- Des chercheurs britanniques ont conçu un programme innovant d’intelligence artificielle (IA) qui utilise des images rétiniennes pour détecter les signes de troubles oculaires, cardiaques et neurologiques.
- RETFrouvél’un des premiers modèles de base d’IA dans le domaine de la santé et le premier en ophtalmologie, a utilisé des millions d’analyses oculaires pour aider à détecter et à traiter la cécité.
- Dans plusieurs tests, RETFrouvé a surpassé les systèmes d’IA et les experts cliniques existants en complétant une gamme de fonctions de diagnostic complexes avec moins de données étiquetées.
- RETFound prend également en compte diverses populations et maladies rares, ce que de nombreuses analyses traditionnelles et systèmes d’IA actuels négligent souvent.
- De plus, cette « technologie transformatrice » réduit considérablement la charge de travail des experts humains dans l’analyse et l’étiquetage de l’imagerie rétinienne.
Des experts du Moorfields Eye Hospital et de l’Institut d’ophtalmologie de l’University College London (UCL) en Angleterre ont récemment développé un système d’IA capable de détecter les troubles de la vision avec plus de précision et d’efficacité que les méthodes actuelles.
Cette nouvelle technologie pourrait également contribuer à accélérer le diagnostic de problèmes de santé systémiques, notamment les accidents vasculaires cérébraux, les crises cardiaques et la maladie de Parkinson.
Les scientifiques ont réalisé une étude sur RETFrouvé, leur premier modèle de base au monde, qui a utilisé des millions d’examens oculaires du National Health Service (NHS) du Royaume-Uni. Leur initiative open source pourrait servir de modèle aux efforts visant à détecter et à traiter la cécité grâce à l’IA.
Ce nouveau développement apporte des nouvelles prometteuses à temps pour la Journée mondiale de la rétine le 27 septembre, la Journée mondiale de la vue en octobre et le Mois de sensibilisation aux maladies oculaires diabétiques en novembre.
L’auteur principal, le professeur Pearse Keane de l’Institut d’ophtalmologie de l’UCL, a déclaré dans un communiqué de presse :
« Il s’agit d’un autre grand pas vers l’utilisation de l’IA pour réinventer l’examen de la vue pour le 21e siècle, tant au Royaume-Uni que dans le monde. Nous montrons plusieurs exemples de conditions où RETFrouvé peut être utilisé, mais il a le potentiel d’être développé davantage pour des centaines d’autres maladies oculaires menaçant la vue que nous n’avons pas encore explorées.
L’étude paraît dans
Sommaire
Formé sur la « technologie transformatrice »
Un rapport des Chambres de commerce britanniques a récemment qualifié les modèles de base de l’IA de « technologie transformatrice » en raison de leur utilisation de quantités massives de données.
Le lancement de ChatGPT en novembre 2022 a mis en évidence le potentiel des modèles d’IA pour développer des outils linguistiques adaptables.
RETFrouvé a adopté une approche similaire avec les images rétiniennes, en s’entraînant sur des millions de scans. Cela a permis la construction d’un modèle polyvalent pour des utilisations pratiquement illimitées.
Un modèle d’IA plus efficace ?
Les modèles d’IA dépendent largement de l’expertise et des efforts humains. Actualités médicales aujourd’hui a discuté du défi avec le développeur technologique Dr Steve Frank, fondateur de Med*A-Eye Technologies. Il n’a pas été impliqué dans cette recherche.
Le Dr Frank a expliqué à MNT: « L’IA est gourmande en données, et apprendre à un système d’IA à effectuer des tâches nécessite généralement de grandes quantités de données de formation. Pire encore, la formation nécessite généralement que les données soient étiquetées d’une manière ou d’une autre, ce qui signifie que vous apprenez au système à distinguer une chose d’une autre sur la base d’exemples montrant que c’est une chose ou une autre. C’est l’apprentissage « supervisé » traditionnel.
En outre, a déclaré le Dr Frank, les experts peuvent être en désaccord sur une donnée, ce qui nécessite de longues analyses par un groupe d’experts.
Selon les chercheurs britanniques, RETFrouvé peut égaler les performances d’autres programmes d’IA en utilisant seulement 10 % d’étiquettes humaines dans son ensemble de données.
RETFrouvé a atteint cette efficacité supérieure grâce à son approche d’auto-supervision consistant à masquer des parties d’une image et à apprendre à prédire les parties manquantes par lui-même.
« L’apprentissage auto-supervisé (SSL), qui sous-tend RETFrouvé, renonce totalement à l’étiquetage. Avec suffisamment de données d’entraînement, un modèle d’IA correctement structuré peut en apprendre suffisamment sur les données d’entraînement à partir des données elles-mêmes pour faire des prédictions significatives. […]Cette approche est particulièrement intéressante pour l’IA dans le domaine de la santé, car le coût de l’étiquetage est si élevé : les médecins sont déjà occupés à sauver des vies et leur temps est très précieux.
– Dr Steve Frank
Potentiel diagnostique de l’oculomique
Un bilan de 2023 dans le Journal de médecine clinique fait référence à la rétine comme « une fenêtre sur le corps ». L’étude de l’oculomique utilise l’apprentissage profond pour explorer les corrélations entre les caractéristiques de l’image rétinienne et les maladies.
Les auteurs de la présente étude estiment que RETFrouvé peut aider à améliorer le diagnostic des maladies oculaires menaçant la vue, telles que la rétinopathie diabétique et le glaucome.
Le programme pourrait également prédire des troubles systémiques, notamment l’insuffisance cardiaque, les accidents vasculaires cérébraux et la maladie de Parkinson.
De plus, cette technologie d’IA facilite une vision non invasive du système nerveux.
MNT a discuté de cette étude avec le co-fondateur d’Atropos Health, le Dr Brigham Hyde, qui n’a pas été impliqué dans cette recherche. Nous lui avons demandé comment l’IA et les techniques d’apprentissage profond peuvent aider à détecter les maladies.
« Premièrement, les techniques d’imagerie assistées par l’IA peuvent souvent détecter des maladies qui pourraient échapper à un humain. Deuxièmement, l’IA et les techniques d’apprentissage profond appliquées à des combinaisons de données numériques, médicales et expérientielles peuvent découvrir des biomarqueurs numériques de maladies conduisant à un diagnostic plus précoce », a-t-il répondu.
« Enfin », a-t-il ajouté, « les algorithmes de notation des risques déployés au cabinet du médecin peuvent mettre en évidence et orienter plus tôt les équipes de soins vers les patients présentant des facteurs de risque clés. »
L’outil d’IA a démontré de bonnes performances et efficacité
La présente étude a utilisé et évalué RETFrouvé, un nouveau modèle de base basé sur SSL pour les images rétiniennes. Les auteurs ont décrit un modèle de base comme « formé sur une grande quantité de données non étiquetées ».
Dans ce cas, le professeur Keane et ses collaborateurs ont formé le système d’IA avec un ensemble de données de 1,6 million d’images du Moorfields Eye Hospital.
« Nous nous adaptons RETFrouvé à une série de tâches difficiles de détection et de prédiction en affinant RETFrouvé avec des étiquettes de tâches spécifiques, puis valider ses performances », lit-on dans leur article.
L’équipe a examiné les maladies oculaires, notamment la rétinopathie diabétique et le glaucome, ainsi que le pronostic des maladies oculaires sur une période d’un an.
Ensuite, ils ont étudié une prévision sur 3 ans des maladies cardiaques telles que les accidents vasculaires cérébraux, l’insuffisance cardiaque, l’infarctus du myocarde et la maladie de Parkinson.
Par rapport aux modèles pré-entraînés sur SL-ImageNet, SSL-ImageNet et SSL-Retinal, RETFrouvé a démontré « des performances et une efficacité d’étiquetage constamment supérieures ».
Le Dr Frank a fait remarquer : « Le RETFrouvé les résultats sont particulièrement impressionnants en raison du grand nombre de tâches que leur système peut effectuer. Les précisions obtenues par les chercheurs ne sont pas suffisantes pour une utilisation clinique, mais les systèmes plus conventionnels contre lesquels ils testent sont pour la plupart moins bons.
Le modèle prend en compte la diversité de la population
Les experts de l’UCL-Moorfields ont déclaré que RETFrouvé ont montré une efficacité égale dans la détection des maladies dans divers groupes ethniques.
Le doctorant Yukun Zhou, auteur principal de l’étude, a mentionné dans un communiqué de presse : « En formant RETFrouvé avec des ensembles de données représentant la diversité ethnique de Londres, nous avons développé une base précieuse permettant aux chercheurs du monde entier de construire leurs systèmes dans des applications de soins de santé telles que le diagnostic des maladies oculaires et la prédiction des maladies systémiques.
Le Dr Tyler Wagner, vice-président de la recherche biomédicale chez Anumana, non impliqué dans la recherche, a déclaré ceci à propos de l’étude : « Tandis que RETFrouvé fonctionne mieux que les autres modèles comparés dans le manuscrit lors d’une évaluation externe sur un ensemble de patients présentant des caractéristiques démographiques différentes, les auteurs notent la diminution des performances, soulignant l’importance de la diversité des patients dans le développement du modèle.
Les auteurs de l’étude espèrent que leurs découvertes encourageront d’autres études, en écrivant : « Enfin, nous faisons RETFrouvé accessible au public afin que d’autres puissent l’utiliser comme base pour leurs propres tâches en aval, facilitant ainsi diverses recherches oculaires et oculomiques.
