L’intelligence artificielle dans la chirurgie de la cataracte : Une revue systématique

CATARACT / DEEP LEARNING Bonn – L’objectif de cette étude menée par l’équipe autour de Robert P. Finger du service d’ophtalmologie à l’hôpital universitaire de Bonn, Allemagne, était d’évaluer l’utilisation actuelle et la fiabilité des algorithmes basés sur l’intelligence artificielle (IA) pour l’analyse des vidéos de chirurgie de la cataracte. À ces fins, une revue systématique de la littérature sur l’analyse per-opératoire des vidéos de chirurgie de la cataracte à l’aide de techniques d’apprentissage automatique a été réalisée. Les algorithmes de diagnostic et de détection de la cataracte ont été exclus. Les algorithmes obtenus ont été comparés, analysés de manière descriptive et les mesures ont été résumées ou rapportées visuellement. Le groupe de recherche a aussi évalué la reproductibilité et la fiabilité des méthodes et des résultats à l’aide d’une version modifiée de la liste de contrôle MICCAI (Medical Image Computing and Computer-Assisted). Trente-huit des 550 études présélectionnées ont été incluses dont 20 ont abordé le défi de la détection ou du suivi des instruments, neuf se sont concentrées sur la discrimination des phases et huit ont prédit les compétences et les complications. Ainsi la détection des instruments permet d’obtenir une aire sous la courbe caractéristique du récepteur (ROC AUC) comprise entre 0,976 et 0,998, le suivi des instruments une mAP comprise entre 0,685 et 0,929, la reconnaissance des phases un ROC AUC compris entre 0,773 et 0,990, et les complications ou les compétences chirurgicales un ROC AUC compris entre 0,570 et 0,970. Les études ont montré une grande variation dans la qualité et posent un défi quant à la réplication en raison d’un petit nombre d’ensembles de données publiques (aucun pour la chirurgie manuelle de la cataracte par petite incision) et d’un code source rarement publié. Il n’y a pas de norme pour les mesures de résultats rapportées et la validation des modèles sur des ensembles de données externes est rare, ce qui rend les comparaisons difficiles. Dans le numéro d’avril 2024 du journal scientifique TRANSLATIONAL VISION SCIENCE & TECHNOLOGY, les auteurs déclarent, que les données suggèrent un bon fonctionnement du suivi des instruments et la détection des phases, mais que la reconnaissance des compétences chirurgicales et des complications reste un challenge pour l’apprentissage profond. (um)

Auteurs : Müller S, Jain M, Sachdeva B, Shah PN, Holz FG, Finger RP, Murali K, Wintergerst MWM, Schultz T. Correspondance : Maximilian W. M. Wintergerst, University Hospital Bonn, Department of Ophthalmology, Venusberg-Campus 1, Bonn 53127, Germany. E-mail : maximilian.wintergerst@ukbonn.de Étude : Artificial Intelligence in Cataract Surgery: A Systematic Review. Source : Transl Vis Sci Technol. 2024 Apr 2;13(4):20. doi: 10.1167/tvst.13.4.20. PMID: 38618893; PMCID: PMC11033603. Web : https://tvst.arvojournals.org/article.aspx?articleid=2793570