KItatta

Les guttae peuvent apparaître sur la membrane basale de la cornée, qui porte les cellules endothéliales. Les cellules endothéliales se trouvent sur la surface arrière de la cornée et sont responsables du pompage actif du liquide et du maintien de la transparence de la cornée. En présence de nombreuses guttae, les cellules endothéliales perdent leur fonction et ne peuvent pas maintenir la transparence de la cornée à long terme. Cela entraîne très souvent des troubles visuels irréversibles, parfois si graves que la transplantation d'une nouvelle cornée est nécessaire. Les guttae passent parfois inaperçues lors de la microscopie inversée à miroir réalisée en routine en préopératoire.

L'objectif dans KIttata (Intelligence artificielle pour la détection et la classification de la cornée guttata dans la banque de cornées avant la kératoplastie) est de développer un algorithme de classification par IA qui prédit l'aptitude à la transplantation d'une cornée de donneur. L'objectif est d'augmenter le taux de survie à long terme des greffes de cornée, de réduire la nécessité d'une nouvelle greffe et de diminuer les coûts de santé associés.

La probabilité de la présence de guttae non détectées dans une greffe de cornée dépend de critères morphologiques tels que les différences de couleur des cellules, les irrégularités de la forme des cellules, la présence de vésicules, les déformations de la membrane cellulaire ou la présence de zones sans cellules.

"Alors que notre doctorant Tarek Safi établissait des critères morphologiques pour la détection de guttae masquée sur la cornée du donneur dans la banque de cornée, il a eu l'idée d'utiliser l'IA pour détecter des anomalies structurelles alarmantes. L'IA trouve actuellement de nombreuses applications dans de nombreux domaines de la médecine, y compris l'ophtalmologie. En utilisant cette technologie avancée comme outil d'analyse et de reconnaissance d'images, une étape importante pourrait être franchie dans l'assurance qualité des tissus de donneurs de cornée", explique le professeur Berthold Seitz, directeur de la clinique d'ophtalmologie de l'hôpital universitaire de la Sarre.

Les scientifiques du domaine de recherche Systèmes d'assistance cognitive du DFKI développent, à l'aide de méthodes d'intelligence artificielle, des procédés qui mettent en œuvre ces critères. Il s'agit essentiellement d'un algorithme de classification qui utilise les paramètres résultant de ces procédures pour prédire si une cornée de donneur donnée est saine. Pour ce faire, ils utilisent des données d'imagerie microscopique des cornées, qui représentent ces détails, comme paramètres d'entrée pour un algorithme d'évaluation basé sur l'IA (classificateur).

"Notre objectif est d'optimiser la classification des cornées et d'obtenir des résultats plus précis que les méthodes utilisées jusqu'à présent. Pour cela, nous utilisons un procédé de deep learning, c'est-à-dire un algorithme d'apprentissage automatique basé sur des réseaux neuronaux complexes. Pour ce faire, des modèles neuronaux sont créés à partir des informations de la banque de cornées, c'est-à-dire des images et des paramètres", explique le chef de projet du DFKI, le Dr Jan Alexandersson.

Pour finir, les résultats sont évalués par un expert clinique. Cette expertise sert de base à l'adaptation des paramètres d'entrée des modèles et contribue à optimiser le modèle au fur et à mesure.

Formateur : Fondation Dr. Rolf M. Schwiete, Mannheim
Volume : env. 215.000 €
Durée : 1 an
Partenaire : Centre allemand de recherche en intelligence artificielle - DFKI, Sarrebruck.