L’apprentissage automatique envisage l’avenir pour prévenir la perte de vision chez les humains

À mesure que l’apprentissage automatique s’est perfectionné, il a été utilisé pour prédire les conséquences de nombreux problèmes de santé. Une équipe de chercheurs japonais a trouvé un moyen de prédire si les personnes souffrant de myopie sévère auront une bonne ou une mauvaise vision à l’avenir.

Les chercheurs de l’Université médicale et dentaire de Tokyo (TMDU) ont développé un modèle d’apprentissage automatique capable de prédire et de visualiser efficacement le risque de déficience visuelle à long terme. Les résultats de leur étude ont été publiés dans JAMA Ophtalmologie.¹

En fin de compte, des lentilles de contact, des lunettes ou une intervention chirurgicale peuvent être utilisés pour corriger la vision des patients diagnostiqués avec une myopie, mais avoir une myopie élevée n’est pas seulement gênant ; la moitié du temps, cela conduit à une condition appelée myopie pathologique, et les complications de la myopie pathologique sont l’une des principales causes de cécité.²

“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”, a déclaré Yining Wang, MD, auteur principal de l’étude, dans un communiqué de presse du TMDU. “Dans cette étude, nous voulions étudier quelque chose de différent, à savoir la qualité de ces algorithmes pour les prévisions à long terme.”

Les chercheurs ont mené une étude de cohorte et ont examiné l’acuité visuelle de 967 patients japonais au centre clinique avancé pour la myopie du TDMU après 3 et 5 ans. Avec ces informations, ils ont construit un ensemble de données à partir de 34 variables souvent collectées lors des examens ophtalmologiques, telles que l’âge, l’acuité visuelle actuelle et le diamètre de la cornée. Les chercheurs ont ensuite examiné plusieurs modèles d’apprentissage automatique 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.¹

Les chercheurs ont découvert que la capacité de prédire les résultats ne représentait qu’une partie de l’équation.

Kyoko Ohno-Matsui, MD, PhD, a souligné dans le communiqué de presse du TMDU qu’il est important de présenter les résultats du modèle d’une manière qui soit pratique pour prendre des décisions médicales et facilement comprise par les patients.

Pour ce faire, les chercheurs ont utilisé un nomogramme pour visualiser le modèle de classification. Les chercheurs ont noté que chaque variable se voit attribuer une ligne dont la longueur 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.

En fin de compte, les patients qui finissent par perdre la vue souffrent souvent physiquement et financièrement du fait de leur perte d’autonomie. De plus, la baisse de productivité mondiale résultant d’une déficience visuelle grave a été estimée à 94,5 milliards de dollars en 2019.² Bien que le modèle de l’équipe de recherche doive encore être testé sur une population plus large, les résultats de l’étude ont montré que les modèles d’apprentissage automatique ont un bon potentiel pour aider à répondre à ce problème de santé publique de plus en plus important, ce qui profitera à la fois aux individus et à la société dans son ensemble. .

Référence:

1. Wang Y, Du R, Xie S et al. Modèles d’apprentissage automatique pour prédire l’acuité visuelle à long terme dans les yeux très myopes. JAMA Ophtalmol. Publié en ligne le 26 octobre 2023. Consulté le 14 décembre 2023. doi:10.1001/jamaophthalmol.2023.4786

2. Université médicale et dentaire de Tokyo. L’apprentissage automatique envisage l’avenir pour prévenir la perte de vision chez les humains. Eurêkalert. Publié le 13 décembre 2023. Consulté le 14 décembre 2023.