Intelligence artificielle pour la détection du kératocône

Le kératocône reste difficile à diagnostiquer, surtout à ses débuts. C'est une maladie progressive de la cornée qui commence jeune. Le diagnostic repose sur l'examen clinique et l'imagerie cornéenne, mais aux premiers stades, en l'absence de signes cliniques, il dépend de l'interprétation de l'imagerie cornéenne par des spécialistes. L'utilisation de l'intelligence artificielle (IA) pour analyser les images cornéennes et détecter les cas de kératocône pourrait aider à prévenir la perte d'acuité visuelle et même la transplantation cornéenne.

Une revue systématique et méta-analyse a été réalisée, incluant des études transversales et cas-témoins évaluant l'IA pour le diagnostic du kératocône à partir de topographie et/ou tomographie cornéenne. La référence était l'interprétation des images par au moins deux spécialistes de la cornée. Les bases de données CENTRAL, Ovid MEDLINE, Ovid Embase, OpenGrey, ISRCTN registry, ClinicalTrials.gov, et WHO ICTRP ont été consultées.

Soixante-trois études ont été incluses. L'IA montre une sensibilité de 98,6% (intervalle de confiance (IC) à 95%: 97,6% à 99,1%) et une spécificité de 98,3% (IC 95%: 97,4% à 98,9%) pour la détection du kératocône manifeste. Pour le kératocône subclinique, la sensibilité est de 90,0% (IC 95%: 84,5% à 93,8%) et la spécificité de 95,5% (IC 95%: 91,9% à 97,5%). Le risque de biais et les préoccupations concernant l'applicabilité étaient élevés dans la plupart des études.

L'IA semble être un outil de triage prometteur en ophtalmologie pour le diagnostic du kératocône. La précision des tests était très élevée pour le kératocône manifeste et légèrement inférieure pour le kératocône subclinique, ce qui indique un risque plus élevé de passer à côté d'un diagnostic chez les personnes sans signes cliniques. Des conclusions claires et fiables ne peuvent être tirées en raison du risque élevé de biais et de l'hétérogénéité des résultats.