Des chercheurs ont développé un modèle de prédiction basé sur quatre ans de données de dépistage scolaire pour identifier les enfants à haut risque de myopie avant l’apparition de la maladie. Selon une étude publiée dans BMC Public Health, cet outil permettrait de réduire les interventions préventives inutiles de 49,3 % tout en ciblant les patients prioritaires.
L’impact de la longueur axiale sur la détection précoce
L’intelligence artificielle et le diagnostic par imagerie
L’intégration de l’IA transforme le dépistage, passant de simples tests de vue à l’analyse de données massives. Des modèles de deep learning analysent désormais des photographies du fond d’œil et des images de tomographie en cohérence optique (OCT) pour détecter des changements subtils de couleur et de motif rétiniens.
L’influence critique de l’alimentation et des habitudes
Au-delà de la génétique, des facteurs nutritionnels émergent comme des variables protectrices ou aggravantes.
Les résultats indiquent une corrélation inverse entre la consommation d'acides gras oméga-3 et le risque de myopie.
À l’inverse, un apport élevé en graisses saturées (beurre, huile de palme, viande rouge) semble augmenter le risque.
Une urgence de santé publique
La progression de la myopie atteint des niveaux critiques. Le risque majeur réside dans la « haute myopie » (erreur réfractive ≤ -5,00 ou ≤ -6,00 dioptries, ou longueur axiale ≥ 26,0 mm). Cette condition augmente drastiquement les risques de complications graves :
- Détachement de la rétine
- Glaucome
- Maculopathie myopique
- Névovascularisation choroïdienne
Bien que les modèles d’IA et les recommandations nutritionnelles offrent des pistes prometteuses, la complexité des interactions entre génétique et environnement nécessite des études à plus grande échelle pour valider ces outils dans diverses régions géographiques. Consultez votre professionnel de santé pour tout diagnostic ou suivi ophtalmologique.
Find more reporting in our Santé section.