Mai J, Lachinov D, Riedl S et al. Clinical validation for automated geographic atrophy monitoring on OCT under complement inhibitory treatment. Sci Rep, 2023;13:7028.

Depuis plusieurs années, l’équipe du Pr Ursula Schmidt-Erfurth à Vienne, en Autriche, a développé un service d’analyse des images (Ophthalmic Image Analysis, OPTIMA) associé à un laboratoire élaborant des applications de l’intelligence artificielle pour la rétine (CD AIR) [1]. Une série de publications montre les possibilités d’utilisation de l’intelligence artificielle (AI) pour optimiser et même automatiser l’analyse des images d’OCT des patients avec différentes formes de la dégénérescence maculaire liée à l’âge (DMLA) [2-4].

L’avènement de nouveaux traitements permettant une prise en charge de l’atrophie géographique (AG) va mécaniquement majorer le nombre des patients nécessitant une analyse des images. Actuellement, l’évaluation de l’AG se fait “manuellement” par des experts en imagerie rétinienne. Le processus peut être relativement long et surtout sujet à une certaine variabilité d’interprétation entre différents experts. L’utilisation de méthodes automatisées basées sur l’intelligence artificielle et l’apprentissage automatique offre de nouvelles perspectives. Dans cet article publié fin avril, les chercheurs de l’université de Vienne montrent l’intérêt d’un algorithme spécifique basé sur les images d’OCT pour détecter, quantifier et suivre les lésions d’atrophie géographique (fig. 1).

Pour mémoire, l’essai clinique de phase II FILLY (NCT02503332), évaluant l’inhibiteur du complément C3 pegcetacoplan, avait montré une diminution significative du taux de croissance de l’AG chez les patients traités par rapport aux patients sham au bout d’un an. Après l’essai FILLY, deux études de phase III, DERBY (NCT03525600) et OAKS (NCT03525613), ont confirmé ces résultats, permettant l’agrément du pegcetacoplan pour le traitement de l’atrophie géographique.

L’algorithme développé par l’équipe de Vienne permet de segmenter une zone topographique 2D de l’AG sur la base d’un volume d’OCT en 3D. La comparaison des images au cours du temps permet d’évaluer la progression de l’AG. La validation interne de l’algorithme a été réalisée à partir des images de 100 patients atteints d’AG et recevant des soins habituels à l’Université médicale de Vienne. La validation externe a été réalisée avec les images de 113 patients de l’essai clinique FILLY.

Les coefficients de similarité de Dice (DSC) moyens étaient de 0,86 ± 0,12 et de 0,91 ± 0,05 pour la surface totale de l’AG lors des validations interne et externe, respectivement. Le DSC moyen pour la zone de croissance de l’AG au 12e mois sur[...]

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