Un modèle vision transformer pour la détection du glaucome à partir de photographies du disque optique

Pourquoi c'est important pour la vision au quotidien

Le glaucome est l'une des principales causes de cécité permanente dans le monde, mais il progresse souvent sans symptômes jusqu'à ce que la vision soit déjà gravement atteinte. La bonne nouvelle, c'est que de simples photographies du fond d'œil sont largement disponibles, même dans des cliniques disposant d'un équipement limité. Cette étude examine si un programme informatique avancé peut regarder ces photos et signaler de manière fiable les signes précoces de glaucome, bien avant que la plupart des personnes ne remarquent des problèmes.

Une menace discrète pour la vision

Le glaucome endommage progressivement le nerf optique, le faisceau de fibres qui transporte les signaux visuels de l'œil au cerveau. Les médecins recherchent des modifications du disque optique, le point où ce nerf sort de l'œil, mais l'interprétation de ces formes subtiles est difficile et même des experts peuvent diverger. De nombreuses régions manquent également de spécialistes de l'œil pour dépister de larges populations. En conséquence, on estime qu'environ la moitié des cas de glaucome dans le monde ne sont pas diagnostiqués, en particulier dans les pays à revenu faible ou intermédiaire, et beaucoup de personnes n'apprennent qu'elles sont atteintes qu'après une perte de vision considérable.

Apprendre à un ordinateur à lire des photos oculaires

Les chercheurs ont rassemblé plus d'un millier de photographies du disque optique provenant de patients atteints de glaucome précoce traités dans un centre ophtalmologique américain, ainsi que des centaines de photos d'yeux sains issues de deux bases d'images publiques. Des spécialistes du glaucome ont classé chaque image comme glaucomateuse ou saine uniquement en se basant sur l'aspect du nerf optique, en excluant les yeux présentant d'autres pathologies rétiniennes. L'équipe a recadré chaque image pour que le disque optique occupe une portion similaire du cadre et a appliqué des vérifications de qualité rigoureuses et des ajustements réalistes de l'image, tels que de légères rotations, zooms et flous, pour augmenter l'ensemble d'entraînement tout en restant fidèle aux conditions réelles.

Un nouveau type de réseau neuronal

Plutôt que de s'appuyer sur des systèmes d'analyse d'image plus traditionnels, l'équipe a construit son modèle sur un « vision transformer », une famille plus récente d'outils d'apprentissage profond développée à l'origine pour reconnaître des objets dans des photographies courantes. Ce modèle découpe chaque image du disque optique en nombreux petits patchs, représente chaque patch par un jeton de données, puis utilise des couches de blocs d'attention pour pondérer la relation entre différentes régions du disque. Le réseau produit un score entre 0 et 1 qui reflète la probabilité que l'œil soit atteint de glaucome, les scores à partir de 0,5 étant considérés comme positifs. Pour tirer le meilleur parti des données disponibles, les chercheurs ont utilisé un échantillonnage équilibré, des fonctions de perte pondérées et une validation croisée, et ils ont comparé le transformer à un solide réseau convolutionnel appelé EfficientNet.

Performance du système sur les formes précoces de la maladie

Testé sur des images qu'il n'avait pas vues auparavant, le modèle vision transformer a presque parfaitement séparé les yeux glaucomateux des yeux sains. Sa mesure de performance principale, l'aire sous la courbe ROC, était de 1,00 sur l'ensemble de test, avec une précision d'environ 99 %, une sensibilité très élevée et une spécificité très élevée. En termes pratiques, le système a presque ne manqué aucun cas de glaucome et a très peu étiqueté d'yeux sains comme malades. Lorsque les chercheurs ont ensuite testé le modèle sur près d'un millier d'yeux présentant un glaucome modéré à avancé, il en a correctement identifié tous sauf un. Le transformer a également surpassé l'approche basée sur EfficientNet, qui présentait une précision moindre ainsi que plus de faux positifs et de faux négatifs.

Ce que cela pourrait signifier pour les soins oculaires

Parce que le modèle fonctionne avec des photographies standard du disque optique et a été entraîné sur un groupe de patients à diversité raciale, il offre un aperçu réaliste de la manière dont l'intelligence artificielle pourrait aider au dépistage du glaucome dans de nombreuses régions du monde. Les auteurs précisent que leur étude a utilisé un échantillon global plus petit que certaines autres et s'est appuyée sur des jeux de données externes pour une grande partie des témoins sains, ce qui pourrait introduire des biais cachés. Ils soutiennent que des collections d'images plus larges et plus variées, des images capturées avec des caméras portables et l'inclusion d'informations patient de base comme l'âge ou le degré de myopie seront des étapes importantes à venir. Néanmoins, leurs résultats suggèrent qu'une analyse intelligente de simples photos oculaires pourrait devenir un moyen rentable de détecter précocement le glaucome et de réduire les cécités évitables, en particulier là où les spécialistes sont rares.

Message à retenir pour les lecteurs

Ce travail montre qu'un modèle informatique avancé peut apprendre à repérer les premiers signes du glaucome à partir de photographies de routine du nerf optique avec une très grande précision. Bien que davantage de tests en milieu clinique réel soient nécessaires, de tels outils pourraient un jour aider les médecins à trier rapidement un grand nombre de patients entre ceux qui nécessitent des soins ophtalmologiques urgents et ceux qui n'en ont pas besoin, rendant la protection précoce de la vue plus accessible dans le monde.

Citation: Bouris, E., Leyva, B.K., Odugbo, O.P. et al. A vision transformer model for the detection of glaucoma from optic disc photographs. Sci Rep 16, 14831 (2026). https://doi.org/10.1038/s41598-026-44662-7

Mots-clés: dépistage du glaucome, photographie du disque optique, apprentissage profond, vision transformer, santé oculaire