Utilisation d’un outil d’intelligence artificielle (IA) pour présélectionner les participants potentiellement éligibles pour rétinopathie diabétique (RD) peut améliorer le taux d’inscription et l’efficacité des essais cliniques pour l’espace des maladies.
Dans de nouvelles données présentées à la Réunion annuelle 2022 de l’Académie américaine d’ophtalmologie (AAO) à Chicago cette semaine, les chercheurs ont observé une grande précision associée à un modèle d’IA mis en œuvre dans une stratégie à plusieurs niveaux pour le dépistage des essais cliniques de RD. L’ajout de l’IA aux stratégies de dépistage peut être bénéfique pour le coût et la main-d’œuvre des médecins et des patients à l’avenir.
Des enquêteurs de l’unité de recherche A-EYE et du centre de lecture du Wisconsin du département d’ophtalmologie de l’Université du Wisconsin, dirigés par Amitha Domalpally, MD, PhD, ont cherché à interpréter si une IA réglementée par la Food and Drug Administration (FDA) des États-Unis aide les spécialistes de la rétine dans le dépistage des critères d’inclusion des essais cliniques.
Comme ils l’ont noté, les critères de dépistage actuels des essais cliniques sur la RD garantissent que les patients obtiennent une note de 47 à 53 lettres ETDRS, ainsi qu’une note sur un protocole d’imagerie stéréoscopique à 7 champs. Cependant, les critères actuels sont imparfaits ; Le centre de lecture du Wisconsin reçoit à lui seul environ 50 % des dépistages échoués pour les essais cliniques sur la RD.
Domalpally et ses collègues ont utilisé un modèle d’IA pour filtrer tous les patients présentant des niveaux <47 ETDRS via le champ maculaire. Leur modèle d'IA a été formé avec 572 images de la rétine, puis validé avec 132 images stratifiées sur le spectre des cas de non-prolifération DR (NPDR). Les patients qui sont passés par le modèle d'IA étaient ensuite éligibles pour une confirmation d'examen par un évaluateur humain avant l'inscription à l'essai clinique DR. Les yeux éligibles avaient un NPDR modérément sévère ou sévère, selon les niveaux 47-53.
Parmi les 132 images de validation, les enquêteurs ont observé une précision du modèle de 86,4 %, avec une sensibilité de 0,77 et une spécificité de 0,89. Le taux de faux négatifs de 22,6 % a été expliqué comme étant dû à un déséquilibre de la pathologie des champs central et périphérique avec les autres champs périphériques.
Alors que l’équipe a souligné la nécessité d’améliorer le taux de faux négatifs – un véritable risque dans la détection de DR – elle a noté que l’algorithme d’IA montre la capacité de détecter les yeux avec des niveaux de DR <47 lettres ETDRS.
Ils espèrent maintenant valider en externe l’algorithme d’IA par le biais d’un essai clinique prospectif comparant son utilité en tant qu’outil de présélection à celle d’une approche de niveleuse humaine traditionnelle et solitaire.
“La présélection de l’IA pour les participants éligibles avant la confirmation de l’évaluateur peut réduire le taux d’échec du dépistage, créer une rentabilité et réduire la charge pour les participants et le personnel du site clinique”, a conclu l’équipe. “L’évaluation automatisée en temps réel de l’éligibilité potentielle pourrait améliorer l’inscription aux essais cliniques sur la RD.”
L’étude, « AI-Enabled Prescreening for DR Clinical Trials », a été présentée à l’AAO 2022.
