La dégénérescence maculaire liée à l’âge (DMLA) est l’une des principales causes de perte de vision aux États-Unis. Elle touche 11 millions de personnes, en particulier les personnes âgées. La forme la plus grave, la dégénérescence maculaire néovasculaire liée à l’âge (DMLAn), se caractérise par une croissance anormale des vaisseaux sanguins sous la rétine. Ces vaisseaux perdent du liquide ou du sang, ce qui entraîne une perte de vision. Outre l’âge, le tabagisme, une mauvaise alimentation et le manque d’activité physique contribuent également au risque.
Le traitement principal de la DMLA néovasculaire est l’administration de médicaments anti-VEGF. Ce traitement consiste à injecter dans l’œil un médicament qui bloque une protéine appelée facteur de croissance endothélial vasculaire (VEGF), responsable de la croissance de vaisseaux sanguins anormaux dans la rétine. Il peut toutefois provoquer une inflammation oculaire comme effet secondaire grave.
Une équipe de chercheurs d’Emory AI.Health et de la Cleveland Clinic a cherché à prédire quels patients pourraient développer cette réaction inflammatoire. En combinant des examens de tomographie par cohérence optique (OCT) de routine avec l’apprentissage automatique et la médecine de précision, ils ont cherché à identifier des modèles dans les images d’examens oculaires qui pourraient apparaître avant ou pendant l’inflammation causée par les médicaments anti-VEGF.
L’identification précoce de ces schémas pourrait aider les médecins à détecter l’inflammation plus tôt et à ajuster le traitement pour prévenir la perte de vision.
Détecter les problèmes à un stade précoce : l’étude
Publié dans Héliosl’étude a analysé les images de 67 yeux provenant d’un essai clinique rétrospectif impliquant des patients atteints de DMLA néovasculaire. Les chercheurs ont extrait des caractéristiques spécifiques basées sur la texture des scans OCT, en se concentrant sur le compartiment vitreux, le gel transparent de l’œil. À l’aide d’un modèle d’apprentissage automatique développé par Emory AI.Health, ils ont identifié des schémas signalant une inflammation avant qu’elle ne soit cliniquement visible.
Le modèle d’apprentissage automatique a distingué avec précision les patients susceptibles de développer une inflammation, atteignant un taux de précision de 76 % avant le traitement anti-VEGF et de 81 % au moment de l’injection. Ces données suggèrent son potentiel en tant qu’outil précieux pour la détection précoce.
« La dégénérescence maculaire est une maladie qui me touche personnellement, car mon père en souffre. À mesure que notre population vieillit, de plus en plus de personnes seront atteintes de DMLA néovasculaire. Les agents anti-VEGF peuvent ralentir la dégénérescence maculaire, mais ils comportent des risques », a déclaré Anant Madabhushi, Ph.D., directeur exécutif d’Emory AI.Health et chercheur principal de l’étude.
« Notre étude fournit des données précieuses aux cliniciens pour prendre de meilleures décisions de traitement, en réduisant potentiellement la dose ou en combinant ces agents avec des anti-inflammatoires pour prévenir les complications graves. »
« Cette étude valide nos algorithmes d’IA dans un essai clinique rétrospectif et souligne le potentiel de la médecine de précision en ophtalmologie », a déclaré Sudeshna Sil Kar, Ph.D., premier auteur de l’étude et chercheur associé chez Emory AI.Health. « Ensuite, nous espérons intégrer nos algorithmes dans des essais cliniques prospectifs pour identifier les patients susceptibles de développer ces effets indésirables en temps réel. »
Plus d’information:
Sudeshna Sil Kar et al, Les caractéristiques radiomiques basées sur la texture dérivées de la tomographie par cohérence optique identifient les yeux présentant une inflammation intraoculaire dans l’essai clinique HAWK, Hélios (2024). DOI: 10.1016/j.heliyon.2024.e32232
Fourni par l’Université Emory
Citation: La technologie de l’IA fait progresser la détection précoce des inflammations oculaires graves, selon une nouvelle étude (2024, 9 juillet) récupéré le 9 juillet 2024 à partir de
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre d’information uniquement.