Keenan TDL, Clemons TE, Domalpally A et al. Retinal specialist versus artificial intelligence detection of retinal fluid from OCT: age-related eye disease study 2: 10-year follow-on study. Ophthalmology, 2021;128:100-109.

Le rythme des traitements des formes exsudatives de la dégénérescence maculaire liée à l’âge (DMLA) est avant tout basé sur l’analyse des images d’OCT et la détection des signes d’activité néovasculaire, principalement représentés par la présence de fluides intrarétiniens (micro-logettes d’œdème) et de fluides sous-rétiniens (décollement séreux rétinien [DSR]).

En pratique, l’interprétation des images d’OCT est souvent rapide, conduisant à une décision de retraitement avec un rythme adapté à la reprise des signes d’activité néovasculaire ou au contraire à une surveillance simple. Pour certains auteurs, l’utilisation de l’OCT s’est révélée un peu décevante en pratique courante avec, pour la DMLA exsudative, des résultats de “vraie vie” souvent inférieurs à ceux des essais cliniques. Lors de ces essais, le seul élément permettant de guider les retraitements était pourtant la simple mesure de l’épaisseur rétinienne en OCT.

L’amélioration continue des systèmes d’OCT et de l’interprétation des images permet maintenant d’analyser de façon plus fine l’activité néovasculaire comme le pronostic. La présence de fluides intrarétiniens a par exemple un impact négatif sur l’évolution de l’acuité visuelle. La présence de fluides sous-rétiniens est au contraire associée à un pronostic visuel moins péjoratif et à un taux de progression plus faible vers l’atrophie géographique. D’autres marqueurs OCT ont été identifiés, en particulier pour affiner notre évaluation du pronostic visuel [1].

Par ailleurs, l’intelligence artificielle est récemment apparue comme un élément qui permettrait de tirer un meilleur parti des images d’OCT réalisées au quotidien. Dans l’étude publiée par Keenan et al., les auteurs ont repris les images OCT des participants de l’étude AREDS-2 [2] pour comparer les performances de rétinologues avec celles d’un logiciel d’analyse des images utilisant l’intelligence artificielle (NOA) afin de détecter et quantifier la présence de fluides intra- ou sous-rétiniens (fig. 1). Les images des patients de l’étude AREDS-2 recrutés entre 2006 et 2008 avaient été analysées par un centre de lecture et le résultat de ce grading a été considéré comme le standard, auquel la nouvelle analyse par les rétinologues et le logiciel a été comparée. Un total de 1 127 yeux de 651 participants de l’étude a été repris et les images d’OCT ont été évaluées séparément pour la présence/l’absence de liquides intra- et sous-rétiniens.

Le module Notal[...]

Connectez-vous pour consulter l'article dans son intégralité.