DEEP LEARNING London – Timothy H. M. Fung et al ont estimé, dans une étude parue dans le magazine scientifique Graefe’s Archive for Clinical and Experimental Ophthalmology en Octobre 2022, qu’un modèle d’apprentissage profond était capable de prédire précisément le résultat anatomique du décollement de rétine rhegmatogène (DRR). 6661 images de DR traités par vitrectomie et tamponnade interne ont été collectées à partir de la base de données British and Eire Association of Vitreoretinal Surgeons. Chaque image a été classée comme réussite ou échec de la chirurgie primaire. Le modèle d’apprentissage profond a été capable de prédire les résultats anatomiques de la chirurgie de DRR avec une aire sous la courbe de 0,94, qui correspond à une sensibilité de 73,3% et une spécificité de 96%. L’équipe britannique a conclu que le modèle d’apprentissage profond était capable de prédire avec précision le résultat anatomique de la chirurgie de DRR. Les auteurs précisent que le modèle totalement automatisé pourrait avoir une application dans les soins chirurgicaux des patients avec DRR. (sk)
Auteurs : Timothy H. M. Fung, Neville C. R. A. John, Jean-Yves Guillemaut, David Yorston, David Frohlich, David H. W. Steel & Tom H. Williamson on behalf of the BEAVRS Retinal Detachment Outcomes Group, Correspondance : Guy’s and St Thomas‘ NHS Foundation Trust, London, UK. timothyfung@doctors.org.uk, Etude : Artificial intelligence using deep learning to predict the anatomical outcome of rhegmatogenous retinal detachment surgery: a pilot study, Source : Graefes Arch Clin Exp Ophthalmol. 2022 Oct 28. doi: 10.1007/s00417-022-05884-3. Online ahead of print, Web : https://link.springer.com/article/10.1007/s00417-022-05884-3
