L'intelligence artificielle crée des percées dans la pratique clinique en ophtalmologie

par Charles Bankhead, rédacteur en chef, MedPage Today 7 mai 2023

SAN DIEGO – Alors que certains experts tirent la sonnette d'alarme sur les dangers potentiels de l'intelligence artificielle (IA), les ophtalmologistes ont commencé à adopter l'IA comme moyen d'améliorer la qualité et l'efficacité des soins aux patients.

Lors d'une session unique en son genre lors de la réunion de l'American Society of Cataract and Refractive Surgery, les conférenciers ont discuté des efforts en cours pour développer et appliquer l'IA à la prise de décision clinique liée au diagnostic, au traitement, au suivi et au pronostic de multiples conditions ophtalmologiques.

« Que vous soyez un professionnel chevronné ou un nouveau venu curieux, nous vous invitons à nous rejoindre dans notre voyage pour révolutionner les soins oculaires », a déclaré le coprésident du programme Eric Rosenberg, DO, de SightMD à Long Island, New York, lors de l'ouverture de la première Digital Ophthalmic Society (DOS).

Le coprésident John W. Kitchens, MD, de Retina Associates of Kentucky à Lexington, a déclaré que la présence de DOS dans le programme ASCRS affirme un "appel à l'action... qui traverse toutes les spécialités, professions, salles de réunion et même les frontières politiques".

L'utilité de l'IA commence par des points de données, a déclaré Karl Stonecipher, MD, de Laser Defined Vision à Greensboro, en Caroline du Nord. Plus il y a de données chargées dans un ordinateur ou un réseau, plus l'IA peut aider à soigner les patients.

Diagnostic de la sécheresse oculaire

Comme exemple d'utilisation de l'IA dans la pratique clinique, Stonecipher a décrit l'application de l'IA au diagnostic de la sécheresse oculaire, à l'aide d'une plate-forme logicielle connue sous le nom de CSI Dry Eye. Le programme contient des informations générales sur la condition, et l'ophtalmologiste ajoute des données spécifiques au patient glanées à partir d'un questionnaire de 50 points qui est automatiquement intégré au logiciel.

Des données supplémentaires proviennent de la notation subjective des patients sur deux enquêtes sur les facteurs de risque de sécheresse oculaire. Des photos représentant différents niveaux de gravité sont ajoutées au mélange. La plate-forme offre la flexibilité nécessaire pour permettre à un praticien ou à un groupe d'ajouter d'autres éléments de données, y compris des préférences personnelles, qui sont significatifs pour leurs pratiques cliniques et pour des patients spécifiques.

"Je n'ai pas à tout faire, et je n'ai pas besoin d'avoir toutes les machines pour tout faire", a déclaré Stonecipher. "Je veux juste que vous puissiez faire tout ce que vous voulez faire. Mettez autant de [données] que vous le pouvez, car cela rend la machine plus robuste."

Les données constituent la base des études en cours visant à développer des modèles informatiques de la gravité de la sécheresse oculaire et du type de sécheresse oculaire. Dans la phase actuelle des travaux, les modèles éclairent la prise de décision liée au diagnostic de la sécheresse oculaire, mais l'objectif à long terme est de développer des aides à la prise de décisions de diagnostic et de traitement.

Près de 500 médecins fournissent des données et utilisent la plateforme informatique. Les données de 25 000 évaluations et 22 000 questionnaires ont été saisies. Une analyse récente a montré que le modèle de gravité avait une aire sous la courbe caractéristique de fonctionnement du récepteur (AUC-ROC) de 0,79 et un rappel de précision AUC (AUC-PR) de 0,61 pour prédire la gravité de la sécheresse oculaire. Le modèle type avait une AUC-ROC de 0,91 et une AUC-PR de 0,94.

"Alors, comment est-ce que ça m'aide ?" dit Stonecipher. "Si je suis mieux à même de diagnostiquer un problème, j'ai plus de chances d'atteindre le point final de réussite. Nous saisissons maintenant tout ce que nous pouvons savoir... Je pense que ce logiciel vous aidera à faire le bon diagnostic mais aussi, en fin de compte, le bon traitement."

Résultats avec les lentilles intraoculaires

Un autre programme de développement en cours applique l'IA et l'apprentissage automatique aux résultats de la chirurgie de la cataracte et du cristallin réfractif. L'objectif est de fournir une médecine personnalisée basée sur un large pool de données avec des entrées et des conclusions objectives, a déclaré Mark Packer, MD, co-fondateur d'Oculotix, une start-up qui a pour objectif de développer l'IA pour atteindre l'objectif de la médecine personnalisée.

"Je fais des lentilles multifocales et haut de gamme depuis 25 ans, et ce n'est toujours pas parfait", a déclaré Packer. "Je ne peux pas garantir un patient heureux, mais je me sens plutôt bien avec mes résultats après tout ce temps. Mais je suis toujours humain. Ce qui s'est passé hier va avoir un impact sur ce que je ressens aujourd'hui. Si j'ai un patient qui est très mécontent et veut une lentille explantée demain, je pense que je vais probablement être plus prudent avant de recommander cette lentille à la prochaine personne qui viendra."

"Mais c'est un sophisme qui n'a pas vraiment de valeur parce que c'est juste mon expérience d'hier, pas mon expérience sur les 10 000 lentilles multifocales que j'ai implantées au cours des 25 dernières années. Ne serait-ce pas bien si j'avais un outil qui me donnerait un nouveau départ avec chaque patient, basé sur toutes les données, non seulement que j'ai générées, mais que vous tous avez générées... C'est ce que nous aimerions, arriver à sa médecine personnalisée [du patient] basée sur une un grand pool de données avec un ensemble plus objectif d'entrées et de conclusions plutôt que simplement basé sur ce qui m'est arrivé cette semaine."

Le concept derrière Oculotix est d'avoir un "assistant" qui prend l'optique de différentes lentilles intraoculaires (LIO) et utilise l'apprentissage automatique, basé sur les résultats des patients précédents, et suggère un résultat optimal pour un patient spécifique, a poursuivi Packer. La plate-forme intègre également les résultats postopératoires signalés par les patients via une application pour téléphone portable.

"Nous avons un moyen plus objectif d'intégrer les résultats rapportés par les patients dans la boucle de rétroaction pour nous aider à atteindre des niveaux plus élevés de satisfaction des patients", a-t-il déclaré.

Traitement du langage naturel

Les ophtalmologistes reconnaissent l'abréviation PNL comme "pas de perception de la lumière", mais dans le monde de l'IA, la PNL fait référence au traitement du langage naturel, a déclaré Gurpal Virdi, MD, stagiaire à l'Université du Missouri en Colombie, et fondateur et PDG d'EyeLabs AI, une société qui développe des solutions d'IA pour les soins oculaires.

"Le traitement du langage naturel est un sous-domaine de l'IA et de la linguistique qui aide les ordinateurs à comprendre, interpréter et générer un langage humain à la fois significatif et utile", a déclaré Virdi. "Cela peut être fait sous forme de mots parlés ou écrits."

En règle générale, la PNL est créée au moyen d'une architecture de réseau neuronal transformateur, un modèle d'apprentissage en profondeur qui peut générer et comprendre le langage humain. La technologie de pointe permet la saisie, l'analyse et l'interprétation de plus grandes quantités de texte, par rapport aux formes d'architecture antérieures et plus lentes qui traitaient le texte mot par mot. L'architecture Transformer peut être formée sur des données de texte volumineux et affinée pour des tâches NLP spécifiques, a déclaré Virdi.

Une variété de tâches PNL ont évolué. Une tâche courante est la reconnaissance d'entités, qui fait référence à l'identification et à la classification des noms, des dates, des médicaments, des procédures chirurgicales et des mots ou termes dans un corps de texte, comme des notes cliniques, a poursuivi Virdi. L'analyse des sentiments peut reconnaître le ton émotionnel dans le texte, en reconnaissant si le ton est positif, négatif ou neutre.

La reconnaissance vocale existe depuis des années. En ce qui concerne la PNL, la reconnaissance vocale comprenait non seulement la traduction des mots prononcés en texte, mais aussi l'interaction vocale avec les systèmes numériques. La PNL peut également effectuer des résumés textuels de longs documents et de grandes quantités de texte, tels que des notes chirurgicales ou des documents de recherche.

Plus récemment, la PNL a évolué pour inclure des chatbots et des agents conversationnels qui peuvent être formés pour aider les patients ayant des questions préopératoires et postopératoires et pour aider à la planification.

Dans le domaine de l'ophtalmologie, les transformateurs PNL peuvent être formés pour identifier des informations précieuses à partir de récits en texte libre, tels que des notes cliniques et opératoires et des abréviations, a poursuivi Virdi. La PNL peut être formée pour extraire des informations significatives à partir de données non structurées, par exemple, des termes clés et des modèles de langage. Les tâches courantes, telles que les demandes d'autorisation préalable, peuvent être automatisées à l'aide du NLP. La technologie peut également être formée pour identifier les déterminants sociaux de la santé, tels que "ne peut pas se payer des médicaments" dans les notes cliniques.

D'autres tâches encore dans le domaine de la PNL comprennent la planification chirurgicale, la synthèse des notes pour simplifier et contextualiser la terminologie afin d'améliorer la compréhension et de prévenir les erreurs, l'examen des notes pour les patients évalués pour les essais cliniques et le développement de scribes numériques spécifiques à l'ophtalmologie pour améliorer la documentation, réduire l'épuisement professionnel des médecins et augmenter la satisfaction des patients.

Les orientations futures de la PNL incluent une excellente opportunité de développer des grands modèles de langage (LLM) spécifiques à l'ophtalmologie pour remplacer les LLM open source actuels qui sont coûteux et non conformes à la HIPAA, a déclaré Virdi. La transformation de grandes quantités de données de dossiers de santé électroniques en LLM a le potentiel d'améliorer les soins aux patients et d'améliorer la recherche.

D'autres intervenants au cours de la session ont décrit l'utilisation de l'IA pour effectuer des calculs de puissance pour les LIO et choisir la meilleure formule de LIO pour n'importe quel œil, développer un cadre de guidage chirurgical, améliorer l'imagerie ophtalmique, effectuer un dépistage de la rétinopathie et prédire la conversion en dégénérescence maculaire néovasculaire liée à l'âge.

Charles Bankhead est rédacteur en chef pour l'oncologie et couvre également l'urologie, la dermatologie et l'ophtalmologie. Il a rejoint MedPage Today en 2007. Suivre

Divulgations

Stonecipher a révélé des relations avec Allergan, Kala Pharmaceuticals, Alcon Vision, Johnson & Johnson, Sun Pharmaceutical, Bausch & Lomb, Novartis, Mallinckrodt, Lensar et RxSight.

Packer a révélé des relations avec Lensar, Bausch & Lomb et Beaver-Visitec. Il est également directeur de Packer Research Associates.

Virdi est directeur chez EyeLabs.AI.

Source principale

Société américaine de cataracte et de chirurgie réfractive

Référence source : Stonecipher K "Modèles d'apprentissage automatique pour le diagnostic des yeux secs à l'aide de données cliniques réelles" ASCRS 2023 ; Journée numérique DOS.

Source secondaire

Société américaine de cataracte et de chirurgie réfractive

Référence source : Packer M "Prédire les résultats de la vision dans la chirurgie de la cataracte avec l'apprentissage automatique" ASCRS 2023 ; Journée numérique DOS.

Source supplémentaire

Société américaine de cataracte et de chirurgie réfractive

Référence source : Virdi G "Utilisation de l'IA ouverte et du traitement du langage naturel (PNL) pour le bilan et l'évaluation des maladies ophtalmiques" ASCRS 2023 ; DOS Digital Day.