Brève 1 : OCT et âge biologique du patient : vers une horloge rétinienne multimodale ?

Ludwig CA, Salvi A, Mesfin Y et al. A multimodal retinal aging clock for biological age prediction and systemic health assessment via OCT and fundus imaging.Sci Rep, 2026. Epub, ahead of print..

Il y a un peu plus d’une trentaine d’années, à Lille, dans la salle de réunion du service d’ophtalmologie, nous avions des séances d’interprétation d’angiographie. Avec les autres internes, nous étions régulièrement épatés de voir arriver le Pr Turut et de l’entendre estimer l’âge d’un patient simplement à partir des clichés du fond d’œil avant même que le cas clinique ne soit présenté. Cette capacité relevait à l’époque d’une intuition basée sur une longue expérience clinique mais pour nous, internes, cela s’apparentait à de la divination ! Aujourd’hui, l’étude publiée par Ludwig et al. dans Scientific Reports suggère que cette intuition clinique peut être formalisée, quantifiée et automatisée grâce à l’intelligence artificielle (IA) appliquée à l’imagerie rétinienne multimodale.

Le concept d’âge biologique, distinct de l’âge chronologique, vise à refléter l’état réel de vieillissement des tissus et des organes, et s’avère plus étroitement lié au risque de morbidité et de mortalité que l’âge civil. Plusieurs “horloges biologiques” ont été développées à partir de données génomiques, épigénétiques ou radiologiques [1, 2]. Dans ce contexte, l’œil apparaît comme un candidat particulièrement pertinent : tissu neurovasculaire accessible, riche en informations structurelles, et sensible aux effets du vieillissement systémique. L’imagerie rétinienne pourrait ainsi servir de marqueur intégré de la santé globale [3, 4].

L’étude de Ludwig et al. propose précisément une horloge de vieillissement rétinien multimodale, reposant sur l’analyse combinée de photographies couleur du fond d’œil et d’OCT (tomographie par cohérence optique) structurels. Les auteurs ont exploité une vaste base de données comprenant plus de 12 000 photographies rétiniennes et près de 8 000 examens OCT issus d’environ 2 500 patients. Des modèles d’apprentissage profond ont été entraînés afin de prédire l’âge du patient à partir des images, puis de comparer cet âge “prédit” à l’âge chronologique et à des indicateurs de santé systémique (indice de comorbidité de Charlson).

Deux approches méthodologiques ont été développées. Dans un premier temps, les modèles[...]

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