IA, biomarqueurs et diabète : ce qu’il ne fallait pas manquer
À côté des grandes innovations thérapeutiques, une autre révolution est en cours : la capacité de la rétine à devenir un biomarqueur global — oculaire ET systémique. Voici une sélection personnelle de posters à fort impact clinique.
Par le Dr Isabelle Aknin, présidente de l’ARMD, en direct de Denver, ARVO 2026
L’âge rétinien par IA : un biomarqueur de gravité… et de mortalité
📌 Poster PB0047
Abhishek Vyas (Patiala, Inde) et al.
Un modèle d’intelligence artificielle prédit l’“âge de la rétine” à partir d’une simple photo du fond d’œil, avec une précision remarquable (±2,1 ans)
Résultats :
- Plus la rétinopathie diabétique (DR) est sévère → plus l’âge rétinien est élevé
- DR proliférante : +5,9 ans d’âge rétinien
- Si âge rétinien > âge réel → risque de mortalité ×2,18
Donc on peut
- Transformer un fond d’œil en outil de stratification du risque global
- Identifier les patients “fragiles” au-delà de la seule DR
- Ouvrir la voie à une médecine préventive intégrée
Peut-on prédire les bons et mauvais répondeurs aux anti-VEGF ?
📌 Poster PB0049
Yi-Ting Hsieh (Taipei, Taïwan)
Analyse des biomarqueurs choroïdiens en OCT chez des patients atteints d’OMD en particulier l’indice de vascularisation choroïdale (CVI)
Résultats :
- CVI élevé → vision initiale plus basse
- CVI élevé → réponse visuelle plus faible à 3–6 mois
=> Le CVI pourrait devenir un outil simple pour anticiper la réponse dès l’inclusion
On peut donc
- Adapter plus tôt la stratégie thérapeutique
- Vers une personnalisation réelle du traitement de l’OMD
Quelle IA choisir pour dépister la rétinopathie diabétique ?
📌 Poster PB0051
Mitchell Kerr (San Diego, États-Unis) et al.
Comparaison de deux modèles d’IA :
- FLAIR (entraîné sur images rétiniennes)
- DINOv2 (modèle généraliste, mais qu’ils ont entraîné)
Résultats :
- FLAIR : sensibilité 93%, spécificité 90%
- DINOv2 : sensibilité de 86,39 % spécificité de 81,82 %
Donc on conclut que
- Toutes les IA ne se valent pas
- Nécessité de validation selon la population étudiée
- Impact direct sur les programmes de dépistage à grande échelle
Message clé :
=> Une IA entraînée sur des données rétiniennes est supérieure
=> Validation locale indispensable avant implémentation
La rétinopathie… avant le diabète ?
📌 Poster PB0053
Michael Drakopoulos (Chicago, États-Unis)
Étude sur les patients prédiabétiques.
🔍 Résultats :
- Baisse de la sensibilité au contraste
- Associée à un amincissement des photorécepteurs
- Indépendante de l’HbA1c
Cela soulève des questions :
- Atteinte rétinienne avant les critères biologiques classiques
- Limites du HbA1c seul pour évaluer l’impact du pré-diabète
- Intérêt d’un dépistage fonctionnel précoce
Dysfonction neurovasculaire avant la RD visible
📌 Poster PB0046
Amithavikram Hathibelagal (Hyderabad, Inde) et al.
Étude chez des patients diabétiques sans rétinopathie visible.
Résultats :
- Anomalies OCTA précoces
- Altération de la vision des couleurs (bleu-jaune)
- Corrélation structure-fonction: il y a une relation entre les seuils de vision des couleurs, en particulier le jaune-bleu et les paramètres de perfusion vasculaire dans la rétine.
Donc
- Détection très précoce de la maladie
- Complémentarité OCTA + tests fonctionnels
- Potentiel pour un dépistage ultra-précoce
La RD commence avant d’être visible donc on a un intérêt du dépistage fonctionnel précoce
Prédire la progression de la RD à 5 ans grâce à l’OCTA
📌 Poster PB0045
Ariadna Toha Dalmau (Barcelone, Espagne) et al.
Modèles de deep learning appliqués à l’OCTA pour prédire l’évolution de la RD.
Résultats :
- AUC ≈ 82% (vous savez, l’aire sous la courbe, qui reflète la fiabilité : entre 0,8 et 0,9, c’est bon ; au-dessus de 0,9, c’est excellent), donc 82% de chances que le modèle classe correctement un patient qui va s’aggraver versus un patient stable. Par contre, ça ne dit pas combien de faux positif et de faux négatifs… pas à utiliser seul en pratique. Ça peut tomber à 0.70 en vraie vie si la population est différente de celle étudiée dans le poster. NB: ce que montre le poster précédent de Mitchel Kerr. Bref il faut toujours compléter par la sensibilité (pour ne pas rater de malades) et la spécificité (pour éviter les feux positifs)
- Capacité à prédire aggravation ou stabilité
Donc on va prochainement passer
- d’une médecine réactive à une médecine prédictive
- Identifier les patients à haut risque d’évolution
- Adapter le suivi et les traitements en amont
OCTA et « radiomique » : vers une lecture systémique de la rétine
📌 Poster PB0044
Javier Zarranz-Ventura (Barcelone, Espagne) et al.
Analyse de la taille des scans OCTA dans la prédiction du risque diabétique et cardiovasculaire.
Résultats :
- OCTA 3×3 mm → meilleur pour RD
- OCTA 8×8 mm → meilleur pour risque cardiovasculaire
On retient que
- Le choix du protocole d’imagerie influence la qualité du diagnostic
- Nécessité de standardisation
- La rétine devient encore plus un biomarqueur cardiovasculaire
Ce qu’il faut retenir de la session de ce premier jour
La rétine n’est plus seulement un organe à observer
Elle devient :
=> un biomarqueur systémique (mortalité, risque cardiovasculaire)
=> un outil prédictif (réponse traitement, progression)
=> un terrain d’innovation IA
Conclusion
Nous entrons dans une nouvelle ère :
- celle où l’imagerie rétinienne ne décrit plus seulement la maladie…
- mais anticipe son avenir.
