Nous suivre Industrie Techno

Intelligence artificielle : Google lit dans les yeux pour prédire les problèmes de cœur

Intelligence artificielle : Google lit dans les yeux pour prédire les problèmes de cœur

L'examen du fond de l’œil sert habituellement à étudier les structures de l’œil à l’arrière du cristallin, et plus particulièrement la rétine pour dépister certaines maladies. Google utilise ces images pour déterminer certaines informations sur le patient.

© hobbs_luton // Flickr

Google a mis au point un algorithme basé sur du deep learning capable de prédire l'âge, le sexe, la pression artérielle et le statut de fumeur d'un patient à partir de l'image du fond de son oeil. Grâce à ces données, il peut prédire le risque de développer une maladie cardiovasculaire.

Âge ?  Sexe ? Fumeur ou non-fumeur ? Pression artérielle ? Ces paramètres, parmi d’autres, sont utilisés pour identifier un risque de maladie cardiovasculaire. Et si ces informations étaient enfouies au fond des yeux ? Des modèles de deep learning de Google sont parvenus à les déterminer à partir d’images du fond de l’oeil. Les résultats de ces travaux ont été publiés le 19 février dans la revue Nature Biomedical Engineering. « Nous avons prédit des facteurs de risques cardiovasculaires que nous n’imaginions pas présents ou quantifiables dans des images de la rétine jusqu’à présent », affirment les chercheurs dans leur publication.

Parmi les patients dont les données ont été utilisées, certains ont subi un accident cardiaque dans les cinq ans qui ont suivi la prise de l’image de leur rétine. L’algorithme de Google l’a prédit dans 70% des cas. Dans un premier temps, il s’est entraîné sur deux banques d’images du fond de l’œil. L’une venant des Etats-Unis, l’autre du Royaume-Uni. Au total, l’algorithme a passé au crible les pixels d’images issues de 284 335 patients. Chaque fois, les prédictions données par le modèle sont comparées aux valeurs réelles et l’algorithme ajuste ses paramètres pour réduire l’erreur. Le processus est répété sur chaque image jusqu’à ce qu’il « apprenne » correctement. Dans une deuxième étape de validation, l’algorithme a analysé les fonds de l’œil de 13 000 autres patients.

Les chercheurs admettent néanmoins que leurs travaux présentent cerrtaines limites et que des validations complémentaires seraient bénéfiques. Si le nombre d’images analysées paraît important, il reste relativement faible pour un modèle de deep learning. De plus, certaines informations importantes – les taux sanguins de lipides comme le cholestérol par exemple - habituellement utilisées pour détecter des risques cardiovasculaires étaient absentes des banques de données. Et des paramètres, comme la pression sanguine, étaient présents dans l’une et absents dans l’autre. Enfin, des incertitudes existent sur le statut de fumeur : celui-ci était auto-déclaré et les anciens fumeurs étaient classés parmi les non-fumeurs.

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

Trophées des ingénieurs, éolien offshore, prothèse robotisée … les meilleures innovations de la semaine

Trophées des ingénieurs, éolien offshore, prothèse robotisée … les meilleures innovations de la semaine

Quelles sont les innovations qui vous ont le plus marqués au cours des sept derniers jours ? Cette semaine, vous avez apprécié[…]

Trophée de l’ingénieur manager : Fabien Guillemot, imprimeur de tissus vivants

Trophée de l’ingénieur manager : Fabien Guillemot, imprimeur de tissus vivants

« Implant Files » : pourquoi les implants médicaux sont dans la tourmente

« Implant Files » : pourquoi les implants médicaux sont dans la tourmente

Ecoles d’ingénieurs, Perlan II, œil bionique… les meilleures innovations de la semaine

Ecoles d’ingénieurs, Perlan II, œil bionique… les meilleures innovations de la semaine

Plus d'articles