L’avenir prometteur de l’IA : quelles directions?

Les outils d’intelligence artificielle (IA) et d’apprentissage profond sont désormais présents dans la vie quotidienne de nombreuses personnes, que ce soit à travers l’utilisation de ChatGPT pour rédiger des réponses par email ou des outils d’analyse sophistiqués pour suivre les tendances économiques. Bien que les patients n’interfacent pas directement avec les outils d’IA utilisés dans les pratiques ophtalmologiques, un programme d’IA peut par exemple évaluer les images de tomographie par cohérence optique (OCT) qui leur sont prises. À mesure que de nouvelles applications de l’IA émergent en ophtalmologie, notamment pour le diagnostic et le suivi de l’œdème maculaire diabétique (OMD), une question se pose : « L’IA dans l’OMD : à ses débuts ou un effet de mode ? »

T. Y. Alvin Liu, MD, a soulevé cette question lors de sa présentation à l’Institut ophtalmologique Wilmer de Johns Hopkins, dans le cadre de l’événement MACULA 2025 et du 5e Festival annuel de la Rétine. Liu dirige le Centre d’Innovation en Intelligence Artificielle James P. Gills Jr., M.D., et Heather Gills, qui a été créé après un don de 10 millions de dollars de James et Heather Gills pour renforcer les ressources cliniques, scientifiques et infrastructurelles nécessaires aux chercheurs souhaitant appliquer l’IA dans la recherche, l’éducation médicale et les soins aux patients.

Sydney M. Crago, rédactrice en chef de Modern Retina et Ophthalmology Times, a interviewé Liu sur l’utilisation de l’IA en ophtalmologie, et comment ses expériences l’ont amené à traiter la question posée lors de sa présentation.

Le texte ci-après est légèrement retouché pour plus de clarté et de cohérence.

Sydney M. Crago : Les outils d’IA deviennent de plus en plus présents en médecine. Comment voyez-vous leur utilisation dans la pratique ophtalmologique ?

T. Y. Alvin Liu, MD : Nous avons la chance de constater qu’une partie de l’ophtalmologie est à l’avant-garde de la révolution de l’IA en médecine. Pour l’instant, je discerne deux applications majeures. La première concerne le côté clinique, tandis que la seconde est liée à la recherche. Sur le plan clinique, l’application d’IA la plus avancée est la détection autonome de la rétinopathie diabétique lors de consultations médicales de premier recours. Cette fonctionnalité est essentielle et généralement effectuée par un optométriste ou un ophtalmologue. Nous observons également une tendance à réaliser ces dépistages à l’endroit même où sont pris en charge les patients, comme l’a démontré notre groupe de Johns Hopkins, ce qui a entraîné une amélioration de l’adhérence annuelle à cette recommandation de dépistage.

S’agissant de la recherche, l’application la plus répandue est l’utilisation de l’apprentissage profond pour segmenter et quantifier des images aléatoires, par exemple, pour évaluer la taille d’une atrophie géographique ou le volume de liquide subrétinien dans les maladies vasculaires rétiniennes.

Crago : Quelles sont les retombées de l’IA dans le contexte de l’OMD pour les patients et les prestataires ?

Liu : Trois cas d’utilisation majeurs pourraient être déployés dans un avenir proche. Tout d’abord, nous pourrions utiliser l’apprentissage profond pour détecter un œdème maculaire diabétique impliquant le centre ou pour prédire l’acuité visuelle directement à partir d’une photographie de fond d’œil couleur. Cette méthode pourrait servir pour une surveillance à distance ou à domicile, en particulier pour les patients sans rétinopathie diabétique non proliférative. L’idée est que si ces patients peuvent être suivis chez eux grâce à des caméras rétiniennes portables et que l’IA analyse ces photos, cela réduira leur besoin de consultations fréquentes en clinique, en ne les rappelant que si une détérioration est détectée.

La seconde utilisation potentielle consiste à analyser les images OCT prétraitement ou des variables cliniques chez des yeux non traités avec OMD pour prédire leur réponse à un traitement spécifique, établissant ainsi un plan de traitement personnalisé avant d’initier un traitement. Enfin, une troisième application serait l’analyse efficace et à grande échelle des images OCT concernant l’OMD, notamment pour les centres de lecture dans le cadre d’essais cliniques.

Crago : Pouvez-vous partager votre expérience concernant le diagnostic ou le suivi de l’OMD à l’aide d’outils IA et l’impact de ce traitement sur les patients ?

Liu : Mon expérience s’intègre davantage dans l’utilisation de l’IA autonome pour la détection de la rétinopathie diabétique référable, qui inclut bien sûr l’OMD impliquant le centre. À Johns Hopkins Medicine, nous avons commencé à déployer certains de ces systèmes dans le cadre de soins primaires en 2020. En examinant les données des dernières années, nous avons constaté que le déploiement de l’IA était associé à une amélioration du taux d’adhérence global pour le dépistage annuel de la rétinopathie diabétique, tout en favorisant l’accès et l’équité dans ce contexte clinique.

Crago : Votre présentation faisait partie des célébrations du 100e anniversaire de l’Institut Wilmer et était intitulée « L’IA dans l’OMD : à ses débuts ou un effet de mode ? ». Quelle est votre réponse ?

Liu : J’apprécie de nuancer ma réponse. C’est indiscutablement précoce, mais j’entrevois un potentiel considérable. Cependant, pour que l’application à grande échelle de l’IA dans l’OMD prenne forme, certains éléments doivent être pris en compte. Tout d’abord, il est essentiel de développer et de valider un nouveau flux de travail. Par exemple, je mentionnais brièvement un flux de travail novateur impliquant la surveillance de l’OMD dans un cadre à distance, en combinant des photographies de fond d’œil portables et l’IA. En outre, un mécanisme de paiement innovant est requis, comme une volonté de la part des assureurs d’indemniser les traitements personnalisés assistés par IA pour l’OMD ou de soutenir les économies partagées identifiant les patients qui pourraient bénéficier d’agents anti-VEGF intravitréaux moins coûteux.

Crago : Comment espérez-vous que les outils d’IA profitent aux médecins et aux résultats qu’ils pourraient atteindre dans les années à venir ?

Liu : Je perçois deux principaux domaines présentant un potentiel élevé. D’abord, le dépistage de la rétinopathie diabétique à l’échelle populationnelle. Ensuite, la découverte de nouveaux biomarqueurs. Bien que nous sachions depuis longtemps à quoi ressemble l’OMD sur les images OCT, nous réalisons maintenant que l’aspect de l’OMD a un sens, par exemple, la distribution du liquide intrarétinien et l’intensité de la réflexion des kystes intrarétiniens. Plusieurs biomarqueurs associés à l’OMD, tels que les foyers hyper-réfléchissants intrarétiniens, ont une signification. Nous pouvons utiliser ces nouvelles informations pour orienter nos traitements. Cependant, quantifier ces biomarqueurs manuellement est laborieux et chronophage, ce qui n’est pas pratique à cette échelle. Une telle quantification ne sera réalisable que si nous intégrons l’IA, en particulier l’apprentissage profond, dans ces flux de travail.