Au cours des quinze dernières années, nous avons développé des outils de deep learning pour l'ophtalmologie. Actuellement, la concurrence internationale sur l'IA en ophtalmologie est féroce : elle concerne principalement le dépistage de la rétinopathie diabétique (RD), ainsi que l'évaluation de la dégénérescence maculaire liée à l'âge (DMLA) et du glaucome, à l'aide de la photographie du fond d'œil ou de la tomographie par cohérence optique (OCT). Nous proposons des solutions de dépistage et de diagnostic automatiques pour chacune de ces pathologies, avec divers avantages par rapport à la concurrence. En particulier, les algorithmes d'IA sont souvent critiqués comme étant des « boîtes noires » qui peuvent incorporer des biais inconnus ou fonder des décisions sur des informations non pertinentes. Pour remédier à cette limitation, nous avons proposé "l'exploration d'images en profondeur", un cadre d'IA où nous montrons exactement quels pixels l'IA analyse dans une image pour établir un diagnostic. Il s'avère que l'IA examine exactement les mêmes pixels que les cliniciens. En pratique, tout en fournissant un diagnostic automatique, notre IA peut fournir une segmentation très précise de toutes les lésions liées à la pathologie en tant que sous-produit : cela devrait augmenter la confiance dans le dépistage basé sur l'IA. Ces développements ont abouti à la solution commerciale OphtAI (www.ophtai.com). Nos derniers développements en matière de dépistage des pathologies rétiniennes incluent la détection précise de plus de 30 pathologies et signes pathologiques, ce qui devrait accroître encore l'adoption du dépistage automatique.
Les travaux sur l'IA au LaTIM sont allés au-delà du dépistage de la pathologie rétinienne. Un axe de recherche consiste à étudier le suivi et le pronostic des pathologies et des symptômes oculaires. Par exemple, LaTIM conçoit des outils d'IA pour surveiller finement la sécheresse oculaire à l'aide de vidéos à la lampe à fente au cours d'un traitement : ces outils seront appliqués à l'évaluation des traitements du syndrome de Sjögren dans le projet NECESSITY financé par l'UE. En ce qui concerne le pronostic, nous avons étudié avec succès la prédiction de la croissance de l'atrophie géographique chez les patients atteints de DMLA par exemple. Les techniques de visualisation comme le deep image mining ou le t-SNE sont particulièrement utiles dans ce contexte : elles permettent d'extraire de nouveaux biomarqueurs et de nouvelles connaissances. Récemment, le gouvernement français a accordé une importante subvention au projet EviRed, dans lequel LaTIM concevra des outils d'IA pour prédire la progression vers une DR avancée, en utilisant des techniques d'imagerie de pointe comme l'OCTA, revisitant ainsi la classification DR de 1968.
Un autre axe de recherche en IA au LaTIM est l'analyse automatique des vidéos du segment antérieur. Outre les développements récents sur l'évaluation de la sécheresse oculaire, nous travaillons depuis de nombreuses années sur le suivi automatique des vidéos chirurgicales. La chirurgie de la cataracte a été notre première application, mais les solutions proposées peuvent s'appliquer à tout type de chirurgie. Nous pensons que les recommandations automatiques aux chirurgiens sont une autre application future prometteuse de l'IA en ophtalmologie. Parmi les applications envisagées, « enseigner sans l'enseignant » est probablement la première qui émergera. Que ce soit dans les simulateurs de chirurgie, pour la formation initiale, ou lors de chirurgies réelles, pour la formation continue, ces outils devraient réduire la charge pédagogique des chirurgiens expérimentés et améliorer les compétences chirurgicales.