Un algorithme prédit la myopie
Un algorithme développé avec des images de fond d’œil et des mesures de réfraction a prédit efficacement le risque de myopie et de myopie forte chez des enfants âgés de 6 à 9 ans. La diffusion de cet outil pourrait permettre une meilleure prévention chez les sujets à risque. Ces travaux menés en Chine où la prévalence de la myopie chez les enfants est élevée, sont parus le JAMA.
La myopie est un problème de santé publique mondial, particulièrement en Asie, avec une prévalence en constante augmentation. Compte tenu de l’existence de mesures et de dispositifs de préventions, prédire sa progression apporterait beaucoup pour freiner le risque de myopie forte et les complications associées chez les sujets à risque.
Une équipe a développé un algorithme destiné à cela. Il a été entrainé à partir d’images de fond d'œil et de données de réfraction, pour prédire la trajectoire de myopie chez des enfants. Il a été testé sur une cohorte longitudinale en milieu scolaire suivie entre février 2012 et mai 2018, avec des examens annuels.
Les élèves étaient âgés de 6 à 9 ans et ont été recrutés aléatoirement dans onze écoles primaires urbaines à Anyang, en Chine. Les enfants ayant un traitement de contrôle de la myopie étaient exclus.
L’algorithme a prédit efficacement le risque de myopie et de myopie forte dans cette cohorte avec une erreur absolue moyenne globale de 0,322 D par an, soit une valeur très faible. Deux autres cohortes indépendantes ont également été utilisées pour la validation.
Parmi les 3048 enfants inclus, la prévalence initiale de la myopie était de 5,71% et celle de la myopie forte de 0,5%. La validation externe menée auprès des deux autres cohortes a démontré le maintien des performances du modèle indépendamment de l'origine ethnique, avec une erreur absolue moyenne (MAE) de 0,355 D et 0,261 D par an, respectivement.
Référence :
Meng-Tian Kang et al.
Deep Learning Prediction of Childhood Myopia Progression Using Fundus Image and Refraction Data
JAMA Netw Open, January 26, 2026
Retrouvez l’abstract en ligne