Pascal Sève, Professeur de médecine interne - Chef du département de médecine interne de l'hôpital Croix-Rousse
Robin Jacquot, Doctorant, Reshape U1290
Comment améliorer la démarche étiologique des patients atteints d’uvéites ?
Contexte : En raison du grand nombre et de l'hétérogénéité des étiologies d'uvéite, le diagnostic étiologique est une tâche complexe. Le clinicien doit prendre en compte toutes les informations concernant les caractéristiques démographiques, ophtalmologiques et extra-ophtalmologiques du patient. Bien que des algorithmes d'apprentissage automatique aient été mis au point et qu'ils permettent de poser un diagnostic correct dans la moitié à trois quarts des cas, ils ne sont pas intégrés dans la pratique clinique quotidienne et doivent être améliorés.
Matériels et méthodes : Un réseau neuronal (perceptron multicouche) a été entraîné sur un ensemble de données de 874 cas incidents référés en médecine interne pour le diagnostic étiologique d’une uvéite et testé sur 375 cas. Vingt-cinq causes d'uvéite ont été sélectionnées, à l'exclusion des cas diagnostiqués par le seul examen ophtalmologique. L'algorithme a analysé les facteurs démographiques, ophtalmologiques et cliniques pertinents, ainsi que quatre examens complémentaires simples. Pour évaluer la performance du réseau neuronal, le gold standard utilisé était le diagnostic étiologique établi par un consensus de deux experts en uvéite selon les critères de classification consensuels.
Résultats : Le diagnostic le plus probable proposé par l'algorithme correspondait au diagnostic proposé par le clinicien chez 292 des 375 patients (77,8 %, IC à 95 % : 77,4-78,0). L'algorithme a atteint une précision de 93 % (IC à 95 % : 92,8-93,1 %) lorsque les deux diagnostics les plus probables étaient pris en compte. L'algorithme a donné de bons résultats dans le diagnostic des uvéites idiopathiques (sensibilité de 81 % et spécificité de 82 %). Pour plus des trois quarts des étiologies incluses, notre algorithme a démontré de bonnes performances diagnostiques (sensibilité > 70 % et spécificité > 80 %).
Conclusion : Nous avons développé un algorithme performant pour l’orientation diagnostique que de patients atteints d’uvéites. Celui-ci peut être considéré comme une aide au clinicien pour guider le bilan étiologique.
Mots-clés : uvéite ; intelligence artificielle ; étiologie ; algorithme ; diagnostic ; réseau neuronal ; apprentissage automatique.
