Détection assistée par IA des anomalies structurelles des nerfs cornéens dans la kératopathie diabétique précoce : développement et validation d’un cadre d’apprentissage profond

Pourquoi de tout petits nerfs oculaires comptent dans le diabète

Le diabète est bien connu pour endommager les gros nerfs des pieds et des jambes, entraînant souvent douleurs, engourdissements et même amputations. Mais bien avant que ces atteintes ne deviennent évidentes, les plus petits nerfs du corps peuvent commencer à dysfonctionner. La fenêtre transparente à l’avant de l’œil — la cornée — est richement innervée par ces fibres minuscules. Cette étude montre comment l’imagerie avancée et l’intelligence artificielle (IA) peuvent s’associer pour repérer précocement des lésions nerveuses cornéennes, offrant potentiellement une nouvelle méthode indolore pour détecter des problèmes nerveux chez les personnes diabétiques avant qu’ils ne deviennent sévères.

Voir les premiers signes de lésions nerveuses par l’œil

Les tests actuels pour détecter les atteintes nerveuses liées au diabète sont loin d’être parfaits. Les examens simples au chevet dépendent de la compétence du médecin et des réponses du patient, et ils passent souvent à côté des changements subtils et précoces. Les tests plus précis, comme les études de conduction nerveuse ou les biopsies cutanées, sont invasifs, coûteux et peu pratiques pour un dépistage de routine. La cornée, en revanche, peut être examinée de façon non invasive grâce à la microscopie confocale in vivo, une caméra spécialisée qui capture des images fortement agrandies des nerfs cornéens. Des études ont déjà montré que la perte globale de ces nerfs reflète la sévérité de la neuropathie diabétique. Mais les signes avant‑coureurs ne portent pas toujours sur le nombre de nerfs ; ils peuvent consister en de petits défauts structuraux le long de fibres par ailleurs intactes.

Se concentrer sur de petits foyers appelés micronévromes

Ces dernières années, des ophtalmologistes utilisant des microscopes haute résolution ont remarqué de petites taches brillantes et enflées le long des nerfs cornéens chez des personnes diabétiques. Ces « micronévromes » seraient le signe d’extrémités nerveuses stressées ou en régénération et peuvent apparaître avant de larges zones de perte nerveuse. L’équipe de cette étude a voulu apprendre à un ordinateur à reconnaître automatiquement ces caractéristiques subtiles. Elle a rassemblé plus de 5 000 images cornéennes provenant de personnes diabétiques et de volontaires sains dans deux centres ophtalmologiques en Chine. Des spécialistes cornéens expérimentés ont soigneusement éliminé les images de mauvaise qualité, annoté la présence de micronévromes et classé ces lésions en trois motifs visibles : des gonflements localisés, des élargissements en forme de bulbe et des nappes diffuses brillantes.

Former une assistance IA à lire les images nerveuses

À partir de ces images annotées par des experts, les chercheurs ont construit un système d’apprentissage profond en plusieurs étapes. D’abord, un modèle d’IA a filtré les images floues ou hors cible et n’a conservé que celles montrant clairement la couche nerveuse clé. Un second modèle a évalué si une image contenait ou non des micronévromes. Un troisième a délimité les régions exactes où ces lésions apparaissaient, et trois modèles supplémentaires les ont classées selon les trois types visuels. Le système a été entraîné sur des données d’un hôpital puis testé à la fois sur des images inédites du même centre et sur un groupe entièrement indépendant d’un autre hôpital, afin de vérifier sa robustesse entre différents groupes de patients et sessions d’imagerie.

Performances de l’IA en conditions réelles

L’IA s’est révélée très performante pour le contrôle de qualité de base, jugeant correctement les images exploitables à plus de 97 % des cas. Lorsqu’il s’agissait de déterminer la présence de micronévromes, elle a correctement classifié les images à environ 81–84 % dans les jeux de test internes et externes. Sa capacité à segmenter et à sous-typer les lésions était également robuste, avec des performances restant relativement élevées même sur les données du second centre. Pour évaluer l’impact en situation réelle, l’équipe a demandé à des jeunes médecins ophtalmologistes — peu formés à cette technique d’imagerie — d’interpréter un ensemble séparé de 150 images d’abord seuls, puis avec l’aide de l’IA. Avec l’assistance de l’IA, leur précision diagnostique est passée d’environ 69 % à 88 %, et leur temps de lecture moyen par image a été réduit de plus de moitié, ce qui suggère que de tels outils pourraient accélérer le flux en clinique et réduire la fatigue visuelle des cliniciens.

Ce que cela pourrait signifier pour les personnes diabétiques

Cette étude montre qu’un système d’IA entraîné avec soin peut détecter et décrire automatiquement de petites anomalies nerveuses dans la cornée, et que cela peut grandement aider des médecins moins expérimentés à interpréter des examens oculaires complexes. Bien que la recherche en soit encore à un stade préliminaire et repose sur des données rétrospectives de deux centres, elle renforce l’idée que la surface oculaire peut servir de « fenêtre » sur la santé des petits nerfs du corps. Si des études multicentriques et à long terme confirment que les micronévromes cornéens signalent de façon fiable une neuropathie diabétique précoce, ce type d’imagerie assistée par IA pourrait devenir un moyen rapide et non invasif de dépister les personnes diabétiques, de suivre la progression et, peut‑être, d’intervenir avant que les lésions nerveuses ne deviennent permanentes.

Citation: Pan, J., Shi, X., Wan, L. et al. AI-Assisted detection of corneal nerve structural abnormalities in early diabetic keratopathy: development and validation of a deep learning framework. Sci Rep 16, 5846 (2026). https://doi.org/10.1038/s41598-026-36576-1

Mots-clés: neuropathie diabétique, nerfs cornéens, micronévromes, apprentissage profond, microscopie confocale in vivo