Photo oeil smartphone

en direct de l'arvo 2024

Votre smartphone va TOUT savoir des gens que vous photographiez

Des systèmes de deep learning (DLS) ont été développés pour identifier rétrospectivement les biomarqueurs de maladies systémiques à partir de photos des yeux. Attention : pas des photos du fond d’œil, juste… du regard.

Par le Dr Isabelle Aknin, en direct de l'ARVO

Le 12 mai 2024

Des systèmes de deep learning (DLS) ont été développés pour identifier rétrospectivement les biomarqueurs de maladies systémiques à partir de photos des yeux. Attention : pas des photos du fond d’œil, juste… du regard. Dans cette étude multisite prospective, ils ont testé si ces DLS (développés à l’origine à l’aide de photos oculaires caméras professionnelles) sont applicables aux photos de smartphones.

Méthode

L’étude comprenait des données provenant de 798 participants dans 2 cliniques à Taïwan, et des données de santé.

Ils ont évalué 18 prédictions pour 14 biomarqueurs systémiques distincts : des biomarqueurs cliniques ou de laboratoire pour plusieurs organes. Des choses aussi variées que l’HbA1c, le cholestérol total, les globules blancs et le facteur de croissance épidémique.
Des photos des yeux externes ont été prises à l’aide d’un smartphone et d’un rétinographe.

Le DLS avait été « formé » sur un ensemble de données de 123 130 images de 38 398 patients dans le comté de Los Angeles, en Californie, pour prédire si chaque biomarqueur était au-dessus ou en dessous d’une limite spécifiée : EyePACS

Résultats

L’Aire Sous la Courbe des modèles de base était similaire entre les deux types (formé sur les données EyePACS par rapport aux données de Taïwan) pour certains biomarqueurs (Albuminurie, Azotémie, Hématocrite, facteur de croissance, globules blancs), mais étaient très différents pour d’autres (par exemple, IMC, HbA1c, triglycérides).

Le DLS du rétinographe a obtenu de meilleurs résultats (p<0,05) que la ligne de base entraînée par EyePACS dans 16 des 18 prédictions, et mieux que la ligne de base entraînée par Taiwan dans 5 des 18 prédictions.

Le DLS du smartphone a obtenu de meilleurs résultats que la ligne de base entraînée par EyePACS dans 17 des 18 prédictions, et mieux que la ligne de base entraînée par Taïwan dans 4 des 18 prédictions.

Par rapport à la ligne de base EyePACS, les prédictions les plus performantes étaient pour l’IMC ≥35,0, HbA1c ≤ 7,0 et l’IMC ≤ 30,0.

Conclusion

Le deep learning peut prédire les biomarqueurs systémiques à partir de photos oculaires externes des smartphones, en plus de celles des rétinographes.  

Référence

Validating a deep learning model for systemic biomarkers in smartphone photos of the external eye : a prospective, multisite study / Auteurs : Amit Talreja, Eugene Yu-Chuan Kang, Ilana Traynis et al. / Poster Mardi 7 mai N° : B0384 / Numéro de résumé : 3721 – B0384