Évaluation des performances de la notation assistée par intelligence artificielle de la rétinopathie diabétique à l'hôpital universitaire de Louvain : la technologie peut-elle améliorer le résident ? (PEARL)

Le diabète sucré est l'un des défis sanitaires majeurs de notre époque. On estime que 642 millions de personnes seront diagnostiquées avec cette maladie dans le monde d'ici 2040. Le diabète est une maladie affectant tout le corps et s'accompagne de nombreuses complications possibles en raison de son effet sur la microvasculature. La plus répandue de ces complications est la rétinopathie diabétique qui est causée à la fois par des lésions microvasculaires et neurales.

Selon des études menées aux États-Unis par le groupe Eye Diseases Prevalence Research, environ 40 % des patients présentent un certain degré de rétinopathie. 8% des patients ont même une rétinopathie diabétique menaçant la vision.

La rétinopathie diabétique est l'une des principales causes de cécité dans notre société actuelle. Cependant, un dépistage annuel et une orientation rapide vers un traitement peuvent empêcher que cela ne se produise. La meilleure illustration est le fait que depuis la mise en place d'un programme de dépistage à l'échelle nationale, le diabète sucré n'est plus la principale cause de cécité au Royaume-Uni.

Par conséquent, de nombreux pays ont organisé une sorte de programme de dépistage. Cependant, il existe de grandes différences d'organisation entre les pays. Cela peut aller d'une fundoscopie dilatée annuelle par un ophtalmologiste (comme c'est le cas en Belgique) à des photographies du fond d'œil non mydriatique évaluées par un évaluateur qualifié qui n'est pas un (para)médical.

Même avec la voie de dépistage la plus efficace possible, l'augmentation du nombre de patients deviendra un problème car le facteur humain dans la voie de dépistage (médecin, optométriste, évaluateur formé, …) ne peut pas augmenter sa capacité avec la même vitesse. Le système actuel atteindra ses limites à un moment ou à un autre. De plus, on sait qu'une proportion importante de patients diabétiques ne respecte pas le dépistage annuel recommandé. Ces problèmes se traduiront par des listes d'attente plus longues, un sous-diagnostic en raison de médecins surchargés, de longues listes d'attente et éventuellement un manque de soins de haute qualité.

Remplacer simplement l'ophtalmologiste par un niveleur qualifié ne résoudra probablement pas tous ces problèmes. Cela ne fera que les reporter et restera toujours coûteux et à forte intensité de main-d'œuvre. La situation dans les pays qui utilisent déjà des classeurs formés confirme ces soupçons. Par ailleurs, la qualité des soins et la précision du diagnostic sont également perfectibles dans ces dispositifs.

Ces dernières années, l'intelligence artificielle, plus précisément l'apprentissage en profondeur, a été postulée comme un moyen de résoudre ces problèmes. Même dans les premières études, il a déjà été démontré que les algorithmes d'apprentissage en profondeur atteignent une sensibilité et une spécificité élevées dans la détection de la rétinopathie diabétique référable. La poursuite du développement de ces algorithmes et des recherches plus approfondies ont confirmé ces résultats. L'utilisation de l'IA a été étudiée dans de nombreux domaines médicaux, mais le dépistage de la rétinopathie diabétique reste le pionnier, comme le confirme la toute première autorisation de la FDA pour une application médicale de l'IA, le système de dépistage de la rétinopathie diabétique IDx.

Les recherches actuelles portent principalement sur la performance d'un algorithme d'intelligence artificielle comme outil de diagnostic autonome sans interaction avec un humain en plus de l'acquisition des images. Les professionnels de la santé craignent que l'intelligence artificielle ne les remplace partiellement dans un avenir proche et ne les rende obsolètes à long terme. Cependant, ces nouvelles technologies pourraient également être utilisées pour aider le professionnel de la santé à poser le diagnostic de manière plus précise plutôt que de les remplacer.

Ainsi, dans le projet PEARL, nous souhaitons évaluer l'utilisation d'un algorithme d'intelligence artificielle comme aide au diagnostic pour améliorer la précision diagnostique du médecin plutôt que de remplacer le médecin, certainement dans un contexte de formation.