Après une intervention de chirurgie réfractive, les résultats peuvent varier d’un patient à l’autre, et ce malgré des calculs préopératoires très précis. Ainsi, chez certains sujets apparaissent des « surprises réfractives », et ce de façon difficilement anticipable, même pour un praticien expérimenté. Mais, de plus en plus, l’intelligence artificielle (IA) va améliorer la fiabilité des prédictions de résultat de façon très personnalisée.
Limites actuelles de la prédiction des résultats
En chirurgie réfractive, le résultat obtenu varie selon les patients. Certains d’entre eux bénéficient d’une correction stable et durable, tandis qu’elle peut régresser chez d’autres ou que l’effet obtenu est légèrement différent de celui qui était attendu.
A l’heure actuelle, la prédiction du résultat d’un traitement repose sur les mesures biométriques classiques et sur des formules de calcul intégrées aux plateformes de traitement. Si ces données, combinées à l’expérience du chirurgien, permettent déjà une bonne anticipation, elles ne sont pourtant pas toujours complètement suffisantes et des “surprises réfractives” sont encore parfois observées, généralement liées à des facteurs subtils difficilement intégrables par les méthodes actuelles.
Dans ce contexte, l’apport de l’intelligence artificielle apparaît comme une évolution naturelle pour affiner la prédiction et sécuriser les indications opératoires.
L’apport de l’IA et du big data
Pour prévoir le résultat d’une intervention, l’intelligence artificielle permet d’exploiter des masses de données beaucoup plus importantes que celles prises en compte par l’analyse humaine. Le principe repose sur le « machine learning », qui confronte les caractéristiques biométriques de chaque patient à des bases contenant des données relatives à des milliers d’interventions antérieures.
Cette approche permet d’établir des corrélations fines entre certains profils cliniques et les résultats post-opératoires observés. En utilisant ces algorithmes, il est alors possible d’améliorer la fiabilité des prédictions, de réduire la variabilité des conclusions inter-praticiens et d’anticiper les écarts par rapport au résultat attendu.
Bien sûr, ces outils ne remplacent pas le jugement clinique du professionnel, mais ils complètent l’évaluation traditionnelle en apportant un niveau supplémentaire d’objectivité et de finesse. L’intégration du « big data » rend possible une prédiction plus personnalisée, tenant compte non seulement des mesures classiques, mais aussi de paramètres additionnels issus de l’imagerie et des statistiques de suivi post-opératoire.
Perspectives cliniques
L’utilisation de l’IA dans la prédiction des résultats des interventions a des conséquences pratiques importantes pour les chirurgiens et les patients. Et, de plus en plus, en affinant l’évaluation préopératoire sur la base de scores prédictifs, elle va contribuer à réduire les cas de surprises réfractives, en adaptant la stratégie et la technique opératoires de manière encore plus personnalisée qu’aujourd’hui.
