Une équipe de chercheurs australo-brésiliens, dirigée par le Royal Melbourne Institute of Technology (RMIT), a mis au point un algorithme de traitement d’images capable de détecter automatiquement l’un des principaux signes de la rétinopathie diabétique avec un taux de précision de 98 %. Les résultats de son étude*, publiés dans l’édition de janvier 2019 de la revue Computers in Biology and Medicine, montrent que ce dépistage précoce pourrait éviter à des millions de personnes de perdre la vue.
Les réseaux de neurones pour une détection automatisée
La rétinopathie diabétique est la principale cause de perte de vision chez les adultes. En outre, le nombre de malades ne cesse d’augmenter : 191 millions de personnes devraient être touchées d’ici 2030. La principale difficulté avec cette pathologie est liée au fait qu’elle se développe à bas bruit, sans symptôme dans la phase précoce. Le diagnostic de la rétinopathie diabétique est ainsi très souvent posé lorsque les personnes commencent à perdre la vue.
Un diagnostic et un traitement précoces pourraient avoir un impact considérable sur la part de vision conservée par le patient. Cependant, seulement la moitié des personnes atteintes de diabète subissent des examens de la vue réguliers et un tiers n’a jamais été contrôlé. De plus, les méthodes de référence en matière de diagnostic de la rétinopathie diabétique sont invasives, souvent coûteuses et indisponibles dans les régions éloignées ou en développement.
En alternative à l’angiographie et à la tomographie par cohérence optique, il est possible d’utiliser une méthode moins coûteuse qui consiste à analyser des images de la rétine pouvant être prises avec un rétinographe mais le processus est manuel, prend beaucoup de temps et est moins fiable.
Repérer le liquide sur la rétine
Face à un tel constat, l’intelligence artificielle (IA) semble un recours possible. Une équipe de chercheurs australo-brésiliens dirigée par l’Université RMIT a mis au point un algorithme de traitement d’image capable de détecter automatiquement l’un des principaux signes de la maladie : la présence de fluide provenant de vaisseaux sanguins endommagés ou d’exsudats à l’intérieur de la rétine. Le suintement d’un exsudat au niveau de la rétine est en effet un signe précoce de la rétinopathie diabétique.
Les réseaux de neurones convolutifs (CNN) ont été utilisés pour la détection automatique de l’exsudat mais avec des performances médiocres.
L’équipe internationale a donc testé différentes techniques d’apprentissage en profondeur afin de maximiser la sensibilité et la spécificité. Les expériences ont été menées sur deux bases de données d’images de fond d’œil, accessibles au public.
Les résultats de leurs travaux ont été publiés dans l’édition de janvier de la revue Computers in Biology and Medicine.
Résultats : précis à 98 %
- Le réseau de neurones convolutifs ResNet-50 a été le plus performant.
- L’outil a détecté le liquide sur la rétine avec une précision de 98 % et une sensibilité de 99 %.
- Le système d’intelligence artificielle a également obtenu de meilleurs résultats comparés à ceux des méthodes traditionnelles rapportées dans la littérature.
Une IA peu gourmande en données
« Notre approche basée sur l’IA fournit des résultats aussi précis que les analyses cliniques mais repose sur des images rétiniennes pouvant être générées avec un équipement d’optométrie ordinaire, ont souligné les auteurs de l’étude. De plus, l’utilisation de Resnet-50 présente l’avantage de ne pas nécessiter un jeu de données d’entraînement volumineux.
Le fait de détecter cette maladie incurable plus rapidement et à moindre coût pourrait changer la vie de millions de personnes non diagnostiquées et qui risquent de perdre la vue. Ils espèrent donc que leur méthode sera utilisée pour le dépistage à grande échelle des populations à risque. « Pour chaque personne en Australie qui sait qu’elle est atteinte de diabète, une autre personne vit avec le diabète mais ne fait pas l’objet d’un diagnostic. Dans les pays en développement, le ratio est de un pour quatre non diagnostiqués. »
Les chercheurs ont entamé des discussions avec des fabricants d’appareils photo Fundus au sujet de collaborations éventuelles visant à faire progresser la technologie.