La prévalence croissante de la myopie est un problème de santé mondial, la myopie élevée augmentant le risque de dommages à la vision. Cela nécessite l'utilisation de l'intelligence artificielle (IA) pour le diagnostic, la prévention et la gestion précoces de la myopie. Maintenant, un Enquête pédiatrique L'examen met en lumière les applications potentielles de l'IA dans l'identification précoce, l'évaluation des risques et la prévention de la myopie. Il souligne en outre les défis et le statut de développement actuel de la technologie de l'IA dans le domaine de la myopie.
La myopie, ou la myopie, affecte deux milliards de personnes dans le monde. La myopie non corrigée peut altérer la vision, perturber l'éducation, les perspectives de carrière et la qualité de vie. D'ici 2050, près de la moitié de la population mondiale devient myope. La myopie élevée est souvent associée à des complications qui peuvent entraîner des troubles visuels, affectant la qualité de vie des patients et augmentant la charge médicale et économique mondiale. Par conséquent, le diagnostic précoce de la myopie est important pour la prévention des dommages à la vision chez les patients atteints de myopie.
L'intelligence artificielle (IA) a ouvert de nouvelles frontières dans le domaine médical et peut être une solution à ce problème de santé mondial. Les sous-ensembles de l'IA, tels que l'apprentissage automatique (ML) et l'apprentissage en profondeur (DL) peuvent aider à analyser les données pour diagnostiquer les maladies et prédire les facteurs de risque, les biomarqueurs et les résultats.
Dans une nouvelle revue de la littérature, le Dr Li Li, le Dr Jifeng Yu et le Dr Nan Liu, tous du Département d'ophtalmologie, Capital Medical University, Chine, ont résumé les applications et les défis de l'IA dans la myopie, y compris la détection, l'évaluation des facteurs de risque et les modèles de prédiction. Cette étude a été publiée dans le Journal of Enquête pédiatrique le 18 mars 2025.
Fait intéressant, les modèles d'IA peuvent être formés à l'aide de ML / DL pour détecter la myopie à partir de photos du fond et des images de tomographie par cohérence optique. En nourrissant un modèle avec une grande quantité d'images du fond d'œil de patients myopes, l'IA peut être enseignée à discerner les changements infimes de couleur et de motif dans la rétine associés à la myopie. Cela permet au modèle de diagnostiquer les futurs patients à partir de leurs photos d'œil.
De plus, des équipements d'auto-surveillance tels que SVOne, un appareil portable qui utilise un capteur de front d'onde pour mesurer les défauts oculaires, peuvent utiliser des algorithmes d'IA pour détecter les erreurs de réfraction dans les yeux. L'appareil pourrait accéder à une base de données en ligne d'images, que l'IA peut utiliser comme référence pour diagnostiquer la myopie. De plus, l'IA peut être formée pour détecter les changements comportementaux associés au début de la myopie. Une telle détection est particulièrement utile pour la détection précoce de la myopie chez les enfants, qui est souvent ignorée autrement. Par exemple, le moniteur Vivior utilise des algorithmes ML pour noter les changements dans les comportements visuels, tels que le temps consacré à des activités de vision proche, chez les enfants âgés de 6 à 16 ans.
De plus, des méthodes ML comme la machine vectorielle de support, la régression logistique et XGBoost peuvent être utilisées pour identifier les facteurs de risque de myopie. « Un modèle basé sur XGBOost peut être nourri de grandes quantités de données longitudinales, ce qui lui permet d'apprendre les résultats et les facteurs de risque associés de la myopie chez de nombreux patients. explique le Dr Li Li.
La prévision de la progression et des résultats de la myopie peut aider les médecins à ajuster leur approche clinique. Pris à grande échelle, il peut façonner la pratique clinique et l'élaboration des politiques qui aident au contrôle de la myopie. En nourrissant un modèle d'IA, de grandes quantités de données biométriques, des données de réfraction, des réponses au traitement et des images oculaires de nombreux patients atteints de myopie, l'IA peut être enseigné à prédire les résultats de la myopie chez les nouveaux patients.
Malgré le grand potentiel de l'IA dans la myopie, plusieurs défis doivent être surmontés. Premièrement, il est important de s'assurer que l'ensemble de données utilisé pour former un modèle d'IA est correct et de haute qualité. Le biais, les faux négatifs / positifs et la mauvaise qualité des données peuvent avoir un impact négatif sur la précision diagnostique et de prédiction du modèle. Deuxièmement, la plupart des modèles d'IA sont formés à l'aide de données de grands hôpitaux, qui peuvent ne pas être représentatives des patients qui se rendent dans de petites cliniques. Cela crée une différence entre les populations réelles et la formation des populations. Troisièmement, un modèle d'IA n'est pas un médecin qualifié et peut ne pas être en mesure de fournir une base clinique pour son diagnostic, ce qui peut entraîner le rejet du diagnostic par des professionnels de la santé. Enfin, avec de telles quantités de données sur les patients utilisées pour former des modèles d'IA, il est important d'assurer la vie privée des dossiers médicaux des patients.
« Alors que notre étude met en évidence le remarquable Progrès réalisés dans l'application clinique de l'IA dans la myopie, d'autres études sont nécessaires pour surmonter les défis technologiques. Par Construire des ensembles de données de haute qualité, améliorer la capacité du modèle à traiter les données d'image multimodales et améliorer la capacité d'interaction des ordinateurs humains, les modèles d'IA peuvent être encore améliorés pour une application clinique généralisée,« Conclut le Dr Jifeng Yu.
