Efficacité du logiciel automatisé OphtAI dans le dépistage du glaucome
Abstract
Background: Primary open-angle glaucoma (POAG) accounts for 15% of blindness cases worldwide, ranking as the third leading cause of blindness according to the World Health Organization. Treatment involves lowering intraocular pressure to slow down optic nerve degradation and preserve visual field, thereby preventing blindness. Unfortunately, POAG often progresses asymptomatically and is frequently diagnosed late, highlighting the significant public health challenge of glaucoma screening, with a prevalence of up to 2.5% in the French population.
Objectives: This study aims to assess the efficacy of the artificial intelligence (AI) algorithm OphtAI in diagnosing glaucomatous optic disc compared to the gold standard, represented by clinical analysis of the optic nerve head by a specialist aided by multimodal imaging: retinography, Optical Coherence Tomography (OCT), and visual field testing.
Study Location: Sorbonne Saint-Michel Ophthalmological Center, Paris (private practice).
Methods: A retrospective analysis was conducted on 136 consecutive patient files examined between October and December 2023. Of these, 61 patients with POAG (cases) and 75 healthy patients matched by age (controls) were included. OphtAI results, derived from 45° non-mydriatic color retinography (NMR) using Quantel Crystalvue NFC-700, were compared to the gold standard determination of glaucomatous damage presence or absence by a glaucoma specialist using NMR, OCT, and visual field results. Sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV) of OphtAI were calculated.
Results: Analysis included 100 eyes of 61 glaucomatous patients (age: 62.4 years ± 11.3) and 127 eyes of 75 healthy patients (age: 59.4 years ± 11.5). OphtAI demonstrated a sensitivity of 66%, specificity of 76%, PPV of 88%, and NPV of 74% for diagnosing glaucomatous optic disc. Additionally, OphtAI performance varied based on glaucoma stage, with sensitivity at 47% for early glaucoma and reaching 80% from the moderate stage onwards.
Conclusion: In contrast to diabetic retinopathy, where tele-ophthalmology diagnostic consensus using color fundus photography is well-established and employed in practice, OphtAI's diagnosis of glaucoma, particularly in early stages, remains inadequate. Developing AI algorithms for glaucoma diagnosis is challenging due to the need for multimodal imaging analysis to confirm diagnosis.
Contexte : Le glaucome primitif à angle ouvert (GPAO) est responsable de 15% des cas de cécité dans le monde, ce qui représente, d’après l’Organisation Mondiale de la Santé, la 2e cause de cécité et la 1ère cause de cécité absolue. Sa prise en charge, suffisamment précoce, en abaissant la pression intraoculaire, premier facteur de risque de la neuropathie optique glaucomateuse, permet de contrôler et de freiner l’atteinte des cellules ganglionnaires et des fibres nerveuses rétiniennes. Malheureusement, cette affection insidieuse, longtemps asymptomatique, est souvent de diagnostic trop tardif. Le dépistage du glaucome, qui touche 2.5% de la population française, représente donc un important problème de santé publique.
Objectifs : Évaluer l‘efficacité de l’algorithme d’intelligence artificielle (IA) OphtAI, pour diagnostiquer une papille glaucomateuse, en comparaison au gold standard, représenté par l’analyse clinique de la tête du nerf optique par un spécialiste, assisté par des examens complémentaires (rétinographie, OCT, champ visuel).
Lieu de réalisation de l’étude : Centre Ophtalmologique Sorbonne Saint-Michel (COSS), Paris 5e (cabinet libéral).
Méthodes : Analyse rétrospective de 227 yeux de 136 sujets, 61 patients suivis pour un GPAO et 75 témoins sains examinés au COSS entre octobre et décembre 2023 :
Double analyse :
- D’une part, par l’ophtalmologiste expert en glaucome : détermination de la présence ou de l’absence d’une atteinte glaucomateuse à l’aide des résultats des examens complémentaires tels que la Rétinographie Non Mydriatique (RNM), l’OCT et le Champ Visuel (CV).
- D’autre part, l’analyse des résultats générés par OphtAI : diagnostic donné par l’algorithme appliqué à l’analyse d’une imagerie acquise par un rétinographe couleur non mydriatique 45° (Quantel Crystalvue NFC-700).
Comparaison des résultats obtenus par OphtAI, à l’analyse clinique, permettant de déterminer la sensibilité, la spécificité, les Valeurs Prédictives Positives (VPP) et les Valeurs Prédictives Négatives
(VPN) du logiciel d’analyse OphtAI.
Résultats : 100 yeux de 61 patients (62.4 ans ± 11.3) suivis pour un GPAO et 127 yeux de 75 témoins sains (59.4 ans ± 11.5) ont été analysés. La sensibilité d’OphtAI pour diagnostiquer une papille « glaucomateuse » était de 66%, la spécificité de 76%, la VPP de 68% et la VPN de 74%.
En outre, les performances d’OphtAI variaient selon le stade de glaucome. Pour les glaucomes débutants, la sensibilité n’était que de 47% alors qu’à partir du stade de glaucome modéré, la sensibilité était de 80%.
Conclusion : Contrairement à la rétinopathie diabétique (RD), pour laquelle un consensus diagnostique télé-ophtalmologique utilisant la photographie couleur du fond de l’œil est bien validé et accepté, le glaucome, surtout aux stades précoces, débutants, reste encore insuffisamment diagnostiqué par ce logiciel d’IA. Le développement d’algorithme d’IA, et leur utilisation en pratique clinique courante, pour le diagnostic d’une neuropathie optique glaucomateuse, surtout aux stades débutants, reste difficile compte tenu de la nature multimodale du diagnostic de cette affection cécitante.
Origin | Files produced by the author(s) |
---|