Après une chirurgie réfractive, certaines complications comme le haze, la sécheresse oculaire ou la régression de la correction apportée peuvent altérer le résultat final du traitement. Parfois difficiles à distinguer d’une cicatrisation normale lors des premiers contrôles, elles sont aujourd’hui mieux identifiées grâce à l’intelligence artificielle (IA), qui repère des anomalies précoces indétectables par une analyse humaine, ce qui permet leur prise en charge rapide.
Limites de la détection clinique des complications post-opératoires
Après une intervention de chirurgie réfractive au laser, certains patients sont atteints de complications susceptibles d’altérer la qualité du résultat du traitement. Elles incluent le haze cornéen après PKR, la sécheresse oculaire et la régression, autrement dit la détérioration de la correction optique initialement apportée.
Pour les détecter, le suivi repose en particulier sur l’analyse d’images de la cornée obtenues via des examens divers (topographie, tomographie et cartes cornéennes). Mais, ce mode d’évaluation a ses limites, en particulier parce qu’il se base sur une interprétation humaine.
Ainsi, les complications post-opératoires ne sont pas toujours détectées lors des premiers contrôles et peuvent notamment être confondues avec une évolution normale de la cicatrisation.
Ces limites expliquent tout l’intérêt d’intégrer des méthodes d’interprétation des résultats d’analyse plus fines, capables de mettre à jour des signes précoces de complications, invisibles à l’œil humain mais pourtant porteurs d’une valeur prédictive.
IA et imagerie avancée
Aujourd’hui, les systèmes d’IA appliqués à l’ophtalmologie combinent des données issues de la topographie cornéenne, de tomographie et parfois même de questionnaires sur les symptômes ressentis par les patients. Les algorithmes permettent ainsi de détecter automatiquement des motifs subtils associés à des complications encore à un stade précoce et qui auraient échappé à une analyse humaine.
Par exemple, des modèles entraînés sur des images post-opératoires issues d’interventions au laser PKR ont montré leur capacité à identifier de façon automatisée le haze cornéen, avec une précision supérieure à l’évaluation humaine. De même, pour la sécheresse oculaire, l’IA peut analyser à la fois les cartes de la surface cornéenne et les symptômes rapportés par le patient, afin de signaler très tôt des anomalies de l’interface lacrymale.
Concernant la détection précoce de la régression du résultat, certains modèles exploitent les photographies du fond d’œil, les paramètres biométriques et la technique chirurgicale utilisée. En comparant les données pré et post-opératoires, l’IA est capable d’alerter le praticien en cas de probabilité significative d’évolution défavorable.
Intérêt de la détection précoce des complications post-opératoires grâce à l’intelligence artificielle
En médecine, un des principes de base est que plus une complication est prise en charge tôt, meilleures sont les chances de la résoudre avec des mesures simples.
Dans le cadre de la chirurgie réfractive, détecter un haze à un stade infraclinique permet par exemple d’adapter rapidement la corticothérapie locale. Par ailleurs, identifier précocement une sécheresse oculaire autorise une prise en charge ciblée (larmes artificielles, bouchons méatiques) avant que la gêne visuelle ne s’installe. Enfin, repérer tôt un risque de régression visuelle permet d’informer le patient, d’adapter le suivi post-opératoire et, si nécessaire, d’envisager ultérieurement une retouche laser dans des conditions sécurisées, une fois la réfraction stabilisée.
