Depuis lors, et plus particulièrement au cours de la dernière décennie, des progrès importants ont conduit à diverses réalisations, notamment la reconnaissance des visages, le traitement du langage naturel, la reconnaissance vocale, la production de textes, la traduction de langues, etc. (2) Cependant, les développements les plus importants ont été réalisés dans le domaine de la santé avec l’objectif d’accélérer les processus, d’augmenter la précision, et ultimement, d’améliorer la santé globale des patients. (3)

Biomarqueurs dans l’œil

Afin d’avoir un impact réel sur les soins de santé, l’IA et l’apprentissage machine (AM) doivent permettre d’identifier de nouvelles façons pour le praticien de poser un diagnostic et d’établir des corrélations insoupçonnées. Pour ce faire, les algorithmes s’appuient sur l’extraction et l’analyse des données de biomarqueurs. Les biomarqueurs, ou marqueurs biologiques, sont des indications objectives d’un état médical (par opposition aux symptômes rapportés par le patient) qui peuvent être mesurées et reproduites avec précision. (4) Les biomarqueurs permettent de mieux comprendre le fonctionnement du corps humain, notamment avec des applications dans la stratification du risque, le diagnostic, le pronostic et le suivi thérapeutique.

L’œil est un endroit idéal pour identifier, valider et exploiter les biomarqueurs en raison de ses propriétés transparentes permettant un accès non invasif aux différentes structures clés liées à la santé oculaire, cérébrale et systémique.

L’œil : Une fenêtre sur la santé

Depuis l’invention de l’ophtalmoscope en 1851, les médecins sont en mesure d’observer l’intérieur de l’œil. (7) À travers la pupille, un clinicien peut voir directement, entre autres, les vaisseaux sanguins et le nerf optique, une extension directe du cerveau. Pour évaluer ces structures, la photographie du fond d’œil est rapidement devenue une pratique standard dans le domaine des soins oculaires et un important générateur de données de santé. Avec les balises appropriées du clinicien, l’IA et le AM visent à faciliter le diagnostic des maladies oculaires courantes et à accroître l’étendue des informations cliniques que nous pouvons obtenir à partir de l’imagerie conventionnelle du fond d’œil. Par exemple, l’analyse des images du fond d’œil alimentée par l’IA peut repérer une rétinopathie diabétique précoce chez des patients asymptomatiques et a également réussi à détecter d’autres affections oculaires telles que la dégénérescence maculaire liée à l’âge, le glaucome et la rétinopathie des prématurés. En 2018, la FDA a autorisé IDx-DR, le premier système qui utilise l’intelligence artificielle (IA) pour détecter une rétinopathie diabétique (RD) « plus que légère » chez les adultes diabétiques. Dans une étude, IDx-DR a correctement identifié la présence d’une rétinopathie diabétique plus que légère dans 87,4 % des cas et a correctement identifié ceux qui ne présentaient pas de rétinopathie diabétique plus que légère dans 89,5 % des cas. (4) Des modèles d’apprentissage profond ont également été capables d’analyser les données de la photographie du fond d’œil de 284 335 patients et de prédire les facteurs de risque cardiovasculaire tels que l’âge, le sexe, le tabagisme, la pression artérielle systolique et les principaux événements cardiaques indésirables. Les modèles ont utilisé des caractéristiques anatomiques, telles que le disque optique ou les vaisseaux sanguins, pour générer des prédictions. (13)

Ayant un lien direct avec le cerveau, l’œil est souvent utilisé comme une entrée non invasive pour l’étude et l’analyse des biomarqueurs neurologiques. Plusieurs études utilisant l’analyse des mouvements oculaires (9) soulignent le potentiel de l’AM pour prédire le comportement, les états cognitifs et les traits de personnalité. (8) L’IA peut tirer des conclusions sur les traits de personnalité d’une personne (8) et même détecter si elle ment en analysant les mouvements oculaires (12). Des caractéristiques informatives peuvent être déterminées automatiquement à partir d’un ensemble vaste et diversifié de caractéristiques et de modèles de mouvements oculaires, ce qui permet de découvrir des liens jusqu’alors inconnus entre la personnalité et le regard. En utilisant l’AM et un ensemble de caractéristiques des mouvements oculaires, un logiciel a pu prédire de manière fiable quatre des cinq grands traits de personnalité (névrosisme, extraversion, amabilité, conscience) ainsi que la curiosité perceptive. (8) Les mouvements oculaires peuvent également être utilisés pour suivre l’évolution de la maladie et l’efficacité des traitements dans les troubles cérébraux comme l’autisme, la maladie d’Alzheimer, la schizophrénie, la négligence et la sclérose en plaques. (10) Pour cette dernière maladie, la FDA a tout récemment accordé la désignation de « Breakthrough Device » à Innodem Neurosciences pour son dispositif ETNA™ destiné à enregistrer les mouvements oculaires pour les utiliser dans l’estimation de la gravité de la maladie chez les patients atteints de sclérose en plaques. (21)

L’utilisation de la spectroscopie dans les soins oculaires

La collecte de données dans l’œil a souvent été limitée à l’imagerie. L’utilisation de la spectrométrie par réflectance diffuse (SRD) peut amener la collecte de données dans l’œil à un tout autre niveau. En exploitant l’ensemble du spectre lumineux, il est désormais possible d’analyser les caractéristiques optiques des tissus biologiques avec des niveaux de précision sans précédent. (14) Cette technique est déjà largement utilisée dans d’autres domaines de la médecine, notamment la microbiologie et l’analyse pharmaceutique. (15) L’imagerie spectrale étend les capacités en combinant la spectroscopie et l’imagerie, fournissant à la fois des informations spectrales et structurelles. (16)

Une application prometteuse de la spectroscopie dans l’œil est l’oxymétrie oculaire. L’oxymétrie oculaire utilise l’analyse spectroscopique pour étudier l’hémodynamique de l’œil. Plus précisément, il s’agit d’une technique directe et non invasive qui évalue la saturation en oxygène des tissus de la rétine. L’hémoglobine, une protéine présente dans les globules rouges, transporte l’oxygène du sang vers les tissus. L’oxymétrie rétinienne analyse les profils spectraux distincts de l’hémoglobine oxygénée et désoxygénée pour déterminer la saturation en oxygène. (17)

Les données des études tendent à indiquer que la saturation en oxygène de la rétine est altérée dans une grande variété de maladies oculaires et systémiques. Par exemple, les anomalies de l’approvisionnement en sang de la rétine ont été impliquées dans le glaucome primaire à angle ouvert, la rétinopathie diabétique, la dégénérescence maculaire liée à l’âge ainsi que l’occlusion des artères et des veines. (20)

Conclusion

En utilisant l’œil comme une fenêtre, les biomarqueurs alimentés par l’IA génèrent une foule d’informations avec un véritable potentiel pour changer la façon dont nous gérons le diagnostic et le suivi de multiples maladies. La convergence du big data, de l’IA et de l’étude des biomarqueurs oculaires a un énorme potentiel de fournir l’évaluation la plus complète et la plus avancée de la santé oculaire, neurologique et systémique, permettant une détection précoce et une meilleure gestion de diverses maladies.