Des chercheurs sino-britanniques ont publié les résultats d’un essai clinique sur « Reti-Pioneer », un algorithme d’intelligence artificielle capable de dépister six maladies endocriniennes et métaboliques à partir d’une simple photographie de la rétine. Avec des performances inégales mais un gain de temps considérable par rapport aux analyses de laboratoire, le système de triage automatisé pourrait trouver sa place en soins primaires.
Repérer simultanément six pathologies métaboliques à partir d’une unique photographie de la rétine : tel est l’objectif de Reti-Pioneer, un algorithme d’intelligence artificielle dont les résultats d’essai clinique sont publiés dans Nature Medicine. Développé par une équipe de chercheurs chinois et britanniques, le système cible le diabète de type 2, l’hypertension, l’hyperlipidémie, la goutte, l’ostéoporose et les maladies thyroïdiennes. L’étude s’inscrit dans le sillage de l’oculomique, discipline émergente qui considère l’œil comme une fenêtre ouverte sur l’état de santé général d’un individu.
Entraîné sur plus de 107 000 images rétiniennes issues de la « UK Biobank » et de plusieurs hôpitaux chinois, soit environ 54 000 personnes, Reti-Pioneer combine trois modèles visuels de fondation pré-entraînés à un module d’imagerie sensible à la qualité. L’architecture retenue permet de traiter des clichés imparfaits, y compris ceux réalisés dans des environnements aux ressources limitées où l’équipement photographique n’atteint pas les standards des centres experts.
Des performances inégales selon les affections
L’essai clinique prospectif, mené auprès de 606 participants, a livré des résultats contrastés. Les meilleures performances ont été enregistrées pour le dépistage de l’ostéoporose, avec une aire sous la courbe ROC (AUROC) de 0,877, et pour l’hypertension, avec un score de 0,843. Le diabète de type 2 obtient un résultat plus modeste (0,776), tandis que les maladies thyroïdiennes affichent une performance nettement inférieure (0,646).
Un second essai, conduit en mode silencieux auprès de 1 017 patients en soins primaires, a démontré un atout logistique de taille : les résultats étaient disponibles en environ trente secondes, alors que les protocoles standards de laboratoire exigent près de huit heures pour aboutir aux mêmes conclusions.
Un créneau scientifique en effervescence
La publication intervient dans un moment d’intense activité autour de l’analyse rétinienne par intelligence artificielle. Le laboratoire de l’université Tohoku, au Japon, a présenté un modèle entraîné sur plus de 50 000 images du fond d’œil, capable d’estimer un « âge rétinien », indicateur de vieillissement biologique associé à un risque accru de diabète et de maladies cardiovasculaires.
À Montréal, l’École de technologie supérieure et l’entreprise DIAGNOS ont annoncé en avril la création d’une chaire de recherche visant à élargir le dépistage rétinien par IA à plus d’une centaine de maladies, incluant des pathologies neurologiques et cardiovasculaires. En mars, lors du congrès de l’American College of Cardiology, des chercheurs de Stanford ont présenté les résultats d’un essai prospectif multicentrique montrant que l’analyse automatisée d’images rétiniennes permettait d’identifier les patients à haut risque cardiovasculaire athérosclérotique avec une sensibilité et une spécificité satisfaisantes, en trente à soixante secondes.
Triage plutôt que diagnostic autonome
Malgré un tel engouement, plusieurs spécialistes invitent à la prudence. Le rôle le plus crédible de Reti-Pioneer à court terme relève du triage et de la stratification des risques, et non du diagnostic autonome. Les performances de l’algorithme se sont d’ailleurs révélées nettement inférieures lorsqu’il a été testé sur la cohorte multiethnique SEED de Singapour : l’AUROC pour le diabète de type 2 y chutait à 0,686, contre 0,776 dans la cohorte d’origine. Les chercheurs reconnaissent qu’un déploiement dans de nouvelles populations exigera une validation locale systématique.
La question centrale, soulignent plusieurs analystes, demeure sans réponse : de tels outils améliorent-ils véritablement l’état de santé des patients grâce à un repérage et une prise en charge plus précoces, ou se contentent-ils de signaler un risque plus rapidement qu’une analyse sanguine ?
