Une étude révolutionnaire menée par l’Université médicale et dentaire de Tokyo a introduit un modèle d’apprentissage automatique capable de prédire la déficience visuelle à long terme chez les patients atteints de myopie élevée. Utilisant un ensemble de données de 34 variables issues d’examens de la vue et un nomogramme convivial pour le patient pour une interprétation facile, ce modèle représente une étape importante dans la lutte contre le défi mondial de la perte de vision. Crédit : Issues.fr.com
Des chercheurs de l’Université médicale et dentaire de Tokyo (TMDU) développent des modèles basés sur apprentissage automatique qui prédisent l’acuité visuelle à long terme chez les patients atteints de myopie élevée, l’une des trois principales causes de cécité irréversible dans de nombreuses régions du monde.
Des chercheurs de l’Université médicale et dentaire de Tokyo (TMDU) ont développé des modèles d’apprentissage automatique pour prédire l’acuité visuelle des patients atteints de myopie élevée. Une étude de cohorte portant sur 967 patients a été utilisée pour évaluer les modèles. Les résultats montrent qu’un modèle de régression prédit avec précision l’acuité visuelle à 3 et 5 ans, et qu’un modèle de classification binaire peut prédire et visualiser le risque à 5 ans pour des patients individuels, démontrant ainsi son potentiel en matière d’évaluation et de surveillance cliniques.
Il a été démontré que l’apprentissage automatique prédit bien les conséquences de nombreux problèmes de santé. Aujourd’hui, des chercheurs japonais ont trouvé un moyen de prédire si les personnes atteintes d’une myopie sévère auront une bonne ou une mauvaise vision à l’avenir.
Dans une étude récemment publiée dans JAMA Ophtalmologiedes chercheurs de l’Université médicale et dentaire de Tokyo (TMDU) ont développé un modèle d’apprentissage automatique qui fonctionne bien pour prédire et visualiser le risque de déficience visuelle à long terme.
La maculopathie myopique, également connue sous le nom de dégénérescence maculaire myopique, est une caractéristique clé de la myopie pathologique. Dans le système de classification META-PM, les lésions de maculopathie myope sont classées en cinq catégories : aucune lésion rétinienne myope (catégorie 0), fond d’œil pavé uniquement (catégorie 1, Figure 1A), atrophie choriorétinienne diffuse (catégorie 2, Figure 1B&C), atrophie choriorétinienne inégale (catégorie 2, Figure 1B&C). atrophie (catégorie 3, flèches de la figure 1D), à l’atrophie maculaire (catégorie 4, figure 1E et F). Crédit : Département d’ophtalmologie et de sciences visuelles, TMDU
Myopie élevée et ses risques
Les personnes atteintes d’une myopie extrême (appelée myopie élevée) peuvent voir clairement les objets proches d’elles mais ne peuvent pas se concentrer sur les objets éloignés. Des lentilles de contact, des lunettes ou une intervention chirurgicale peuvent être utilisés pour corriger leur vision, mais une myopie élevée n’est pas seulement gênante ; la moitié du temps, cela conduit à une condition appelée myopie pathologique, et les complications de la myopie pathologique sont les principales causes de cécité.
Approche et résultats de la recherche
« Nous savons que les algorithmes d’apprentissage automatique fonctionnent bien sur des tâches telles que l’identification des changements et des complications de la myopie », explique Yining Wang, auteur principal de l’étude, « mais dans cette étude, nous voulions étudier quelque chose de différent, à savoir la qualité de ces algorithmes. sont des prévisions à long terme.
Un nomogramme a été construit pour visualiser le modèle. Plus la ligne est longue, plus l’impact des variables sur la présence de VI à 5 ans est important. Chaque variable avait ses points correspondants, qui peuvent être additionnés pour calculer le total des points et le risque de VI correspondant. Crédit : Département d’ophtalmologie et de sciences visuelles, TMDU
Pour ce faire, l’équipe a réalisé une étude de cohorte et a examiné l’acuité visuelle de 967 patients japonais au centre clinique avancé pour la myopie du TDMU après 3 et 5 ans. Ils ont constitué un ensemble de données à partir de 34 variables couramment collectées lors des examens ophtalmologiques, telles que l’âge, l’acuité visuelle actuelle et le diamètre de la cornée. Ils ont ensuite testé plusieurs modèles d’apprentissage automatique populaires tels que les forêts aléatoires et les machines à vecteurs de support. Parmi ces modèles, le modèle basé sur la régression logistique est celui qui a le mieux prédit la déficience visuelle à 5 ans.
Visualiser et traiter la déficience visuelle
Toutefois, prédire les résultats ne constitue qu’une partie de l’histoire. « Il est également important de présenter les résultats du modèle d’une manière facile à comprendre pour les patients et pratique pour prendre des décisions cliniques », explique Kyoko Ohno-Matsui, auteur principal. Pour ce faire, les chercheurs ont utilisé un nomogramme pour visualiser le modèle de classification. Chaque variable se voit attribuer une ligne d’une longueur qui indique son importance pour prédire l’acuité visuelle. Ces longueurs peuvent être converties en points qui peuvent être additionnés pour obtenir un score final expliquant le risque de déficience visuelle à l’avenir.
L’impact plus large
Les personnes qui perdent définitivement la vue souffrent souvent financièrement et physiquement en raison de leur perte d’autonomie. La diminution de la productivité mondiale causée par une déficience visuelle grave a été estimée à 94,5 milliards de dollars en 2019. Bien que le modèle doive encore être évalué sur une population plus large, cette étude a montré que les modèles d’apprentissage automatique ont un bon potentiel pour aider à résoudre ce problème de plus en plus important. une préoccupation de santé publique, qui bénéficiera à la fois aux individus et à la société dans son ensemble.
