Système d’aide à la décision chirurgicale guidé par l’IA pour la réparation des lacérations coronéennes : une étude de faisabilité prospective non randomisée

Pourquoi une chirurgie oculaire plus intelligente est importante

Lorsque la fenêtre claire de l’œil — la cornée — est entaillée lors d’un accident, la vision peut être endommagée de façon permanente même après une intervention d’urgence. De minuscules points doivent être placés avec précision pour refermer la plaie, lisser la surface cornéenne et éviter une vision déformée. Cette étude examine si un système d’intelligence artificielle (IA) peut aider les chirurgiens ophtalmologistes à décider exactement où poser ces points, dans le but d’offrir aux patients une vision plus nette et plus confortable après des blessures oculaires graves.

Lésions oculaires et défi de la réparation

Les lacérations cornéennes sont des blessures urgentes qui menacent à la fois la forme de l’œil et la capacité de voir clairement. Les chirurgiens doivent refermer la plaie rapidement, mais les berges de la coupure sont souvent irrégulières et difficiles à aligner parfaitement. Si les sutures sont trop serrées, inégales ou trop rapprochées, la cornée peut cicatriser avec des cicatrices et un astigmatisme important — une déformation de la surface oculaire qui courbe la lumière de manière inégale et brouille la vision. Les résultats varient fortement d’un chirurgien à l’autre, surtout en contexte d’urgence. Les auteurs de cette étude se sont demandé si un système informatique entraîné sur des milliers d’images pourrait fournir des conseils objectifs pour rendre la suture plus précise et plus homogène.

Comment l’IA apprend à partir d’images

L’équipe a d’abord construit un système de vision par ordinateur utilisant l’apprentissage profond, une technique qui permet au logiciel « d’apprendre » des motifs à partir de larges ensembles d’images. Ils ont entraîné leur modèle sur 2 400 images d’yeux de porc présentant des coupures cornéennes, qui ressemblent étroitement aux cornées humaines. L’IA a appris à délimiter les berges de la plaie sur chaque photo, retraçant essentiellement la forme et la position réelles de la lacération. Ensuite, grâce à l’apprentissage par transfert, le modèle a été affiné sur 300 images de lésions cornéennes humaines soigneusement annotées par des ophtalmologistes expérimentés. Le système final pouvait mettre en évidence de manière fiable la plaie sur une nouvelle image cornéenne et utiliser ce contour pour calculer le nombre de points nécessaires et l’emplacement exact de chacun le long de la plaie.

Transformer l’analyse d’image en conseils pas à pas pour la suture

À partir du contour de la plaie, l’IA a estimé la quantité de tissu sain entourant la coupure et a suggéré un nombre approprié de sutures et l’espacement entre elles. Elle procédait en traçant une ligne centrale le long de la plaie, en marquant des points de référence à distances fixes, puis en projetant de courtes lignes vers l’extérieur dans la cornée environnante pour choisir des points d’entrée précis pour les sutures. Ces points choisis par l’ordinateur ont été comparés aux emplacements préférés par des chirurgiens experts et correspondaient à environ un dixième de millimètre près, indiquant une précision proche de celle de l’humain. Pendant l’intervention, les médecins du groupe guidé par l’IA ont consulté le motif de suture suggéré par le système et ont suivi environ 92 % de ses recommandations tout en conservant le contrôle final en salle d’opération.

Tester l’assistance par IA chez de vrais patients

Pour vérifier si cette planification aidait réellement les patients, les chercheurs ont mené une étude prospective impliquant 25 personnes présentant des lacérations cornéennes transfixiantes. Quatorze ont été traitées par suture standard basée uniquement sur le jugement du chirurgien, tandis que onze ont eu leurs points planifiés avec l’aide de l’IA. Tous les patients ont été suivis pendant au moins six mois, et leur acuité visuelle ainsi que la forme de la cornée ont été mesurées après l’ablation des sutures. Ceux dont la chirurgie avait été guidée par l’IA ont présenté une meilleure meilleure acuité visuelle corrigée et moins d’astigmatisme que ceux traités de manière conventionnelle. Les mesures de la régularité et de la symétrie de la surface cornéenne après cicatrisation ont également favorisé le groupe IA, et aucun des cas guidés par l’IA n’a nécessité une reprise des sutures pour des fuites.

Ce que cela pourrait signifier pour les soins oculaires futurs

Pour un lecteur non spécialiste, le message principal est qu’un « copilote » IA en salle d’opération peut aider les chirurgiens à poser des sutures de manière plus uniforme et efficace après des blessures oculaires graves, conduisant à une vision plus nette et à moins de complications. Il s’agissait d’une petite étude de faisabilité non randomisée, donc des essais plus larges et plus rigoureux sont encore nécessaires. Le système a aussi des limites — il a été conçu pour des coupures traumatiques aiguës et linéaires et ne gère pas encore des plaies plus complexes ni n’apporte d’informations de profondeur. Néanmoins, les résultats suggèrent que combiner le savoir-faire du chirurgien avec un plan de suture fondé sur les données pourrait rendre la réparation oculaire en urgence plus précise et plus prévisible, augmentant les chances que les patients retrouvent une vision utile et confortable après des lésions cornéennes dévastatrices.

Citation: Zheng, J., Lu, H., Chen, Y. et al. AI-guided surgical decision support system for corneal laceration repair: a prospective, non-randomized controlled feasibility study. Sci Rep 16, 12431 (2026). https://doi.org/10.1038/s41598-026-42805-4

Mots-clés: lésion cornéenne, chirurgie oculaire, intelligence artificielle, planification chirurgicale, astigmatisme