Projet de recherche BEGONIA

BElgian Glaucomatous Optic Neuropathy Initiative using Artificial intelligence

Le projet BEGONIA vise à optimiser la recherche sur la détection et le suivi du glaucome en utilisant l'intelligence artificielle et les techniques de science des données. Une base de données rétrospective multicentrique pseudonymisé sur le glaucome est créée à cet effet et mise à disposition des partenaires du projet participants pour permettre une recherche innovante.

Contexte et justification

Le glaucome est l'une des principales causes de perte de vision irréversible dans le monde [1]. Le nombre de patients augmente avec le vieillissement de la population. On estime qu'il y aura 110 millions de patients atteints de glaucome dans le monde d'ici 2040 [2]. L'absence de symptômes précoces et le manque d'outils de dépistage efficaces font que 50 % des patients ne sont pas diagnostiqués. Par ailleurs, environ un patient glaucomateux sur six devient aveugle au cours de sa vie [3], l'une des principales causes étant la difficulté d'évaluer l'évolution [4].

De nouveaux systèmes d'intelligence artificielle (IA) qui assistent le médecin pourraient améliorer la détection et le suivi du glaucome.

Le projet BEGONIA vise à établir une collaboration entre les cliniques belges du glaucome pour :

  1. rassembler des données médicales hétérogènes dans une base de données structurée centrale,
  2. utiliser ces données pour évaluer en profondeur notre modèle actuel de détection du glaucome,
  3. améliorer l'utilisation générale du glaucome modèles,
  4. créer de nouveaux outils pour le diagnostic et le suivi du glaucome en utilisant l'intelligence artificielle et la science des données,
  5. sensibiliser à l'impact que l'IA pourrait avoir dans les soins du glaucome à l'avenir,
  6. et jeter les bases d'une longue collaboration à long terme pour améliorer la prise en charge du glaucome.

[1] Flaxman SR, Bourne RR, Resnikoff S, et al. (2017): Global causes of blindness and distance vision impairment 1990–2020: a systematic review and meta-analysis. Lancet Global Health 5(12): p. 1221- 1234

[2] Tham Y, Li X, Wong T, Quigley H, Aung T, Cheng C (2014): Global Prevalence of Glaucoma and Projections of Glaucoma Burden through 2040. Ophthalmology 121(11): 2081–2090. doi:10.1016/j.ophtha.2014.05.013

[3] Peters D, Bengtesson B & Heijl A (2013): Lifetime risk of blindness in open-angle glaucoma. Am J Ophthalmol.;156:724-30

[4] Susanna R Jr, et al. (2015): Why do people (still) go blind from glaucoma? Transl Vis Sci Technol.;4:1


But de l'étude

Dans cette étude rétrospective multicentrique, nous visons à créer un vaste ensemble de données pseudonymisées sur le glaucome à partir d'images rétiniennes et papillaires. Les ensembles de données actuellement disponibles pour créer des outils automatisés de dépistage du glaucome peuvent être étendus de cette manière. Cela permet d'évaluer et d'améliorer de nouveaux outils de diagnostic et de suivi du glaucome avec des algorithmes d'apprentissage en profondeur et d'autres techniques de science des données. En outre, le procédé peut également être adapté pour obtenir d'autres informations précieuses pour l'évaluation du glaucome à partir d'images rétiniennes telles que les défauts de la couche de fibres nerveuses de la rétine.