Utilisation de la tomographie par cohérence optique et de l’apprentissage automatique pour identifier les anomalies visuelles chez les enfants atteints de neurofibromatose de type 1

Pourquoi c’est important pour la vue des enfants

Pour les enfants atteints d’une maladie génétique rare appelée neurofibromatose de type 1, ou NF‑1, la perte de vision peut constituer une complication aux conséquences majeures. Les médecins utilisent déjà un examen oculaire non invasif appelé tomographie par cohérence optique (OCT) pour observer de minuscules structures au fond de l’œil, mais transformer ces images en alertes claires indiquant quels enfants sont en danger a été difficile. Cette étude examine si la reconnaissance de motifs par ordinateur, connue sous le nom d’apprentissage automatique, peut convertir des mesures OCT de routine en un système d’alerte précoce pour les problèmes de vision chez ces jeunes patients.

Un trouble génétique avec des risques oculaires cachés

La NF‑1 touche environ un nouveau‑né sur 2 500 à 3 000 et peut provoquer une large gamme de modifications cutanées, nerveuses et oculaires. L’une des menaces les plus sérieuses est le développement de tumeurs le long du trajet visuel, appelées gliomes du nerf optique. Environ un enfant sur cinq atteint de NF‑1 développera ces tumeurs, souvent vers l’âge de cinq ans, et certains subiront une perte durable de l’acuité ou du champ visuel. Parce que les jeunes enfants peuvent ne pas remarquer ou signaler une perte de vision, les médecins doivent s’appuyer sur des tests réguliers et des examens cérébraux pour repérer les problèmes tôt — des procédures qui peuvent être stressantes, longues et parfois peu concluantes.

Un examen plus précis du câblage de l’œil

L’OCT fonctionne un peu comme une échographie, mais avec la lumière au lieu du son, produisant des images en coupe détaillées de la rétine et du nerf optique. L’équipe de recherche s’est concentrée sur l’épaisseur ou l’amincissement de couches spécifiques, en particulier la couche de fibres nerveuses rétiniennes et les couches des cellules ganglionnaires, qui transmettent les signaux visuels de l’œil vers le cerveau. Ils ont collecté 515 examens OCT provenant de 168 enfants et adolescents âgés de 3 à 19 ans, certains ayant une vision normale et d’autres ayant présenté une vision réduite lors d’une ou plusieurs visites. Plutôt que d’analyser chaque pixel de chaque scan, les scientifiques ont utilisé des résumés numériques simples — épaisseurs globales des couches clés au niveau de la macula centrale et autour du nerf optique — rendant les résultats plus faciles à relier à l’anatomie réelle et à ce que voient déjà les cliniciens en pratique.

Apprendre aux ordinateurs à repérer les signes avant‑coureurs

Les investigateurs ont ensuite testé neuf approches d’apprentissage automatique différentes pour voir lesquelles pouvaient le mieux distinguer une vision normale d’une vision anormale en n’utilisant que ces mesures d’épaisseur. Ils ont veillé à éviter des résultats trop optimistes en s’assurant que les données d’un même enfant n’apparaissaient jamais à la fois dans les ensembles d’entraînement et de test. Un modèle appelé Forêt Aléatoire Équilibrée — essentiellement un ensemble d’arbres de décision ajusté pour des tailles de classes inégales — s’est avéré le mieux adapté pour un outil de dépistage. En utilisant uniquement les mesures maculaires, il a correctement séparé la vision normale de la vision anormale avec une aire sous la courbe de 0,82 et a détecté environ les deux tiers des enfants présentant des problèmes visuels, un niveau de sensibilité considéré comme précieux lorsqu’il est prioritaire de ne pas rater les patients à risque.

Des chiffres à des seuils pratiques

Pour garder le système compréhensible pour les cliniciens, l’équipe a appliqué une méthode d’explicabilité qui montre dans quelle mesure chaque caractéristique pousse le modèle à prédire une vision normale ou anormale. Cela a révélé que l’amincissement de la couche de fibres nerveuses rétiniennes et des couches combinées des cellules ganglionnaires, tant au niveau de la macula que de la région du nerf, était fortement lié à la perte de vision. Les chercheurs sont allés plus loin en utilisant ces explications pour dériver des valeurs seuils provisoires — par exemple, une couche de fibres nerveuses maculaire plus mince qu’environ 34 micromètres était associée à une proportion beaucoup plus élevée d’enfants ayant une vision anormale. Ils ont également testé la façon dont le risque augmentait à mesure que davantage de couches franchissaient leurs seuils : les enfants dépassant trois seuils anormaux ou plus étaient beaucoup plus susceptibles d’avoir des problèmes visuels que ceux qui n’en dépassaient pas, ce qui suggère que la combinaison de plusieurs changements subtils peut affiner les estimations de risque.

Ce que cela signifie pour les familles et les médecins

L’étude montre que des mesures simples déjà disponibles à partir d’examens OCT standard peuvent être transformées en un outil transparent et fondé sur les données pour signaler les enfants atteints de NF‑1 susceptibles de développer des atteintes visuelles menaçant la vision. Plutôt que de remplacer les médecins, de tels modèles pourraient indiquer quels enfants nécessitent un suivi plus étroit, un traitement plus précoce ou des examens supplémentaires. Les seuils d’épaisseur proposés et les règles basées sur le « nombre de couches anormales » ne sont pas encore prêts à guider le traitement de manière autonome ; ils doivent être validés dans des études plus larges et multicentriques. Néanmoins, ce travail suggère que la combinaison d’imagerie oculaire précise et d’une intelligence artificielle explicable pourrait aider à protéger la vue d’un groupe d’enfants vulnérables en détectant les problèmes avant qu’ils ne deviennent irréversibles.

Citation: Cañada, C.F., Parcerisas, J.G., Bartomeu, J.P. et al. Utilizing optical coherence tomography and machine learning to identify vision abnormalities in pediatric neurofibromatosis type 1 patients. Sci Rep 16, 7237 (2026). https://doi.org/10.1038/s41598-026-37900-5

Mots-clés: neurofibromatose de type 1, vision pédiatrique, tomographie par cohérence optique, apprentissage automatique, couche de fibres nerveuses rétiniennes