D’après la communication de Pearse Keane, Moorfields Eye Hospital et UCL.
Par le Dr Isabelle Aknin, présidente de l’ARMD
On nous montre depuis des années des algorithmes capables de reconnaître une DMLA. Très bien. Mais au cabinet, notre question est plus terre à terre : qui faut-il adresser rapidement, qui risque de progresser, et comment surveiller nos patients entre deux injections ?
Pearse Keane propose un panorama de l’IA dans la DMLA néovasculaire, du dépistage à la prédiction, avec un fil conducteur : faire entrer les outils dans le parcours de soins.
Repérer et orienter les patients
Sur les photographies du fond d’œil, l’IA peut classer la DMLA. Sur l’OCT, elle peut aller plus loin : segmenter les anomalies, puis proposer un niveau d’urgence pour l’orientation.
Pearse Keane rappelle les travaux Moorfields–DeepMind publiés dans Nature Medicine en 2018 : un premier réseau analyse les structures et les lésions ; un second utilise cette analyse pour proposer une orientation. L’intérêt envisagé est notamment le dépistage en optométrie de proximité et en ophtalmologie générale.
Quantifier ce que nous regardons
Pour le suivi, l’IA permet de mesurer le liquide intrarétinien, sous-rétinien et les décollements de l’épithélium pigmentaire. Plusieurs solutions commerciales sont évoquées.
L’enjeu : passer du « il reste un peu de liquide » à une quantification reproductible de son évolution. Ces mesures peuvent aussi servir à réanalyser les essais cliniques, distinguer des profils anatomiques et explorer les facteurs associés à la réponse thérapeutique.
L’équipe de Moorfields rapporte ainsi un travail sur environ 3 000 OCT, avec analyse initiale et longitudinale, dont les données brutes ont été rendues accessibles pour permettre leur vérification et leur réutilisation.
Surveiller entre deux consultations
L’OCT à domicile constitue l’une des applications les plus concrètes présentées. Le patient réalise des examens plusieurs fois par semaine ; une récidive ou une augmentation du liquide déclenche une alerte permettant d’organiser une prise en charge.
Pearse Keane cite les travaux de Notal Vision et les résultats d’un essai pivot publiés en novembre 2024. Il souligne surtout l’intérêt potentiel de cette surveillance avec les traitements de longue durée d’action.
Espacer les injections, oui. Encore faut-il savoir ce qui se passe entre deux rendez-vous.
Prévoir la progression et la charge thérapeutique
Autre piste : associer l’imagerie à l’âge, au tabagisme et, lorsqu’elles sont disponibles, aux données génétiques pour estimer le risque de progression vers une DMLA tardive.
Des outils cherchent également à prédire la charge thérapeutique future, afin de mieux planifier les injections. Il s’agit ici de perspectives présentées par Pearse Keane, sans résultats chiffrés de performance dans les captures.
Le message à retenir
L’IA pourrait aider à dépister plus tôt, orienter plus vite, mesurer plus précisément et personnaliser la surveillance. Pour Pearse Keane, la prochaine étape consiste à intégrer ces capacités dans une organisation réelle des soins, notamment au plus près des patients.
Cette présentation est un état des lieux : elle ne rapporte pas de nouvelle démonstration chiffrée d’un gain visuel ou d’une réduction des injections grâce à l’IA. Son apport est de montrer où les outils deviennent concrets — et où la promesse reste à valider.
