de données longitudinales, ce qui lui permet d'apprendre les résultats et les facteurs de risque associés à la myopie chez de nombreux patients. Ceci, à son tour, permet au modèle d'évaluer les facteurs de risque de nouveaux patients en fonction de leur génétique, de leurs antécédents familiaux, de leur environnement et de leurs paramètres physiologiques.Explique le Dr Li Li.

Prédire la progression et l’issue de la myopie peut aider les médecins à adapter leur approche clinique. À grande échelle, elle peut façonner la pratique clinique et l’élaboration de politiques contribuant à contrôler la myopie. En alimentant un modèle d’IA de grandes quantités de données biométriques, de données de réfraction, de réponses au traitement et d’images oculaires de nombreux patients myopes, l’IA peut apprendre à prédire les résultats de la myopie chez de nouveaux patients.

Malgré le grand potentiel de l’IA dans le traitement de la myopie, plusieurs défis doivent être surmontés. Premièrement, il est important de garantir que l’ensemble de données utilisé pour entraîner un modèle d’IA est précis et de haute qualité. Les biais, les faux négatifs/positifs et la mauvaise qualité des données peuvent avoir un impact négatif sur la précision diagnostique et prédictive du modèle. Deuxièmement, la plupart des modèles d’IA sont formés à l’aide de données provenant de grands hôpitaux, qui peuvent ne pas être représentatives des patients fréquentant des cliniques plus petites. Cela crée un écart entre les populations réelles et celles en formation. Troisièmement, un modèle d’IA n’est pas un médecin qualifié et peut ne pas fournir de base clinique pour son diagnostic, ce qui peut entraîner le rejet du diagnostic par les professionnels de la santé. Enfin, avec d’aussi grandes quantités de données sur les patients, il est important que les modèles d’IA garantissent la confidentialité des dossiers médicaux des patients.

« Bien que notre étude mette en lumière les plus notablesLes progrès dans l’application clinique de l’IA dans le traitement de la myopie nécessitent des études plus approfondies pour surmonter les défis technologiques. DepuisEn créant des ensembles de données de haute qualité, en améliorant la capacité du modèle à traiter les données d'images multimodales et en améliorant la capacité d'interaction des ordinateurs humains, les modèles d'IA peuvent être encore améliorés pour une utilisation clinique généralisée.« Conclut le Dr Jifeng Yu.

Sources :