Sensibilité élevée des IA pour le dépistage de la rétinopathie diabétique à haut risque, avec des variations selon les systèmes

Les systèmes d'analyse automatique d'images de la rétine par intelligence artificielle ont une sensibilité élevée pour dépister la rétinopathie diabétique à haut risque, avec toutefois des variations selon les systèmes, et pourraient donc avoir une utilité pour diminuer la charge de travail des spécialistes alors que le nombre de diabétiques augmente, montre une étude britannique publiée par le Lancet Digital Health.

Il y a outre-Manche un programme de dépistage de la rétinopathie diabétique, l'English NHS Diabetic Eye Screening Programme (DESP), dont l'objectif est de "diminuer le risque de perte de vision" et ainsi à long terme de "prévenir la cécité" dans la population diabétique.

Mais avec l'augmentation de la prévalence du diabète, ce sont désormais "plus de 12 millions d'images de rétines chaque année rien qu'en Angleterre" qui doivent être analysées par trois personnes pour chaque image (c'est un système à trois niveaux de lecture des images), expliquent Alicja Rudnicka de la City St George's University of London et ses collègues.

Automatiser cette activité aurait donc un intérêt majeur pour alléger l'activité de ces spécialistes, en permettant de faire un triage qui sélectionnerait les images de rétinopathie à haut risque nécessitant une analyse plus approfondie, avec un gain de temps et de coûts.

De tels systèmes d'analyse d'images de rétine ont été développés, mais leur efficacité doit être évaluée, notamment dans des populations diverses parce que ces systèmes entraînés sur des images d'une population ethniquement homogène pourraient être moins efficaces dans d'autres populations. De plus, la plupart des études jusqu'à présent ne se sont intéressées chacune qu'à une seule IA.

Les chercheurs du North East London Diabetic Eye Screening Programme ont voulu comparer les systèmes.

Parmi les 25 systèmes disponibles qui ont un marquage CE, ils ont pu en analyser huit, dont ils ont mesuré les performances. Cela a été fait sur 1,2 million d'images de rétine venant d'une "population multi-ethinique, d'âges variés et de niveaux sociaux variés".

De façon globale, selon les systèmes, la sensibilité allait de 83,7% à 98,7% pour la détection de la rétinopathie diabétique.

Les résultats étaient meilleurs pour les rétinopathies non proliférantes modérées à sévères, avec une sensibilité allant selon des systèmes de 96,7% à 99,8%, et pour les rétinopathies proliférantes de 95,8% à 99,5%.

Pour les rétinopathies légères à modérées - celles pour lesquelles les images n'auraient pas besoin ensuite d'être vues par un spécialiste - la sensibilité allait selon les systèmes de 79,5% à 98,3%.

Les performances étaient similaires quels que soient l'origine ethnique, le sexe et le niveau social. En revanche, elles étaient un peu moins bonnes chez les patients âgés, probablement en raison d'autres pathologies ophtalmologiques (par exemple la cataracte) qui diminuent la qualité des images, commentent les auteurs.

Mais la spécificité était moins bonne, avec pour conséquence que, selon les systèmes, le taux de faux positifs allait de 4,3% à 61,4%. Il y avait également des variations de taux de faux positifs avec un même système, selon les sous-groupes de patients.

Cela implique en pratique qu'un nombre important d'images sans rétinopathie devraient quand même être revues par des spécialistes parce que marquées positives par l'IA. Mais même un système imparfait permettant qu'une partie des images n'aient pas besoin d'être revues par des humains permettrait d'alléger la charge de travail, estiment les auteurs.

Ils notent par ailleurs que ces systèmes auraient une valeur prédictive négative élevée, supérieure à 96% pour tous les systèmes testés, permettant d'avoir une assurance élevée que les images négatives le sont bien.

Ils estiment qu'avec ces systèmes d'analyse automatique d'images de la rétine, les besoins d'analyse par des spécialistes pourraient être diminués de 80%.

D'après une dépêche publiée dans APMnews le 27 novembre 2025.