Objectif
Un tiers des diabétiques développent une rétinopathie diabétique (RD), complication menaçant la vision. Face à sa forte prévalence, un dépistage efficace est crucial. L’évaluation médicale entraîne diverses contraintes. L’intelligence artificielle (IA), via l’analyse automatisée d’images rétiniennes, offrirait une solution optimale. Nous l’avons évaluée dans un hôpital universitaire à Bruxelles et étudié les facteurs de risque associés.
Méthodes
Le logiciel MONA.health, entraîné sur des bases de données multicentriques (États-Unis, France), a analysé des images rétiniennes sans dilatation pupillaire. Une RD référable est définie comme une rétinopathie non proliférante modérée ou plus sévère, ou des images non évaluables. Les images ont été analysées par l’IA et un évaluateur humain. Les performances ont été mesurées par la sensibilité, spécificité, aire sous la courbe et valeurs prédictives positives et négatives. Une analyse multivariée a identifié les facteurs de risque associés à la RD.
Résultats
Sur 405 patients, 54 cas (15,3 %) de RD référable ont été identifiés par l’humain et 59 (15,8 %) par l’IA. Les performances de l’IA étaient élevées : aire sous la courbe 96,5 %, sensibilité 88,9 %, spécificité 98,7 %, sans différence selon l’ethnie. Une HbA1c élevée et une durée prolongée du diabète étaient associées à la RD.
Au total, 83 patients (23.5 %) ont été référés par l’humain pour des anomalies oculaires non liées à la RD dont 13 référés par l’IA pour une RD.
Discussion
L’IA a montré une excellente performance en conditions réelles, malgré les différences ethniques, soutenant son intégration dans le dépistage de la RD. Une formation adaptée et une évaluation économique restent nécessaires.
扫码关注我们
求助内容:
应助结果提醒方式:
