Un diagnostic accéléré
Bien que cette collaboration ait déjà donné lieu à près de deux douzaines de publications scientifiques, avec d’autres en préparation, plusieurs exemples illustrent de manière particulièrement efficace comment cette recherche conjointe conduit à de meilleurs résultats pour les patients. Récemment, l’équipe a développé un outil d’intelligence artificielle capable de prédire si un patient souffre de dégénérescence maculaire liée à l’âge simplement en analysant des images d’angiographie par tomographie à cohérence optique (OCT) des vaisseaux sanguins de l’œil. Ces images, non invasives, sont réalisées en quelques minutes lors d’une visite clinique standard. Cet outil permet aux ophtalmologistes d’extraire des informations à partir de photos qui nécessitaient auparavant une biopsie pour évaluation. Il a même surclassé les experts humains avec une précision de 80 % basées uniquement sur les images.
En plus de faciliter un diagnostic plus rapide et précis pour les médecins, cet outil pourrait également contribuer au développement de médicaments plus efficaces pour traiter la dégénérescence maculaire.
Dans une autre étude, l’équipe a conçu une méthode permettant de synthétiser plusieurs images à partir de différents moments dans le temps, afin de vérifier avec plus de précision l’accroissement des lésions vasculaires ou des tumeurs, par exemple.
« Lorsque vous examinez des maladies rétiniennes dans la périphérie de la rétine, elles sont difficiles à détecter », explique Freeman. « Pour suivre les changements au fil du temps, vous devriez généralement comparer les images des années précédentes et actuelles afin de voir si elles ont dépassé un certain seuil, comme un vaisseau sanguin ou un marqueur. »
Les ingénieurs ont mis au point une méthode permettant de superposer des images antérieures avec l’image actuelle de l’œil d’un patient, afin qu’il soit immédiatement évident si l’objet en question a augmenté ou changé par rapport aux années précédentes. La méthode basée sur l’IA a localisé l’élément en question 37 % plus rapidement que la comparaison traditionnelle des images côte à côte, avec un taux d’erreur de 0 %, alors que celui-ci s’élevait à 18 % lors de comparaisons entre ophtalmologistes.
Les ophtalmologistes et ingénieurs ont développé des réseaux d’apprentissage profond pour corriger le mouvement des yeux dans l’imagerie rétinienne 3D, évaluer quantitativement les changements morphologiques des vaisseaux dus à la dégénérescence maculaire liée à l’âge via OCTA, corriger les distorsions entre les images rétiniennes ultra-grand champ et à angle étroit, et créer un outil d’IA pour superposer des images multimodales provenant de différents instruments optiques chez des patients atteints de rétinite pigmentaire, parmi de nombreux autres progrès conjoints.
Les cliniciens insistent sur le fait que ces algorithmes et modèles ne sont finalement que des outils destinés à compléter, et non à remplacer, l’expertise et la prise de décision éthique des ophtalmologistes.
Ingénierie au service du bien public
Bo Wen, étudiant en génie électrique impliqué dans ces projets en ophtalmologie, a souligné que des résultats aussi tangibles sont une grande source de motivation pour lui et les autres étudiants en génie électrique concernés.
« Si nous n’aidons pas réellement les gens, alors pourquoi faisons-nous cela ? », a déclaré Wen. « Si notre seule préoccupation est de publier des articles, cela semble trop superficiel. Nous souhaitons que notre travail ait un impact sur le diagnostic et le traitement des maladies. »
Nguyen a encouragé d’autres enseignants et étudiants à l’UC San Diego à investir du temps pour établir des collaborations sur le campus. Avec près de 4 000 enseignants menant des recherches de pointe, les possibilités d’appliquer son expertise de manière novatrice sont infinies.
« La véritable force de cette collaboration réside dans notre compréhension de nos expertises respectives et de nos contributions, ainsi que dans nos rencontres régulières pour voir comment nous pouvons tirer parti de ces compétences », a conclu Nguyen. « Il existe de nombreuses opportunités pour les ingénieurs d’élargir leur champ d’action et de répondre à des problèmes concrets — c’est ce que j’apprécie le plus dans cette démarche. »
Points à retenir
- La mise en œuvre d’un outil d’IA pour diagnostiquer des affections rétiniennes permet des résultats plus rapides et plus précis.
- Les innovations en matière d’imagerie contribuent à un meilleur suivi de l’évolution des maladies oculaires.
- Les collaborations interdisciplinaire enrichissent les projets en combinant expertises médicales et techniques.
Le dialogue autour de ces avancées soulève de nombreuses questions sur l’avenir de la médecine assistée par IA. Quelles seront les implications éthiques et pratiques de l’utilisation accrue de ces technologies dans le diagnostic et le traitement des maladies ? La réponse pourrait bien redéfinir le paysage de la santé de demain.
L’intelligence artificielle, tel l’argile sous nos mains, façonne de nouvelles perspectives pour la médecine. Immaginer un avenir où de simples images nous offrent des réponses précises est fascinant.
C’est fascinant de voir comment l’intelligence artificielle révolutionne le diagnostic en ophtalmologie. Ces outils pourraient véritablement améliorer la vie des patients, tout en respectant l’humain dans le processus.
L’utilisation de l’intelligence artificielle en ophtalmologie est prometteuse. Ses capacités à améliorer le diagnostic et le suivi des maladies oculaires sont impressionnantes et très encourageantes.
C’est fascinant de voir comment l’intelligence artificielle transforme notre approche de la santé. J’aimerais savoir comment ces outils seront perçus par les médecins au fil du temps.
L’innovation et la beauté de la science se rencontrent ici, offrant de l’espoir aux patients. C’est comme un souffle de lumière à travers les nuances du verre.