SFO 2026 LIVE – Birdshot-WIDE : une base d’imagerie grand champ pour accélérer l’IA dans la choriorétinopathie de Birdshot
Présentation par le Dr Aliénor Vienne-Jumeau, MD, PhD, Ophthalmologist at Quinze-Vingts Hospital, Paris ; Clinical Investigation Centre 1423 DGOS-INSERM Quinze-Vingts Hospital ; Centre Borelli, UMR 9010
Samedi 9 mai 2026. La choriorétinopathie de Birdshot est une uvéite postérieure rare, chronique et potentiellement sévère, dont l’étude par intelligence artificielle reste freinée par l’absence de grandes bases d’images publiques et standardisées. Le projet Birdshot-WIDE répond à ce manque en constituant une base longitudinale d’imagerie ultra-grand champ, soigneusement annotée, associant des patients atteints de Birdshot à des témoins appariés sur l’âge et le sexe.
Alors que les bases d’imagerie ophtalmologique disponibles concernent surtout les pathologies fréquentes — rétinopathie diabétique, DMLA ou glaucome — les uvéites rares restent très peu représentées. Cette sous-représentation limite le développement d’algorithmes robustes, capables de reconnaître les phénotypes inflammatoires complexes et d’analyser leur évolution au cours du temps.
La cohorte Birdshot-WIDE repose sur les patients de la cohorte CO-BIRD
Après sélection, appariement démographique et contrôle qualité, la base finale comprend 742 yeux atteints de choriorétinopathie de Birdshot et 742 yeux contrôles, pour un total de 6 352 images ultra-grand champ acquises avec un champ de 200°. Les images Birdshot bénéficient d’un suivi médian de 4,31 ans, avec une durée pouvant atteindre 7,3 ans, ce qui en fait une ressource particulièrement précieuse pour l’étude longitudinale de la maladie.
Chaque image Birdshot a fait l’objet d’une revue manuelle de qualité et d’une annotation par des spécialistes de l’uvéite, avec classification du phénotype lésionnel dominant selon neuf catégories. Cette structuration permet non seulement d’entraîner des modèles de classification entre yeux Birdshot et témoins, mais aussi d’explorer la diversité clinique des lésions hypopigmentées, atrophiques ou évolutives observées au cours de la maladie.
Un premier benchmark d’intelligence artificielle a été réalisé à partir de réseaux de neurones convolutifs pré-entraînés sur ImageNet
Les performances obtenues sont encourageantes : ResNet50 atteint une AUC-ROC de 0,96 pour distinguer les images Birdshot des contrôles, tandis que DenseNet121 obtient le meilleur F1-score, à 0,93. Ces résultats confirment que les images ultra-grand champ contiennent un signal morphologique exploitable par l’IA pour reconnaître la choriorétinopathie de Birdshot.
Au-delà de la simple classification diagnostique, l’intérêt majeur de Birdshot-WIDE réside dans sa dimension longitudinale. La visualisation au cours du temps met en évidence des changements atrophiques progressifs et une redistribution des lésions hypopigmentées, ouvrant la voie à des modèles prédictifs de progression. À terme, ce type d’approche pourrait contribuer à mieux phénotyper les patients, anticiper l’évolution de la maladie et individualiser le suivi.
Birdshot-WIDE constitue ainsi la plus grande ressource d’imagerie grand champ dédiée à la choriorétinopathie de Birdshot
Sa mise à disposition contrôlée sur Zenodo, sous accord d’utilisation des données, s’inscrit dans une démarche d’open science et devrait favoriser le développement d’outils d’intelligence artificielle pour les uvéites rares. Ce travail illustre l’importance croissante des bases de données curées, annotées et longitudinales pour faire progresser la médecine personnalisée en rétine inflammatoire.
