Sous La Direction Du Peking Union Medical College Eye Hospital, Cinq Centres D'ophtalmologie Travaillent Ensemble Pour Utiliser L'ia Afin D'aider À La Détection De 13 Types De Maladies Du Fond D'œil.

Il existe de nombreuses maladies différentes dans un petit espace comme nos yeux. À la fin de l’année dernière, Aikang Group et Yingtong Airdoc  Le « Livre bleu de la santé de quatre millions de personnes subissant des examens physiques », publié conjointement, montre que le taux total de détection des anomalies du fond d'œil a augmenté d'année en année ces dernières années, passant de 76,11 TP3T en 2019-2020 à 78,71 TP3T en 2022-2023. L’incidence des maladies du fond d’œil continue d’augmenter et est devenue la cause la plus fréquente de cécité irréversible dans le monde.

Étant donné que le diagnostic des maladies ophtalmiques dépend fortement de la reconnaissance d’images, l’ophtalmologie est très adaptée à l’application de technologies telles que l’apprentissage profond. Afin d'explorer davantage la valeur potentielle de l'apprentissage profond dans le diagnostic des maladies du fond d'œil,Sous la direction de Chen Youxin, directeur du département d'ophtalmologie du Peking Union Medical College Hospital, cinq centres d'ophtalmologie à travers le pays (département d'ophtalmologie du Peking Union Medical College Hospital, hôpital de Chine occidentale de l'université du Sichuan, deuxième hôpital de l'université médicale du Hebei, hôpital ophtalmologique de l'université médicale de Tianjin et hôpital ophtalmologique et d'optométrie de l'université médicale de Wenzhou), en collaboration avec Beijing Zhiyuan Huitu Technology Co., Ltd. et le professeur Li Xirong de l'école d'information de l'université Renmin de Chine, ont développé un système d'apprentissage profond (DLS) pour aider les ophtalmologistes juniors à améliorer la cohérence de leur diagnostic d'environ 12%, fournissant une nouvelle méthode pour la détection automatique de 13 maladies majeures du fond d'œil.

Points saillants de la recherche :
* Cette étude a été menée dans le cadre d’un essai clinique prospectif visant à évaluer la performance diagnostique du DLS pour aider les ophtalmologistes primaires à détecter 13 maladies majeures du fond d’œil.

* Après avoir utilisé DLS, la cohérence diagnostique des ophtalmologistes primaires s'est améliorée d'environ 12%
* Le DLS devrait être capable de détecter au moins une maladie existante, ce qui est cohérent avec l'intention initiale de définir un nouvel indicateur

Adresse du document :
https://doi.org/10.1038/s41746-023-00991-9
Suivez le compte officiel et répondez « DLS » pour obtenir le PDF complet

DLS : ouvrir de nouvelles perspectives pour le diagnostic des maladies du fond d'œil

Ensemble de données : collectez des images du fond d'œil pour garantir des résultats précis

Par rapport aux études précédentes, cette étude a recueilli davantage de données de photographie du fond d'œil en couleur, portant la quantité totale de données à 81 395 images (77 181 images dans l'ensemble d'entraînement, 1 087 images dans l'ensemble de validation et 3 127 images dans l'ensemble de test).

Composition du modèle : Deux modèles de recherche majeurs, processus de construction collaborative

Le DLS se compose de deux parties : un modèle d’évaluation de la qualité de l’image et un modèle de diagnostic. Le flux de travail est illustré dans la figure ci-dessous :

Le modèle d’évaluation de la qualité de l’image est un modèle de régression basé sur ResNet-34 CNN.En saisissant une seule image du fond d'œil, nous commençons par le modèle d'évaluation de la qualité de l'image pour déterminer si la qualité de l'image est adaptée au diagnostic. Si cela est approprié, le modèle de diagnostic générera une recommandation de diagnostic ; sinon, le système émettra une alarme indiquant que la qualité de l'image n'est pas adaptée au diagnostic, mais le système ne peut pas fournir de recommandation de diagnostic.

Le modèle de diagnostic des maladies du fond d'œil est une extension des travaux précédents, avec le modèle CNN seResNext50 comme structure principale.La couche entièrement connectée est conçue avec deux branches pour déterminer si une maladie est présente et quelle maladie spécifique est présente. Pour mieux stabiliser les résultats de prédiction, cette étude a formé 3 modèles seResNext50 parallèles avec fusion tardive.

Conception de la recherche : cinq grands hôpitaux travaillent ensemble pour garantir des résultats fiables avec de multiples facteurs

Cette étude a été menée dans cinq hôpitaux tertiaires, dont l'hôpital universitaire de médecine de l'Union de Pékin, l'hôpital de Chine occidentale de l'université du Sichuan, le deuxième hôpital de l'université médicale du Hebei, l'hôpital ophtalmologique de l'université médicale de Tianjin et l'hôpital ophtalmologique de l'université médicale de Wenzhou.D’août 2020 à janvier 2021, un total de 750 participants ont été sélectionnés de manière prospective, dont 748 ont terminé toutes les procédures. Les participants étaient tous des patients externes âgés de 18 à 75 ans, avec un âge moyen de 51,7 ans. Il y avait 152 cas de diabète (20,3%), 216 cas d'hypertension (28,9%) et 104 cas d'hyperlipidémie (13,9%). Parmi eux, il y avait 324 patients de sexe masculin (43,3%). Ils avaient tous bénéficié d’une imagerie du fond d’œil dans l’un des cinq hôpitaux, disposaient de dossiers médicaux complets et avaient subi des examens ophtalmologiques complets.

L'étude a invité six ophtalmologues (professeurs associés ayant au moins cinq ans d'expérience professionnelle) à annoter les images, et les résultats du diagnostic final décidés par leur discussion conjointe ont été utilisés comme norme de vérification finale. De plus, 9 ophtalmologues juniors (résidents ou médecins traitants ayant moins de 3 ans d’expérience) ont été formés et ont lu les images pour évaluation dans l’étude.

Après une période de sevrage d'une semaine, ils ont à nouveau annoté le même ensemble d'images, qui ont été réorganisées de manière aléatoire et étiquetées avec les étiquettes précédemment annotées par DLS pour former un groupe test. Dans le même temps, chaque ophtalmologue junior a été chargé d’annoter indépendamment une partie de l’ensemble de données en tant que groupe témoin. De plus, toutes les images du fond d'œil incluses ont été étiquetées comme groupe DLS par DLS.

Le sous-ensemble d'images qui ont pu être entièrement analysées pour cette étude comprenait 1 493 images, dont 477 (32,0%) fonds d'œil ont été marqués comme normaux sur la base des annotations et des discussions de 6 ophtalmologues seniors. 1 016 autres images (68,1%) ont été étiquetées avec des maladies, dont 1 386 (92,8%) ont été étiquetées avec une seule maladie, 78 (5,2%) ont été étiquetées avec deux maladies, 29 (1,9%) ont été étiquetées avec trois maladies, et un total de 251 (16,8%) images ont été étiquetées comme « autres anomalies ».

Les images du fond d'œil ont été obtenues par des techniciens qualifiés en utilisant les deux pupilles (non) dilatéesCaméra du fond d'œilL'échantillonnage a été réalisé à l'aide de procédures opérationnelles standard pour garantir la qualité de l'image pour l'annotation et la lecture ultérieures.

La sélection des maladies pour cette étude a été déterminée en fonction de leur prévalence et de leur menace pour la fonction visuelle, tout en tenant compte du potentiel clinique du dépistage à l’aide d’images du fond d’œil. Enfin, l’étude a sélectionné 13 maladies majeures du fond d’œil avec des critères diagnostiques standard, y compris la rétinopathie diabétique (RD) référençable,Occlusion veineuse rétinienne (OVR), occlusion de l'artère rétinienne (OAR), myopie pathologique, décollement de la rétine (DR),Rétinite pigmentaire primitive (RP), dégénérescence maculaire liée à l'âge (DMLA) atrophique et néovasculaire, membrane épirétinienne (MER), trou maculaire (MH),Choriorétinopathie séreuse centrale (CSC), suspicion de neuropathie optique glaucomateuse (GON) et d'atrophie optique, etc. Si l'image contenait des signes d'autres maladies non incluses dans les 13 maladies sélectionnées, elle était classée dans la catégorie « autres anomalies du fond d'œil ».

Résultats expérimentaux : le DLS peut détecter efficacement des maladies spécifiques du fond d'œil, mais il peut également affecter la précision du diagnostic

Par rapport au groupe témoin, les annotations de 888 images (59,4%) ont été modifiées pour les ophtalmologues juniors. Parmi elles, 801 images (53,5%) ont été modifiées sur la base des suggestions de l'IA. Bien que dans certains cas, les jeunes ophtalmologues aient changé par erreur la décision diagnostique correcte en une étiquette incorrecte sur la base des conseils du DLS, ils ont reçu beaucoup d'aide de sa part.

L’étude a indiqué qu’il s’agit du premier essai clinique à prouver que le DLS peut aider les ophtalmologues juniors à améliorer considérablement la cohérence diagnostique dans la détection d’une variété de maladies majeures du fond d’œil. Cela prouve également que le modèle de lecture d'images de dépistage multiple des maladies du fond d'œil assisté par DLS pour les ophtalmologues juniors est une méthode clinique efficace.

Dans cette étude,La sensibilité et la spécificité diagnostique globales de la maladie du DLS étaient respectivement de 96,6% et de 81,8%.Il peut détecter efficacement des maladies spécifiques du fond d'œil, détecter des anomalies du fond d'œil et aider à orienter les patients vers des investigations et des évaluations spécialisées. De plus, une spécificité élevée contribue à réduire les orientations inutiles et les coûts de santé.

Cette étude a mis en place trois groupes témoins, à savoir le groupe de lecture assistée par un médecin par IA (groupe expérimental), le groupe de lecture indépendant du médecin (groupe témoin) et le groupe de lecture par IA (groupe IA).

Les résultats ont montré que les taux de cohérence diagnostique du groupe expérimental, du groupe témoin et du groupe IA étaient respectivement de 84,9%, 72,9% et 85,5%, c'est-à-dire avec l'aide de l'IA,La capacité de lecture d’images et de diagnostic des jeunes médecins peut être améliorée d’environ 12%.Dans la présente étude, la concordance diagnostique entre le groupe expérimental et le groupe DLS était similaire, ce qui suggère que le DLS seul peut être suffisamment efficace. Il reste néanmoins crucial d’impliquer des médecins humains. Bien que le dépistage et l’identification des maladies basés sur l’IA soient largement utilisés dans la pratique clinique réelle, ils présentent également des risques tels que des erreurs de diagnostic.

De plus, dans cette étude, la sensibilité du groupe expérimental et du groupe témoin aux maladies du fond d'œil était comparable, et le groupe expérimental était significativement supérieur au groupe témoin, en particulier pour les maladies telles que la suspicion de GON, l'atrophie optique, la DMLA atrophique et le CSC. Ces résultats indiquent queLes ophtalmologues juniors sont capables de faire la distinction entre un fond d’œil anormal et normal, mais ils n’ont toujours pas la capacité de diagnostiquer des maladies spécifiques. Cette lacune peut être comblée avec l’aide du DLS, réduisant ainsi considérablement le taux de diagnostic manqué et réduisant également les limites du degré de spécialisation des ophtalmologues juniors dans le diagnostic des maladies du fond d’œil.

Cependant, la précision diagnostique du groupe témoin (60,5%) était supérieure à celle du groupe expérimental (44,2%). En examinant les annotations, l’étude a révélé que DLS a tendance à annoter davantage d’étiquettes pour une image, ce qui contribuera à réduire les diagnostics manqués par les ophtalmologues juniors, mais affectera également la précision du diagnostic.

De plus, cette étude présente encore certaines limites. Premièrement, bien que l’ensemble de données ait sélectionné des images réelles de maladies du fond d’œil, certaines catégories ne contenaient qu’un petit nombre d’images, ce qui peut avoir conduit à des résultats biaisés, et tous les participants étaient des patients chinois Han. Dans les travaux futurs, il sera nécessaire d’élargir davantage l’ensemble de données prospectives et d’enrichir les types de patients.

Deuxièmement, certaines des maladies sélectionnées pour cette étude nécessitent une collecte à partir de la zone rétinienne périphérique, ce qui dépasse le cadre des images du fond d’œil. Par conséquent, DLS ne peut pas les détecter au stade initial. L’étude a utilisé la photographie du fond d’œil en couleur à grand champ, ce qui peut résoudre ce problème dans une certaine mesure.

Troisièmement, étant donné que la capacité de diagnostic des ophtalmologues juniors a été grandement améliorée grâce au DLS, cette technologie peut également être utilisée comme scénario d'application à des fins éducatives, ce qui est également un sujet important qui doit être étudié et évalué de manière plus approfondie dans les travaux futurs.

Le professeur Chen Youxin est profondément engagé dans l'ophtalmologie et promeut l'application de l'IA

« À quel point le Peking Union Medical College Hospital est-il formidable ? » - Il s'agit d'un article actif sur une plateforme de médias sociaux chinoise, avec d'innombrables réponses utilisant des cas rares pour démontrer les superbes compétences médicales du Peking Union Medical College Hospital. En tant que « Centre ophtalmologique de Vienne de l'Est », le département d'ophtalmologie de l'hôpital Union est depuis longtemps actif au premier échelon de l'industrie. Son directeur actuel du département, Chen Youxin, peut être considéré comme un témoin et un créateur de l’histoire du développement de l’ophtalmologie en Chine.

En 1993, le Dr Chen Youxin, qui était nouveau dans le domaine de l'ophtalmologie, est arrivé à l'hôpital Union en tant que docteur en ophtalmologie sous la direction du professeur Zhang Chengfen. En 2001, le professeur Chen Youxin, qui étudiait aux États-Unis, a reçu un courriel du professeur Zhao Jialiang, alors président de la branche d'ophtalmologie de l'Association médicale chinoise, qui espérait qu'il pourrait retourner en Chine dès que possible pour aider à préparer la 8e Conférence académique nationale d'ophtalmologie l'année suivante. Après mûre réflexion,Chen Youxin a finalement mis fin à ses études plus tôt que prévu et a choisi de retourner en Chine pour créer la Conférence annuelle nationale d'ophtalmologie, une plateforme qui a ensuite aidé d'innombrables ophtalmologues chinois à élargir leurs horizons.

Le professeur Chen Youxin s’intéresse à l’ophtalmologie depuis longtemps. En 1982, le professeur Yannuzzi des États-Unis a signalé et nommé pour la première fois une maladie du fond d'œil lors d'une réunion de la Macular Society : la vasculopathie choroïdienne polypoïdale idiopathique (PCV). Au fur et à mesure que les recherches se sont approfondies, les chercheurs ont découvert que la maladie avait le taux d’incidence le plus élevé chez les Asiatiques, et la large base de population conduit également à un grand nombre de patients atteints de cette maladie dans mon pays. En 2017, la première « Alliance de recherche PCV » au sein de la communauté ophtalmologique chinoise a été créée, initiée par le professeur Chen Youxin.

Par la suite, le professeur Chen Youxin a pris l'initiative de collaborer avec plusieurs institutions nationales pour mener à bien l'étude START, qui est une étude en conditions réelles de l'injection ophtalmique de Conbercept dans le traitement du PCV. final,L'étude « Établissement et innovation théorique du système de diagnostic et de traitement de la vasculopathie choroïdienne polypoïdale » menée par l'équipe du professeur Chen Youxin a remporté le deuxième prix du Prix chinois des sciences et technologies médicales 2022.

aussi,Li Bing, le premier auteur de cet article, a étudié auprès du professeur Chen Youxin et du professeur Ye Junjie, ophtalmologue à l'hôpital universitaire de médecine de Pékin.Il est actuellement médecin résident au département d'ophtalmologie du Peking Union Medical College Hospital. Il a publié plus de 10 articles dans des revues scientifiques et chinoises de premier plan en tant que premier auteur, et a présenté des rapports lors de conférences universitaires telles que la National Ophthalmology Annual Meeting et la National Fundus Disease Meeting.

En matière d'identification assistée par l'IA des maladies du fond d'œil, l'hôpital ophtalmologique du Peking Union Medical College est à la pointe de la technologie. Dès 2021, le professeur Chen Youxin avait identifié avec succès de multiples maladies telles que l'occlusion veineuse, les lésions diabétiques et la dégénérescence maculaire grâce à l'intelligence artificielle, qui a également reçu un financement de 5 millions de yuans du Beijing Key Project.

À l'heure actuelle, le département d'ophtalmologie de l'hôpital Union a mené des recherches sur l'application de l'intelligence artificielle dans le dépistage des maladies ophtalmiques, la prédiction du traitement, la corrélation entre les maladies oculaires et systémiques, les lésions du fond d'œil multimodales et à grand angle et l'identification des lésions multi-maladies, et a été appliqué et promu dans de nombreux scénarios locaux, fournissant des idées et des solutions pour résoudre le problème de la difficulté et du coût élevé du traitement médical causé par le développement inégal des ressources médicales.

Selon le professeur Chen Youxin, tous les efforts visent à amener les ressources médicales au niveau local afin de fournir un meilleur diagnostic et un meilleur traitement aux patients éloignés des grandes villes. Avec le développement de technologies telles que l’intelligence artificielle, les efforts du professeur Chen Youxin ont commencé à porter leurs fruits. À l’avenir, il continuera à surmonter les difficultés et à continuer d’exercer la puissance de l’intelligence artificielle dans la pathogenèse, la pathogénèse, le diagnostic et le traitement des maladies connexes.

Références :
1.https://mp.weixin.qq.com/s/zctJN7Q7PYjsPypkStWcoA

2.https://mp.weixin.qq.com/s/LoXWmWVpYnrr1-vKBrpL6A

3.https://mp.weixin.qq.com/s/IFS5JWIyb_5mqfJccAQO2g

4.https://mp.weixin.qq.com/s/zxP9n_vGWNcH2rPW-dq37g

5.https://www.pumch.cn/detail/34540.html