Développement d'un système d'apprentissage profond pour l'identification des conditions neuro-ophtalmologiques sur les photographies couleur du fond d'œil aux urgences (DEEP-VISION)

Ces dernières années, l’intelligence artificielle (IA) a été largement intégrée dans le domaine médical, contribuant notamment à améliorer le diagnostic des patients. L’étude BONSAI, Brain and Optic Nerve Study with AI, à laquelle participe notre équipe, a démontré avec succès la capacité de l’IA à identifier des pathologies neuro-ophtalmologiques ou neurologiques individuelles affectant 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, elle reste limitée dans la pratique clinique actuelle. Notre défi majeur est de pouvoir identifier simultanément dans une même analyse un plus large éventail de pathologies du nerf optique et/ou du cerveau, afin d'améliorer la prise en charge des patients, notamment ceux référés aux urgences. En effet, en l’absence de diagnostic précis, les complications peuvent être irréversibles et mettre la vie en danger.

Parmi les signes cliniques les plus alarmants aux urgences figure l'œdème papillaire de stase qui, accompagné de maux de tête aigus, peut indiquer la présence d'une hypertension intracrânienne, d'une pathologie inflammatoire ou ischémique. Cette dernière peut être une manifestation de la maladie de Horton. Notre équipe a développé un algorithme d’IA permettant de diagnostiquer les anomalies de la rétine et du nerf optique à partir de rétinophotographies prises dans des conditions idéales lors de consultations programmées, et non sur des images de patients se présentant aux urgences. Dans les hôpitaux ne disposant pas de services d'urgences en ophtalmologie, il est essentiel que les médecins urgentistes (urgentistes, médecins généralistes, neurologues) soient en mesure d'évaluer le fond d'œil en l'absence d'un spécialiste en ophtalmologie. Cette évaluation, bien que faisant partie de l'examen général, présente souvent des défis pour les non-ophtalmologistes. Le but de notre étude est d’améliorer les performances de notre algorithme d’IA afin qu’il puisse discriminer différentes pathologies de la rétine et du nerf optique aux urgences. Nous envisageons donc de constituer une base de données d'images du fond d'œil en incluant prospectivement les patients se présentant aux urgences d'ophtalmologie et de neurologie de l'hôpital Fondation Adolphe de Rothschild. Les performances de l'algorithme développé seront évaluées selon des critères standards de sensibilité, de spécificité, d'aire sous la courbe (AUC) et de précision.