Utilisation du deep learning pour classer les trous maculaires et prédire l’état post-opératoire

SURGICAL RETINA Guangzhou – Yu Xiao et al ont conclu, dans une étude parue sur le site internet du magazine scientifique British Journal of Ophthalmology en Août 2021, que le deep learning (DL) pouvait classifier précisément l’étiologie du trou maculaire (TM) et prédire son état après vitrectomie et pelage de la membrane limitante interne (VPMLI). L’objectif des auteurs était de développer un modèle d’apprentissage profond (deep learning) pour classer l’étiologie des TM (idiopathiques ou secondaires) et un modèle de classification multimodal par réseaux (multimodal deep fusion network, MDFN) pour prédire l’état du TM 1 mois après la VPMLI. Ils ont mené une étude de cohorte multicentrique rétrospective sur un total de 330 yeux avec 1082 images OCT et 3300 données cliniques de 4 centres ophtalmologiques pour entraîner, valider et tester les modèles DL et MDFN. 266 yeux de 3 centres ont été randomisés pour 80% dans le groupe d’entrainement et 20 % dans le groupe de validation, 64 yeux du 4ème centre ont été inclus. Tous les yeux ont subi un OCT au départ et 1 mois après VPMLI. L’aire sous la courbe (AUC), la précision, la spécificité et la sensibilité du modèle de classification étiologique du TM étaient au départ de 0,965, 0,950, 0,870 et 0,938 respectivement. Ces données en post-opératoire pour prédire le statut du TM étaient de 0,904, 0,825, 0,977 et 0,766, respectivement. En ce qui concerne le modèle de prédiction de l’état post-opératoire du TM idiopathique, les résultats étaient de 0,947, 0,875, 0,815 et 0,979, respectivement. L’équipe menée par Yu Xiao a conclu que leurs modèles basés sur le DL permettaient de classifier précisément l’étiologie du TM et prédire son état après VPMLI. Les auteurs pensent que ces modèles peuvent aider les ophtalmologistes à diagnostiquer et planifier chirurgicalement les TM. (sk)

Auteurs : Yu Xiao, Yijun Hu, Wuxiu Quan, Yahan Yang, Weiyi Lai, Xun Wang, Xiayin Zhang, Bin Zhang, Yuqing Wu, Qiaowei Wu, Baoyi Liu, Xiaomin Zeng, Zhanjie Lin, Ying Fang, Yu Hu, Songfu Feng, Ling Yuan, Hongmin Cai, Tao Li, Haotian Lin, Honghua Yu, Correspondance : Professor Haotian Lin, State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangzhou, China; gddlht@aliyun.com; Professor Honghua Yu, Guangdong Eye Institute, Department of Ophthalmology, Guangdong Provincial People’s Hospital, Guangdong Academy of Medical Sciences, Guangzhou, China; yuhonghua@gdph.org.cn; Professor Tao Li, State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangzhou, China; litao2@mail.sysu.edu.cn, Etude : Development and validation of a deep learning system to classify aetiology and predict anatomical outcomes of macular hole, Source : Br J Ophthalmol. 2021 Aug 4;bjophthalmol-2021-318844. doi: 10.1136/bjophthalmol-2021-318844. Online ahead of print, Web : https://bjo.bmj.com/content/early/2021/08/03/bjophthalmol-2021-318844.long