Comme chaque année, c’est avec grand plaisir que je vous présente une sélection d’articles illustrant les grandes nouveautés ou principales évolutions dans le domaine du glaucome. Comme dans de nombreux domaines de la médecine, les progrès des technologies numériques et informatiques bénéficient au domaine du glaucome. Des travaux montrent l’intérêt potentiel majeur des algorithmes d’intelligence artificielle pour le diagnostic et le suivi des glaucomes, et même dans un futur un peu plus lointain pour permettre un choix personnalisé des traitements adapté à chaque patient. C’est une illustration de ce qu’on appelle la médecine personnalisée et prédictive. De même, les nouvelles technologies numériques – éventuellement couplées à l’intelligence artificielle – favoriseront l’utilisation de la télémédecine pour le diagnostic et le suivi des glaucomes à distance.

Ces travaux sont importants car ils démontrent sans aucun doute qu’une partie de l’expertise humaine (examen clinique, interprétation d’examens complémentaires, choix thérapeutiques) pourra à court et moyen termes être remplacée par l’intelligence artificielle.

Intelligence artificielle et glaucome

L’intelligence artificielle peut être définie comme l’ensemble des techniques utilisables pour simuler l’intelligence, l’intelligence étant la faculté de comprendre, d’apprendre et de s’adapter à des situations nouvelles [1]. Le développement des capacités de traitement des données des ordinateurs (nombre d’opérations logiques réalisables par unité de temps) ainsi que des capacités de stockage de l’information ont permis le développement d’un ensemble de stratégies d’intelligence artificielle.

L’apprentissage automatique (machine learning) est l’utilisation de méthodes mathématiques et statistiques (régressions linéaires, régressions logistiques, arbres de décision, analyses bayésiennes…) pour donner aux ordinateurs la capacité d’apprendre à partir de données, c’est-à-dire d’améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. L’apprentissage automatique comporte généralement deux phases. La première consiste à estimer un modèle à partir d’un nombre fini de données lors de la phase de conception du système. Cette phase dite “d’apprentissage” ou “d’entraînement” est généralement réalisée préalablement à l’utilisation pratique du modèle. La seconde phase correspond à la mise en application[...]

Connectez-vous pour consulter l'article dans son intégralité.