Développement d'un système d'apprentissage profond pour l'identification des pathologies neuro-ophtalmologiques sur des rétinophotographies couleur aux urgences

Ces dernières années, l'intelligence artificielle (IA) s'est largement intégrée au domaine médical, contribuant notamment à améliorer le diagnostic des patients. L'étude BONSAI, Brain and Optic Nerve Study with AI (Étude du cerveau et du nerf optique par IA), à laquelle notre équipe participe, a démontré avec succès la capacité de l'IA à identifier individuellement des pathologies neuro-ophtalmologiques ou neurologiques touchant les nerfs optiques et/ou le cerveau, à partir d'une simple image du fond d'œil.

Bien qu'il s'agisse d'une avancée prometteuse, celle-ci reste limitée dans la pratique clinique actuelle. Notre défi majeur est de pouvoir identifier simultanément, au cours de la même analyse, un éventail plus large de pathologies du nerf optique et/ou du cerveau, afin d'améliorer la prise en charge des patients, en particulier ceux adressés aux services d'urgences. En effet, en l'absence de diagnostic précis, des complications peuvent survenir, irréversibles et mettant en jeu le pronostic vital.

Parmi les signes cliniques les plus alarmants aux urgences figure l'œdème papillaire de stase qui, associé à des céphalées aiguës, peut évoquer une hypertension intracrânienne, une pathologie inflammatoire ou ischémique. Cette dernière peut constituer une manifestation de la maladie de Horton.

Notre équipe a développé un algorithme d'IA permettant de diagnostiquer les anomalies rétiniennes et du nerf optique à partir de rétinophotographies réalisées dans des conditions idéales lors de consultations programmées, et non à partir d'images de patients se présentant aux urgences.

Dans les établissements ne disposant pas de service d'urgences ophtalmologiques, il est essentiel que les médecins urgentistes (urgentistes, médecins généralistes, neurologues) soient en mesure d'évaluer le fond d'œil en l'absence de spécialiste en ophtalmologie. Cette évaluation, bien que faisant partie de l'examen général, représente souvent une difficulté pour les non-ophtalmologistes. L'objectif de notre étude est d'améliorer la performance de notre algorithme d'IA afin qu'il puisse discriminer différentes pathologies rétiniennes et du nerf optique aux urgences. Nous prévoyons ainsi de constituer une base de données de rétinophotographies en incluant de façon prospective des patients se présentant aux urgences ophtalmologiques et neurologiques de l'hôpital Fondation Adolphe de Rothschild. La performance de l'algorithme développé sera évaluée selon les critères standards de sensibilité, de spécificité, d'aire sous la courbe (ASC) et d'exactitude.