Nouvel outil d’IA peut diagnostiquer avec précision les conditions oculaires, pourrait aider à détecter la maladie de Parkinson
Nouvel outil d'IA pour diagnostiquer les conditions oculaires et détecter la maladie de Parkinson.
Partager sur Pinterest- Des chercheurs au Royaume-Uni ont mis au point un programme innovant d’intelligence artificielle (IA) qui utilise des images rétiniennes pour détecter les signes de troubles oculaires, cardiaques et neurologiques.
- RETFound, l’un des premiers modèles fondamentaux d’IA en matière de santé et le premier en ophtalmologie, a utilisé des millions de scans oculaires pour aider à détecter et traiter la cécité.
- Dans plusieurs tests, RETFound a surpassé les systèmes d’IA existants et les experts cliniques dans l’exécution de différentes fonctions de diagnostic complexes avec moins de données étiquetées.
- RETFound prend également en compte les populations diverses et les maladies rares, que de nombreux scans traditionnels et les systèmes d’IA actuels manquent souvent.
- De plus, cette “technologie transformative” réduit considérablement la charge de travail des experts humains dans l’analyse et l’étiquetage des images rétiniennes.
Les experts de l’hôpital Moorfields Eye et de l’Institut d’ophtalmologie de l’University College de Londres (UCL) en Angleterre ont récemment développé un système d’IA capable de détecter les troubles de la vision de manière plus précise et plus efficace que les méthodes actuelles.
Cette nouvelle technologie pourrait également aider à accélérer les diagnostics des problèmes de santé systémiques tels que les AVC, les crises cardiaques et la maladie de Parkinson.
Les scientifiques ont réalisé une étude sur RETFound, leur modèle fondamental mondial, qui utilisait des millions de scans oculaires provenant du service national de santé (NHS) du Royaume-Uni. Leur initiative open-source pourrait servir de modèle pour aider à détecter et traiter la cécité avec l’IA.
Cette nouvelle avancée prometteuse arrive à temps pour la Journée mondiale de la rétine le 27 septembre, la Journée mondiale de la vue en octobre et le Mois de sensibilisation à la maladie oculaire diabétique en novembre.
Le professeur Pearse Keane, auteur principal de l’étude de l’Institut d’ophtalmologie de l’UCL, a déclaré dans un communiqué de presse :
- Pourquoi les femmes qui souffrent de migraines ont un risque plus é...
- En Mississippi, une forte augmentation des cas de bébés nés avec la...
- Supprimer les pensées négatives peut parfois être bénéfique, affirm...
“C’est un autre grand pas vers l’utilisation de l’IA pour réinventer l’examen de la vue pour le 21e siècle, tant au Royaume-Uni qu’à l’échelle mondiale. Nous montrons plusieurs conditions exemplaires où RETFound peut être utilisé, mais il a le potentiel d’être développé davantage pour des centaines d’autres maladies oculaires menaçant la vue que nous n’avons pas encore explorées.”
L’étude est publiée dans la revue Nature.
Formé sur une “technologie transformative”
Un rapport des Chambres de commerce britanniques a récemment qualifié les modèles fondamentaux d’IA de “technologie transformative” en raison de leur utilisation de quantités massives de données.
Le lancement de ChatGPT en novembre 2022 a mis en évidence le potentiel des modèles d’IA pour développer des outils linguistiques adaptables.
RETFound a adopté une approche similaire avec les images rétiniennes, en s’entraînant sur des millions de scans. Cela a permis de construire un modèle polyvalent aux utilisations pratiquement illimitées.
Un modèle d’IA plus efficace ?
Les modèles d’IA ont largement dépendu de l’expertise et des efforts humains. Medical News Today a abordé le défi avec le développeur technologique Dr Steve Frank, fondateur de Med*A-Eye Technologies. Il n’a pas participé à cette recherche.
Le Dr Frank a expliqué à MNT : “L’IA a besoin de données et apprendre à un système d’IA à effectuer des tâches nécessite généralement de vastes quantités de données d’entraînement. De plus, l’entraînement nécessite généralement que les données soient étiquetées de quelque manière que ce soit, ce qui signifie que vous apprenez au système à distinguer une chose d’une autre sur la base d’exemples que vous lui dites être une chose ou une autre. C’est l’apprentissage “supervisé” traditionnel.”
De plus, selon le Dr Frank, les experts peuvent être en désaccord sur une donnée, ce qui nécessite des examens par un comité d’experts chronophages.
D’après les chercheurs britanniques, RETFound peut atteindre les performances d’autres programmes d’IA en n’utilisant que 10 % des étiquettes humaines de son ensemble de données.
RETFound a atteint cette efficacité supérieure grâce à son approche d’auto-apprentissage consistant à masquer certaines parties d’une image et à apprendre à prédire les parties manquantes par lui-même.
“L’apprentissage auto-supervisé (SSL), qui est à la base de RETFound, se passe totalement d’étiquetage. Avec suffisamment de données d’entraînement, un modèle d’IA correctement structuré peut apprendre suffisamment sur les données d’entraînement à partir des données elles-mêmes pour faire des prédictions significatives… Cette approche est particulièrement précieuse pour l’IA en santé car le coût de l’étiquetage est si élevé – les médecins sont déjà occupés à sauver des vies et leur temps est précieux.” – Dr Steve Frank
Potentiel diagnostique de l’oculomique
Une revue de 2023 dans le Journal of Clinical Medicine qualifie la rétine de “fenêtre sur le corps”. L’étude de l’oculomique utilise l’apprentissage profond pour explorer les corrélations entre les caractéristiques de l’image rétinienne et les maladies.
Les auteurs de l’étude actuelle estiment que RETFound pourrait aider à améliorer le diagnostic des maladies oculaires menaçant la vue, telles que la rétinopathie diabétique et le glaucome.
Le programme pourrait également prédire des troubles systémiques tels que l’insuffisance cardiaque, l’accident vasculaire cérébral et la maladie de Parkinson.
De plus, cette technologie d’intelligence artificielle facilite une vision non invasive du système nerveux.
MNT a discuté de cette étude avec le Dr Brigham Hyde, co-fondateur d’Atropos Health, qui n’a pas participé à cette recherche. Nous lui avons demandé comment l’intelligence artificielle et les techniques d’apprentissage profond peuvent aider à détecter les maladies.
“Premièrement, les techniques d’imagerie aidées par l’intelligence artificielle peuvent souvent détecter des maladies qu’un humain pourrait manquer. Deuxièmement, l’intelligence artificielle et les techniques d’apprentissage profond appliquées à des combinaisons de données numériques, médicales et expérientielles peuvent révéler des biomarqueurs numériques de maladies conduisant à un diagnostic plus précoce”, a-t-il répondu.
“Enfin”, a-t-il ajouté, “les algorithmes de score de risque déployés au cabinet du médecin peuvent mettre en évidence et orienter les équipes de soins vers les patients présentant des facteurs de risque clés plus tôt.”
L’outil d’intelligence artificielle a démontré de bonnes performances et une grande efficacité
L’étude présente a utilisé et évalué RETFound, un nouveau modèle de base basé sur SSL pour les images rétiniennes. Les auteurs ont décrit un modèle de base comme étant “formé sur une grande quantité de données non étiquetées”.
Dans ce cas, le Prof. Keane et ses collaborateurs ont entraîné le système d’intelligence artificielle avec un ensemble de données de 1,6 million d’images provenant de l’hôpital Moorfields Eye.
“Nous adaptons RETFound à une série de tâches de détection et de prédiction complexes en affinant RETFound avec des étiquettes de tâche spécifiques, puis nous validons ses performances”, indique leur article.
L’équipe a pris en compte des maladies oculaires telles que la rétinopathie diabétique et le glaucome, ainsi que le pronostic des maladies oculaires, sur une période d’un an.
Ensuite, ils ont étudié une prédiction de 3 ans des maladies cardiaques telles que l’accident vasculaire cérébral, l’insuffisance cardiaque, l’infarctus du myocarde et la maladie de Parkinson.
Comparé aux modèles pré-entraînés sur SL-ImageNet, SSL-ImageNet et SSL-Retinal, RETFound a démontré une “performance et une efficacité étiquetée systématiquement supérieures”.
Le Dr Frank a déclaré : “Les résultats de RETFound sont particulièrement impressionnants par le nombre de tâches que leur système peut accomplir. Les précisions que les chercheurs atteignent ne sont pas suffisantes pour une utilisation clinique, mais les systèmes plus conventionnels auxquels ils les comparent sont généralement moins bons.”
Le modèle prend en compte la diversité de la population
Les experts de l’UCL-Moorfields ont déclaré que RETFound a montré une efficacité équivalente pour détecter les maladies dans divers groupes ethniques.
Yukun Zhou, chercheur en doctorat et premier auteur de l’étude, a mentionné dans un communiqué de presse : “En formant RETFound avec des ensembles de données représentant la diversité ethnique de Londres, nous avons développé une base précieuse pour que les chercheurs du monde entier construisent leurs systèmes dans des applications de santé telles que le diagnostic des maladies oculaires et la prédiction des maladies systémiques.”
Le Dr Tyler Wagner, vice-président de la recherche biomédicale chez Anumana, qui n’a pas participé à la recherche, a déclaré ceci à propos de l’étude : “Bien que RETFound se comporte mieux que les autres modèles comparés dans le manuscrit lors de l’évaluation externe sur un ensemble de patients de différentes caractéristiques démographiques, les auteurs signalent la diminution des performances, soulignant l’importance de la diversité des patients dans le développement du modèle.”
Les auteurs de l’étude espèrent que leurs découvertes encourageront d’autres études, en écrivant : “Enfin, nous rendons RETFound accessible au public afin que d’autres puissent l’utiliser comme base pour leurs propres tâches ultérieures, facilitant ainsi la recherche oculaire et oculomique diversifiée.”
