Un système d’intelligence artificielle basé sur du deep learning a permis de dépister des cas de rétinopathie diabétique avec des taux de spécificité et de sensibilité de l’ordre de 90%. Les résultats de l’étude* publiée le 12 décembre 2017 dans le Jama montre que des systèmes d’intelligence artificielle pourraient combler les manques de professionnels formés à cet acte technique.
Le deep learning pour suppléer le manque de professionnels
En 2040, 600 millions de personnes dans le monde souffriront de diabète. Et un tiers d’entre elles risquent de développer une rétinopathie diabétique. Dépister cette pathologie avant que la cécité ne s’installe représente donc un enjeu majeur de santé publique. Mais le manque de professionnels formés et le coût de tels programmes de dépistage constituent des obstacles importants.
Un dépistage automatisé de la rétinopathie
Des chercheurs issus de différents pays (Singapour, Mexique, Hong Kong, USA, Allemagne, Chine) ont donc mené une étude afin d’évaluer la performance d’un système de deep learning pour dépister la rétinopathie diabétique, mais aussi le glaucome et la DMLA. Pour tester les algorithmes, près de 500 000 images rétiniennes ont été analysées. Dans cette phase de validation, deux professionnels avec plus de 5 ans d’expérience ont analysé eux-mêmes les images pour repérer les discordances. Il aura fallu plus d’un an et demi pour rassembler toutes les images et valider le système de deep learning. Les résultats de ces travaux ont été publiés le 12 décembre 2017 dans le Jama.
Résultats
Sur l’ensemble des images, l’intelligence artificielle a identifié près de 7% de cas de rétinopathie diabétique (allant du stade modéré au stade sévère menaçant la vision).
Pour les cas les plus modérés :
- Le taux de sensibilité (avoir le moins de faux négatifs possibles) était de 90%
- Le taux de spécificité (avoir le moins de faux positifs possibles) était de 91,6%
Pour les cas les plus sévères :
- Le taux de sensibilité était de 100%
- Le taux de spécificité était de 91,1%
Pour le glaucome :
- Le taux de sensibilité était de 96,4%
- Le taux de spécificité était de 87,2%
Pour la DMLA :
- Le taux de sensibilité était de 93,2%
- Le taux de spécificité était de 88,7%
A titre de comparaison, les recommandations concernant le dépistage de la rétinopathie diabétique fixaient la sensibilité minimale à 60% en Australie, à 80% au Royaume-Uni, et à 90% à Singapour.
Une machine très sensible
Dans l’étude, les performances de l’intelligence artificielle sont donc légèrement supérieures à celles des professionnels, concernant la sensibilité. Et c’est notamment le cas dans la rétinopathie sévère :
- 100% de sensibilité pour l’IA contre 88,5% pour les professionnels de santé
- 91,1% de spécificité pour l’IA contre 99,6% pour les professionnels de santé
En revanche, pour la DMLA, le système de deep learning se montre moins performant :
- 92,1% pour l’IA contre 98,2% pour les médecins
Enfin, quand le système de dépistage est totalement automatisé, les taux de sensibilité et de spécificité passent respectivement à 93% et 77,5%.
Les auteurs de l’étude estiment donc que les performances du système de deep learning sont acceptables et comparables au système de dépistage traditionnel. « Le dépistage totalement automatisé pourrait se révéler très utile dans des communautés où aucun programme de dépistage n’est en place », concluent-ils.