La chirurgie réfractive au laser (Lasik, PKR, SMILE) donne globalement d’excellents résultats. Cependant, malgré des calculs préopératoires extrêmement précis, l’approche classique fait qu’il existe encore une variabilité des résultats obtenus d’un patient à un autre. De ce point de vue, en exploitant des millions de données issues d’examens et d’interventions, l’intelligence artificielle (IA), couplée au big data, vient rebattre les cartes. Elle permet non seulement d’améliorer la prédiction des résultats, mais aussi d’optimiser et de faire évoluer en continu les protocoles chirurgicaux.
La variabilité des résultats en chirurgie réfractive
La chirurgie réfractive cornéenne au laser repose sur des protocoles bien établis : le Lasik, la PKR et le SMILE. Par la qualité des résultats qu’ils fournissent et les taux de satisfaction élevés des patients, ils ont fait leur preuve.
Néanmoins, en dépit de tous ces aspects satisfaisants, il n’en reste pas moins que les résultats obtenus varient encore d’un patient à l’autre, et ce malgré des calculs préopératoires précis. Ces écarts ou « surprises réfractives » soulignent les limites de l’approche actuelle, qui s’appuie principalement sur les mesures classiques (réfraction, courbure cornéenne, pachymétrie…) et leur interprétation humaine.
Aujourd’hui, les progrès de l’intelligence artificielle (IA) associés au big data ouvrent la possibilité d’exploiter des bases de données comprenant plusieurs millions d’examens et d’interventions. Cela permet de dépasser les limites statistiques d’échantillons restreints et donc peut être pas toujours assez significatifs.
Big data et chirurgie réfractive
Les algorithmes de machine learning et de deep learning ont la capacité d’analyser des ensembles de données immenses qui comprennent à la fois des mesures biométriques, des images de topographie et de tomographie, mais aussi des résultats post-opératoires.
Cela leur permet de générer des scores prédictifs fiables quant à la qualité du résultat à attendre de tel ou tel traitement sur un patient donné. Outre que cela autorise une meilleure sélection des candidats aux traitements, cela permet aussi de proposer des ajustements aux protocoles existants (profondeur d’ablation, surface de la zone traitée…), en fonction de paramètres propres au patient. Concrètement, l’IA peut générer des recommandations de réglages plus personnalisées au sein d’une même technique opératoire, en tenant compte de variables jusque-là sous-exploitées (rapport cornée/pupille, distribution de l’épithélium, biomécanique locale…).
Plus encore, le big data ne se limite pas à la prédiction individuelle. En fournissant un retour massif sur l’efficacité réelle des techniques et en identifiant les situations dans lesquelles les protocoles standards montrent leurs limites, cette approche constitue un outil d’amélioration continue du domaine de la chirurgie réfractive, qui conduit à un cercle vertueux. En effet, chaque patient opéré alimente la base de données, et chaque nouvel enregistrement contribue à affiner les modèles prédictifs.
