Ces dernières années, les IA se sont invitées dans plusieurs domaines de santé, et notamment dans l’interprétation des rétinographies et des tomographies en cohérence optique. Toutefois, ces IA sont souvent limitées par le fait que leur développement nécessite l’utilisation d’un volume important de données qui doivent être étiquetées manuellement par des médecins. Il en résulte un développement fastidieux, ainsi que des IA spécialisées dans le diagnostic de peu de maladies.
Afin de bénéficier d’une IA avec une expertise plus large, des chercheurs anglais ont entraîné un algorithme à diagnostiquer différentes maladies oculaires (notamment rétinopathie diabétique et glaucome) et à prédire à trois ans des maladies complexes (AVC ischémique, infarctus du myocarde, insuffisance cardiaque et maladie de Parkinson) en utilisant l’apprentissage auto-supervisé – c’est-à-dire que l’algorithme s’entraîne sur des données médicales non étiquetées a priori par des médecins pour développer ses performances.
Dénommée RETFound et faisant l’objet d’une publication dans Nature en septembre, cette IA a été entraînée avec 904 170 rétinographies et 736 442 tomographies en cohérence optique issues en majorité d’un centre de référence anglais de traitement des maladies oculaires, le Moorfields Eye Hospital de Londres. Les chercheurs ont ensuite testé les capacités de cet algorithme à diagnostiquer ou prédire les maladies précédemment évoquées en comparaison à d’autres IA. Ce test a eu lieu sur des données extérieures au Moorfields Eye Hospital, et montre la supériorité de RETFound sur ses concurrents.
Concernant les pathologies oculaires, RETFound excelle dans le diagnostic de la rétinopathie diabétique et du glaucome, ainsi que dans le pronostic à un an de la conversion en DMLA humide dans l’œil controlatéral. Il n’est pas en reste sur les maladies complexes, puisqu’il prédit mieux que les autres modèles testés l’infarctus du myocarde et l’insuffisance cardiaque à trois ans. Les auteurs concluent que leur modèle, hautement performant, est adaptable à diverses applications médicales grâce à son apprentissage auto-supervisé. Ils annoncent également qu’ils vont améliorer RETFound en l’entraînant sur toujours plus d’images issues de différentes modalités.